您的位置: 专家智库 > >

高立

作品数:3 被引量:14H指数:2
供职机构:中北大学更多>>
发文基金:山西省高等学校高新技术产业化项目山西省自然科学基金更多>>
相关领域:金属学及工艺自动化与计算机技术交通运输工程机械工程更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇金属学及工艺
  • 1篇机械工程
  • 1篇自动化与计算...
  • 1篇交通运输工程

主题

  • 2篇旋压
  • 2篇强力旋压
  • 1篇悬架
  • 1篇有限元
  • 1篇有限元分析
  • 1篇神经网
  • 1篇神经网络
  • 1篇汽车
  • 1篇汽车悬架
  • 1篇连杆衬套
  • 1篇交互效应
  • 1篇工艺参
  • 1篇工艺参数
  • 1篇RBF神经网...
  • 1篇HYPERM...

机构

  • 3篇中北大学

作者

  • 3篇高立
  • 2篇樊文欣
  • 2篇马学军
  • 1篇王跃
  • 1篇李瑰
  • 1篇吕伟

传媒

  • 1篇锻压技术
  • 1篇热加工工艺
  • 1篇汽车零部件

年份

  • 1篇2016
  • 2篇2015
3 条 记 录,以下是 1-3
排序方式:
基于析因试验的强力旋压因素间交互作用分析被引量:6
2016年
为了揭示强力旋压关键因素间交互作用对成形件质量的影响,基于完全析因试验,获得了试验因素(减薄率、进给比、热处理温度)下的强力旋压成形件的强度和塑性评价指标(屈服强度、抗拉强度、断面收缩率、伸长率)。结果表明:对强力旋压成形件某些评价指标影响程度的因素间二阶交互效应和三阶交互效应超过了某些单个因素的主效应。这证明强力旋压因素间交互作用是不可忽视的。
吕伟樊文欣王跃高立吕创能
关键词:强力旋压
基于RBF神经网络的强力旋压连杆衬套成形质量预测研究被引量:8
2015年
为了实现对强力旋压连杆衬套成形质量(壁厚差和扩径量)的预测,进而对工艺参数进行优化,利用MATLAB人工神经网络工具箱,建立了强力旋压工艺参数与成形质量的RBF神经网络模型。基于减聚类算法改进的K-means学习算法,用模拟实验所得数据对神经网络进行训练,进而对旋压成形质量进行预测,通过与实测值对比,发现所建神经网络模型预测性能良好,实现了RBF神经网络在强力旋压领域的成功应用,与原始K-means学习算法训练的RBF神经网络和BP神经网络所建模型比较,发现改进K-means学习算法训练的RBF神经网络预测模型拥有更优的性能。该模型不仅可以为工艺参数的优化提供参考,还能缩短工艺参数的优化周期和减少实际实验的成本。
高立樊文欣马学军李瑰
关键词:强力旋压工艺参数RBF神经网络
基于Hypermesh的汽车悬架支架有限元分析被引量:1
2015年
建立汽车悬架支架三维实体模型和有限元模型,依据几种典型的实际工况对支架施加约束和载荷,分析支架在各工况下的应力和应变情况。检验支架满足静强度要求,为其结构设计、优化和疲劳寿命预测提供理论依据。
马学军高立
关键词:汽车悬架有限元分析
共1页<1>
聚类工具0