神经网络优化的铸造凸轮轴KBE系统设计研究

该资源是一篇来自四川大学的硕士学位论文，作者胡侨丹，导师杨屹，主题聚焦于人工智能在凸轮轴铸造领域的应用，具体是基于神经网络优化的知陸基工程（KBE）系统的研究。论文探讨了如何将KBE设计理念应用于铸造工艺设计，以解决传统CAX系统在处理柔性知识流和整体工艺知识表达上的不足。通过面向对象的建模方法和专家系统的知识组织原则，构建了一个层次分明、能模拟专家决策的铸造KBE系统。 在系统设计中，论文详述了神经网络优化如何用于知识的构建、组织和分析，以及如何与KBE结合。系统主要包含神经网络优化子系统和参数化设计子系统。神经网络优化子系统处理和更新工艺知识，为参数化设计提供数据支持。领域知识的挖掘和结构化依赖于技术文献和专家经验。知识表达采用面向对象的方法，推理策略采用混合推理，结合数据驱动和目标驱动。 系统整体结构包括铸造工艺工装CAD子系统和神经网络优化设计子系统。铸造工艺工装CAD子系统进一步细分为铸造工艺CAD和模具CAD，分别涉及零、铸件CAD、分型面、浇注系统、冷铁等设计环节，以及模样、模板、标准件设计和装配干涉检验。神经网络优化设计子系统则涵盖知识获取、推理以及网络模型建立等步骤。 这篇论文深入探讨了人工智能技术在凸轮轴铸造中的创新应用，通过神经网络优化提升铸造工艺的效率和精度，展示了KBE系统在解决复杂工程问题上的潜力。