.png){kind=icon}
返回
An optimal design method for loading path with multiple feature points using machine learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.tws.2026.114938.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 基于机器学习的加载路径优化设计方法被提出。
• 进展参数的定量预测模型被推导。
• 适用于多级液压成形的多特征点加载路径被提出。
• 通过神经网络和遗传算法设计了最优加载路径。
Keyword:
loading path
machine learning
multi-stage hydroforming
neural network
genetic algorithm
期刊
T
IF:
6.6
论文数:
1.1W
被引数:
4.0W
机构
引用论文
.png){kind=icon}
Optimisation of Aluminium Alloy Variable Diameter Tubes Hydroforming Process Based on Machine Learning基于机器学习的铝合金变径管材液压成形工艺优化
PREAI
分享收藏Feeding path and movable die design in tube hydroforming of metal bellows金属波纹管液压成形中的进料路径和可移动模具设计
PREAI
分享收藏
查看更多内容