基于MATLAB的材料加工参数反求及优化专家系统的开发SIT项目申请答辩.pptx

该项目是关于基于MATLAB的材料加工参数反求及优化专家系统的开发，主要涉及材料科学与工程领域的工艺优化问题。项目团队由三位来自材料成型及控制工程三班的同学组成，他们在学术和实践中表现出色，拥有良好的团队协作精神和独立解决问题的能力。 在当前的研究背景下，材料加工过程的参数优化是一个复杂且耗时的过程，通常依赖于试错法，效率低下且成本高昂。传统的优化技术往往容易陷入局部最优，而非全局最优。尽管神经网络和遗传算法在某些领域已有广泛应用，但在材料加工领域的成熟应用仍待进一步发展。Prasad等人和王蓓等人已经利用MELTFLOW和CAE软件结合神经网络对压铸和注塑工艺进行了模拟和优化，但这些研究仍有提升空间。 人工神经网络（ANN）是一种模拟生物神经元网络的计算模型，用于模式识别和预测。BP神经网络是其中一种常用模型，通过反向传播算法调整权重以实现学习和预测。遗传算法（GA）则是模仿生物进化过程的搜索优化算法，通过选择、交叉和变异操作来寻找全局最优解。 项目的意义在于，通过将数值模拟软件（如ProCast）的仿真结果作为样本数据，结合神经网络和遗传算法，可以实现材料加工参数的预测、诊断和优化，减少实际试验次数，缩短产品设计周期，提高产品质量。项目计划在MATLAB环境下构建一个通用的专家系统，简化神经网络工具的使用，促进材料加工工艺的优化设计。 研究方案包括确定优化参数和目标，采用正交设计进行实验，通过数据处理和遗传算法优化神经网络结构，最终验证工艺参数的有效性。预期成果是稳定BP神经网络结构，找到最优工艺参数，并应用于实际铸造工艺问题。 总结来说，这个项目旨在开发一个基于MATLAB的专家系统，集成数值模拟、神经网络和遗传算法，以高效优化材料加工过程中的参数，降低生产成本，提高生产效率，对于推动材料科学与工程领域的技术创新具有积极意义。