摘要
本发明提出一种预测涡轮叶片铸造时收缩率的方法、装置及介质,属于涡轮叶片制造技术领域,包括如下步骤:获取子数据集,获取数据集,构建收缩率模型,并将上述数据集导入收缩率模型中;所述收缩率模型进行训练迭代优化,直到输入测试的涡轮叶片铸件几何属性的数据和工艺参数能够计算出涡轮叶片模具‑铸件的测试收缩率与实际收缩率比较小于设定误差;将待研制的涡轮叶片铸件几何属性的数据和工艺参数输入收缩率模型中,收缩率模型输出涡轮叶片模具‑铸件的收缩率。提高了收缩率获取速度和精度,同时由于不用制作快速成型蜡模,进而节省了成本。
技术关键词
涡轮叶片铸造
涡轮叶片模具
轮廓模型
模具内腔
铸件
深度神经网络算法
数据
支持向量机算法
点云模型
外形
误差
参数
随机森林
可读存储介质
处理器
快速成型
处理单元
系统为您推荐了相关专利信息
定位点
熔模精密铸造
打印设备
真空精密铸造
恒湿车间