简介概要

基于GS理论与神经网络的汽车覆盖件成形优化

来源期刊:兵器材料科学与工程2017年第4期

论文作者:熊文韬 刘泓滨 孙元贵 邓利君

文章页码:84 - 89

关键词:汽车覆盖件拉延成形;灰色关联分析;拉丁超立方抽样;神经网络遗传算法;参数优化;

摘    要:利用GS理论和神经网络遗传算法函数寻优法,搭乘非线性有限元分析软件Dynaform,对轻型卡车左后侧围外板拉延成形过程工艺参数寻优,以解决该零件在成形过程中出现的破裂和过度减薄质量缺陷。将GS理论和正交试验设计相结合,获得各工艺参数组合下的最大减薄率,并对获取的数据进行灰色关联度分析,找出影响减薄率的两个主要因素,即冲压速度和压边力;基于神经网络遗传算法函数寻优模型,借助拉丁超立方抽样对选出的两个主要因素进行随机抽样,将冲压速度和压边力作为输入,最大减薄率作为输出,获得输入与输出之间的非线性映射关系,并获得BP神经网络预测结果。最后,将预测结果进行个体适应度值计算,得到全局最优解和对应输入值。对比优化前后的数值模拟结果以及实验结果可知,采用此方法所得的工艺参数组合可有效提高板料成形的性能和质量。

详情信息展示

基于GS理论与神经网络的汽车覆盖件成形优化

熊文韬1,刘泓滨1,孙元贵1,邓利君2

1. 昆明理工大学机电工程学院2. 昆明学院自动控制与机械工程学院

摘 要:利用GS理论和神经网络遗传算法函数寻优法,搭乘非线性有限元分析软件Dynaform,对轻型卡车左后侧围外板拉延成形过程工艺参数寻优,以解决该零件在成形过程中出现的破裂和过度减薄质量缺陷。将GS理论和正交试验设计相结合,获得各工艺参数组合下的最大减薄率,并对获取的数据进行灰色关联度分析,找出影响减薄率的两个主要因素,即冲压速度和压边力;基于神经网络遗传算法函数寻优模型,借助拉丁超立方抽样对选出的两个主要因素进行随机抽样,将冲压速度和压边力作为输入,最大减薄率作为输出,获得输入与输出之间的非线性映射关系,并获得BP神经网络预测结果。最后,将预测结果进行个体适应度值计算,得到全局最优解和对应输入值。对比优化前后的数值模拟结果以及实验结果可知,采用此方法所得的工艺参数组合可有效提高板料成形的性能和质量。

关键词:汽车覆盖件拉延成形;灰色关联分析;拉丁超立方抽样;神经网络遗传算法;参数优化;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号