基于人工智能的冲压件复合参数数值优化技术研究与应用

发布时间：2017-05-19 15:19

  本文关键词：基于人工智能的冲压件复合参数数值优化技术研究与应用，由笔耕文化传播整理发布。

【摘要】： 在机械制造中，冲压成形已经成为一种十分重要的塑性加工方法，广泛应用于汽车、航空航天、电器、造船、仪表等工业领域。随着工业对冲压件需求不断的增长，板材成形技术在世界各国，特别是工业发达国家得到高度重视。影响冲压件成形质量的因素有很多，而回弹缺陷是最重要的影响之一。回弹研究包含回弹预测和回弹控制两个相互影响的方面，对回弹进行准确的预测有利于我们有效的控制回弹，而控制是预测的最终目标，因为控制回弹能直接促进冲压质量的提高，促进冲压技术的发展。 由于计算机技术的迅速发展，其运算能力已经能满足大规模的数值运算要求，使得以有限元为基础的数值模拟冲压仿真技术逐渐得到广泛推广和应用，而数值模拟也为冲压技术的发展带来新的革命。不仅如此，结合计算机的强大数值运算能力，以传统的试验方法为基础，通过数学建模来模拟冲压成形也变为现实，再结合数值优化方法，使冲压技术的优化得到长足的进步。 本文就是在上述的技术背景上，提出了针对冲压成形中最常见的问题之一：回弹缺陷，以回弹现象较为严重的类U型件为研究对象，以正交试验法为实验数据基础，以DYNAFORM数值冲压仿真为手段，以材料性能、冲压工艺、回弹角反映的关键型面尺寸这三种参数为试验因素，以工程实际的经验取值范围为因素的水平，以冲压成形回弹分析模型与设计模型的误差量为试验指标，完成正交试验方案并得到相应的误差数据。根据已完成的正交表导入回弹控制原型系统，作为对人工神经网络训练的原始数据和校验数据。训练所得的人工神经网络作为遗传算法的“Fit Function”并在因素的水平范围内进行全局的优化，最后能得出最优的参数取值。 本文的特色在于通过回弹角反映关键型面尺寸实现模具的参数化，并与材料性能、冲压工艺同时作为试验参数；另外把人工神经网络和遗传算法相结合，，实现了冲压过程的数学模型模拟和参数优化；而且本文的工作还包括把正交试验、冲压仿真、回弹评价(包括由回弹角所反映出来的型面关键尺寸的计算与定位、成形结果与设计模型的位移误差计算)、参数优化(包括人工神经网络的冲压数学模型训练和遗传算法的全局寻优)整合到一个原型系统平台上，具有很高的工程应用价值。
【关键词】：回弹 复合参数优化 正交试验 人工神经网络 遗传算法 人工智能
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TG386
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-19
• 1.1 板料冲压的研究背景及意义9-10
• 1.2 板料成形回弹分析的研究与发展10-16
• 1.2.1 解析法的板料成形研究与发展11-12
• 1.2.2 实验法的回弹分析研究与发展12-13
• 1.2.3 有限元数值模拟分析法的板料成形研究与发展13-16
• 1.3 论文工作内容16-18
• 1.4 本章小结18-19
• 第二章 板料成形回弹控制数值模拟方法19-33
• 2.1 板料成形回弹控制方法的发展19-24
• 2.1.1 板料成形过程有限元分析模型的建立21
• 2.1.2 基于应力应变有限元法列式表达式的建立21-22
• 2.1.3 针对薄板成形有限元算法的建立22-24
• 2.2 薄板冲压的材料本构关系的确立24-26
• 2.2.1 与应变率有关的各向同性材料模型24-25
• 2.2.2 与应变率相关的各向异性材料模型25-26
• 2.3 薄板冲压有限元分析的单元模型建立26-27
• 2.4 薄板冲压回弹分析及其建模方法27-29
• 2.4.1 薄板冲压回弹的机理27-28
• 2.4.2 板料回弹的影响因素28-29
• 2.5 板料成形回弹有限元模拟软件DYNAFORM29-32
• 2.5.1 DYNAFORM的介绍与应用情况29-30
• 2.5.2 类U型件在DYNAFORM中的成形仿真30-32
• 2.6 本章小结32-33
• 第三章 基于正交试验法的复合参数冲压方案设计33-44
• 3.1 正交试验法33-38
• 3.1.1 正交试验设计的基本工具——正交表34
• 3.1.2 正交试验法的特点34-36
• 3.1.3 正交试验结果的分析方法36-38
• 3.2 正交试验法在冲压方案设计上的应用38-43
• 3.2.1 板料冲压关键尺寸的确定38-40
• 3.2.2 冲压方案的正交试验表构造40-42
• 3.2.3 冲压方案的试验结果与分析42-43
• 3.3 本章小结43-44
• 第四章 冲压回弹预测及复合参数优化方法44-57
• 4.1 回弹预测的人工神经网络模型44-51
• 4.1.1 人工神经网络的概述44
• 4.1.2 人工神经网络的性质44-45
• 4.1.3 人工神经网络的原理45-46
• 4.1.4 基于人工神经网络的训练样本数据预处理46
• 4.1.5 基于人工神经网络的冲压回弹预测模型46-51
• 4.2 冲压回弹的遗传算法参数优化方法51-55
• 4.2.1 遗传算法简介51-52
• 4.2.2 遗传算法的特征52-54
• 4.2.3 基于遗传算法的冲压回弹参数优化54-55
• 4.3 本章小结55-57
• 第五章 基于人工智能的冲压件复合参数优化应用57-66
• 5.1 回弹控制原型系统简介57-58
• 5.2 前处理模块58
• 5.3 回弹评价模块58-61
• 5.3.1 确定关键尺寸58-59
• 5.3.2 测定冲压成形质量59-61
• 5.4 后处理模块61-63
• 5.4.1 参数设置61-62
• 5.4.2 导入正交试验结果62
• 5.4.3 参数优化62-63
• 5.5 优化结果验证63-66
• 第六章 总结与展望66-69
• 6.1 本文研究工作总结66-67
• 6.2 研究工作展望67-69
• 附录一69-75
• 附录二75-82
• 附录三82-84
• 附录四84-90
• 参考文献90-94
• 致谢94

【引证文献】

中国硕士学位论文全文数据库 前2条

1 徐以国;基于蚁群神经网络的家电壳体注塑成型质量预测[D];浙江大学;2010年

2 徐冰冰;数值优化在汽车复杂注塑件成型工艺分析中的应用[D];浙江大学;2008年

  本文关键词：基于人工智能的冲压件复合参数数值优化技术研究与应用，由笔耕文化传播整理发布。

本文编号：379054