基于SA-RBF神经网络的冲压成形拉延筋优化

发布时间：2018-03-13 07:15

  本文选题：拉延筋　切入点：模拟退火算法　出处：《西南交通大学学报》2017年05期 　论文类型：期刊论文

【摘要】：为提高神经网络预测精度,利用模拟退火算法对基于k-均值聚类的RBF(radical basis function)神经网络进行了结构优化.首先,以NUMISHEET 02翼子板冲压成形为研究对象,以6条等效拉延筋力作为输入变量,基于Spearman相关分析和拉丁超立方抽样抽取相关性系数较小的数据作为SA-RBF(simulated annealing-RBF)神经网络的训练样本;其次,将训练样本进行Dynaform数值仿真,以起皱缺陷和拉裂缺陷建立的成形质量评价函数为目标函数,通过SA-RBF神经网络建立等效拉延筋力与目标函数间的非线性映射关系;再次,利用NSGA-II算法对其进行求解得到Pareto最前沿,通过灰色关联分析理论确定最佳拉延筋力;第三,利用优化的拉延筋力对翼子板成形进行数值仿真分析,成形极限图结果表明,优化后的成形件起皱显著减少,而且塑性变形更加均匀,提高了成形质量.
[Abstract]:In order to improve the prediction accuracy of neural network, the structure of RBF(radical basis function neural network based on K-means clustering was optimized by simulated annealing algorithm. Firstly, the stamping forming of NUMISHEET 02 airfoil was studied. Based on Spearman correlation analysis and Latin hypercube sampling, six equivalent stretching forces are used as training samples of SA-RBF(simulated annealing-RBF neural network. Secondly, the training samples are simulated by Dynaform. Taking the forming quality evaluation function established by wrinkling defect and crack defect as the objective function, the nonlinear mapping relationship between the equivalent drawing force and the objective function is established by SA-RBF neural network. The NSGA-II algorithm is used to solve the problem to get the most advanced Pareto, and the optimum drawing force is determined by grey relational analysis theory. Thirdly, the optimum drawing force is numerically simulated and the results of forming limit diagram show that, After optimization, the wrinkling of the formed parts is reduced significantly, and the plastic deformation is more uniform, which improves the forming quality.
【作者单位】： 西南交通大学机械工程学院先进设计与制造技术研究所;
【基金】：国家自然科学基金资助项目(51005193) 国家大学生创新创业训练计划项目(201710613033)
【分类号】：TG386

【相似文献】

中国期刊全文数据库 前10条

1 刘永熙;拉延筋[J];合肥工业大学学报;1982年02期

2 徐丙坤 ,施法中;拉延筋约束阻力的一种解析计算方法[J];锻压技术;2001年06期

3 李淑慧,林忠钦,包友霞,郭瑞泉,吴华;改进的等效拉延筋阻力模型及其应用[J];中国机械工程;2002年07期

4 那景新,闫亚坤,朱勇建,胡平;两种求拉延筋约束阻力方法的对比研究[J];中国机械工程;2003年18期

5 郑刚;李光耀;孙光永;韩利芬;;基于近似模型的拉延筋几何参数反求[J];中国机械工程;2006年19期

6 李金燕;傅建;彭必友;林南;;基于数值模拟的等效拉延筋设计与优化[J];塑性工程学报;2007年05期

7 陈文琳;王世东;朱玉生;李伟;;拉延筋约束阻力的数值模拟研究[J];塑性工程学报;2008年01期

8 彭必友;胡腾;肖兵;龙玲;殷国富;;基于数值模拟的拉延筋约束阻力计算方法研究[J];锻压技术;2009年06期

9 陈杰来;孙俊兰;;基于遗传神经网络的拉延筋参数辨识[J];盐城工学院学报(自然科学版);2011年04期

10 汪雪晴;杨旭静;罗志敏;王一骏;;不等截面拉延筋结构优化设计[J];计算机仿真;2012年01期

中国重要会议论文全文数据库 前2条

1 韩良晶;;拉延筋模型起皱的原因及防止[A];2011年“天山重工杯”全国机电企业工艺年会暨第五届机械工业节能减排工艺技术研讨会论文集[C];2011年

2 郭敏杰;曾珊琪;;基于Dynaform的汽车覆盖件成形中拉延筋的设置与数值模拟[A];陕西省机械工程学会第九次代表大会会议论文集[C];2009年

中国博士学位论文全文数据库 前3条

1 郑刚;汽车覆盖件冲压成形中的拉延筋模型及其参数反演研究[D];湖南大学;2008年

2 郑刚;汽车覆盖件冲压成形中拉延筋模型及其参数反演研究[D];湖南大学;2008年

3 刘迪辉;薄板冲压回弹仿真计算及应用技术研究[D];湖南大学;2005年

中国硕士学位论文全文数据库 前10条

1 郭驿;拉延筋对拉深成形及回弹影响的关键技术研究[D];合肥工业大学;2017年

2 张侠;板料成形拉延筋技术研究[D];重庆理工大学;2010年

3 吴磊;一种基于反求参数的拉延筋解析模型及工程应用[D];湖南大学;2006年

4 于保君;基于人工神经网络的拉延筋力与形状参数预示研究[D];吉林大学;2007年

5 马荣国;基于汽车灯罩零件拉延筋的对比研究[D];昆明理工大学;2007年

6 汪雪晴;不等截面拉延筋结构参数反求研究与应用[D];湖南大学;2011年

7 王世东;汽车覆盖件成形中拉延筋应用的数值模拟研究[D];合肥工业大学;2007年

8 关婧;板料冲压成形拉延筋高度控制技术基础研究[D];重庆理工大学;2012年

9 陈昕;汽车板料成形中拉延筋的力学性能及影响因素研究[D];吉林大学;2012年

10 周伟;基于数值模拟的拉延筋设置方式对T形覆盖件成形质量的影响研究[D];重庆大学;2009年

，

本文编号：1605328