南開科技大學圖書館 |

回首頁

結合類神經網路與FEM作鑿刀熱鍛製程設計之研究 = Study on process parameter prediction of chisel hot forging by AIM and FEM

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Study on process parameter prediction of chisel hot forging by AIM and FEM
作者:	陳煜欣,
其他作者:	管金談,
出版地:	[南投縣]
出版者:	南開科技大學車輛與機電產業研究所;
出版年:	民102[2013]
面頁冊數:	25葉 : 圖,表 ; 31公分+1張光碟
標題:	類神經網路
標題:	abductive network
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/60005405686079685003
附註:	指導教授: 管金談
附註:	參考書目: 葉23-25
摘要註:	氣動鑿刀常見於工程施工場合，藉以減輕人力，由於受衝擊力大，需要較高的強度與韌性，因此大多以熱鍛製程製造，然而在作製程設計時必須先預估鍛造負荷、模具應力、鍛件累積應變及胚料尺寸等多項製程參數。本文藉由結合類神經網路與有限元素法，對鑿刀熱鍛之上述多項製程參數建立快速預測模組，作為製程設計之依據，並探討此方法所建立之預測模型之準確性，結果發現由結合類神經網路與分析結果之最大誤差絕對值為17.54%。

結合類神經網路與FEM作鑿刀熱鍛製程設計之研究 = Study on process parameter prediction of chisel hot forging by AIM and FEM
LDR:02533pam0 2200289 450 001 128254
005 20150115164458.0
009 00149976
010 0 $b 精裝
099 $a 101NKUT7162004
100 $a 20130805y2013 k y0chiy08 e
101 0 $a chi
102 $a tw
105 $a ak am 000yy
200 1 $a 結合類神經網路與FEM作鑿刀熱鍛製程設計之研究 $d Study on process parameter prediction of chisel hot forging by AIM and FEM $f 陳煜欣 $z eng
210 $a [南投縣] $c 南開科技大學車輛與機電產業研究所 $d 民102[2013]
215 0 $a 25葉 $c 圖,表 $d 31公分 $e 1張光碟
300 $a 指導教授: 管金談
300 $a 參考書目: 葉23-25
328 $a 碩士論文--南開科技大學車輛與機電產業研究所
330 $a 氣動鑿刀常見於工程施工場合，藉以減輕人力，由於受衝擊力大，需要較高的強度與韌性，因此大多以熱鍛製程製造，然而在作製程設計時必須先預估鍛造負荷、模具應力、鍛件累積應變及胚料尺寸等多項製程參數。本文藉由結合類神經網路與有限元素法，對鑿刀熱鍛之上述多項製程參數建立快速預測模組，作為製程設計之依據，並探討此方法所建立之預測模型之準確性，結果發現由結合類神經網路與分析結果之最大誤差絕對值為17.54%。 $u In this paper, the finite element method is employed in conjunction with the abductive network to predict the forging loads, die stress, forged workpiece strain and billet diameter in chisel hot forging. Different forging part dimensions combined with flash heights are taken into account as the process parameters in this study. A finite element-based code is utilized to investigate the forging loads, die stress and forged workpiece strain under different process parameters, and the abductive network is then employed to synthesize the data sets obtained from numerical simulations, thus establishing a predictive model. From this model, a forging load, die stress, forged workpiece strain and billet diameter can be predicted. The maximum predicting error of the prediction methods is 17.54% by the abductive network.
510 1 $a Study on process parameter prediction of chisel hot forging by AIM and FEM $z eng
610 0 $a 類神經網路 $a 有限元素法 $a 熱鍛製程設計
610 1 $a abductive network $a finite element method $a hot forging process design
681 $a 000 $b 7597
700 1 $a 陳 $b 煜欣 $3 132443
702 1 $a 管 $b 金談 $3 24652
801 0 $a tw $b 國圖 $c 20130805 $g CCR
801 1 $a tw $b 國圖 $c 20130805 $g CCR
856 7 $u http://handle.ncl.edu.tw/11296/ndltd/60005405686079685003