基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化

发布时间：2018-12-14 06:39

【摘要】：针对铝合金复杂件冲压后出现的较大回弹缺陷,同时为减少冲压成形工艺参数的优化时间,使用有限元仿真软件DYNAFORM对冲压成形及回弹过程进行数值模拟,在确保数值模拟与试验结果基本一致的基础上,利用代理模型对回弹进行了优化研究。以NUMISHEET'96 S梁为研究对象,凸模圆角半径、凹模圆角半径、压边力、板料厚度作为影响因素,成形后最大回弹值作为成形目标,运用拉丁超立方抽样,通过数值仿真获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用粒子群算法对该模型迭代寻优获得最优工艺参数。结果表明:小波神经网络能较好地描述板料工艺参数与回弹之间的映射关系,优化后成形件的回弹量大大减小。
[Abstract]:In order to reduce the optimization time of stamping process parameters, the finite element simulation software DYNAFORM is used to simulate the stamping forming and springback process. On the basis of ensuring that the numerical simulation is consistent with the experimental results, the springback is optimized by using the agent model. Taking the NUMISHEET'96 S beam as the research object, the convex die radius, the blank holder force and the thickness of sheet metal are taken as the influencing factors, the maximum springback value after forming is taken as the forming target, and the Latin hypercube sampling is used. The sample data are obtained by numerical simulation, and the agent model of wavelet neural network between the influencing factors and the forming target is established, and the optimal process parameters are obtained by iterative optimization of the model using particle swarm optimization (PSO). The results show that the wavelet neural network can well describe the mapping relationship between sheet metal process parameters and springback, and the springback of formed parts is greatly reduced after optimization.
【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)
【分类号】：TG386

【参考文献】

相关期刊论文 前4条

1 王波;王灿林;梁国强;;基于粒子群寻优的D-S算法[J];传感器与微系统;2007年01期

2 苏娟华;张文琼;李丽春;;神经网络与正交试验法结合优化板料成形工艺[J];锻压技术;2009年01期

3 王巍;李东升;李小强;;铝合金板弯曲回弹试验与有限元仿真[J];锻压技术;2013年03期

4 傅建;刘挺;彭必友;叶义根;赵娅;;基于计算机辅助实验的铝合金发动机罩外板成形工艺参数优化[J];锻压技术;2014年02期

【共引文献】

相关期刊论文 前10条

1 曹志勇;邱靖;曹志娟;杨毅;;基于改进型神经网络的植物病虫害预警模型的构建[J];安徽农业科学;2010年01期

2 师彪;李郁侠;于新花;闫旺;何常胜;孟欣;;基于改进粒子群-径向基神经网络模型的短期电力负荷预测[J];电网技术;2009年17期

3 孟彬;鲍官军;吴海伟;杨庆华;;汽车转向球铰壳体预成形件的形状优化设计[J];锻压技术;2010年04期

4 刘维;吴建军;彭永前;;基于响应面模型的多工步成形零件优化设计[J];锻压技术;2011年01期

5 闫盖;郑燕萍;何镇罡;吴军;朱琪;;冲压板料可成形性区域图的研究与应用[J];锻压技术;2013年04期

6 谢延敏;王新宝;乔良;王杰;;一种等效拉延筋阻力模型及其应用[J];工程设计学报;2014年02期

7 王新宝;谢延敏;王杰;乔良;;基于改进PSO-BP的拉延筋参数反求优化[J];锻压技术;2014年04期

8 王巍;刘春;李东升;;2024铝合金筒形件拉深成形试验与有限元仿真[J];锻压技术;2014年11期

9 田银;谢延敏;孙新强;何育军;;基于鱼群RBF神经网络和改进蚁群算法的拉深成形工艺参数优化[J];锻压技术;2014年12期

10 纪良波;周天瑞;钟雪华;;基于神经网络和遗传算法的熔融沉积成型多目标优化[J];热加工工艺;2010年09期

相关博士学位论文 前3条

1 刘效武;基于多源融合的网络安全态势量化感知与评估[D];哈尔滨工程大学;2009年

2 张桂昌;基于热机耦合的柴油机活塞系统敲击噪声与润滑研究及优化设计[D];天津大学;2012年

3 石磊;基于ANN的颈脊髓损伤和股骨转子间骨折预后预测研究[D];大连海事大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 赵亦希;于忠奇;;汽车用铝合金板拉伸性能与成形能力的相关性[J];材料科学与工艺;2007年01期

2 Kiyoung KIM,Kyongwhoan LEE;Effect of Process Parameters on Porosity in Aluminum Lost Foam Process[J];Journal of Materials Science & Technology;2005年05期

3 潘江峰;钟约先;袁朝龙;;基于遗传算法和神经网络技术的板料拉深成形参数优化[J];锻压技术;2006年06期

4 吴华英;王永信;肖春辉;王伊卿;郭成;;轿车门内板成形工艺参数敏感性分析[J];锻压技术;2012年02期

5 杨维,李歧强;粒子群优化算法综述[J];中国工程科学;2004年05期

6 马鸣图;游江海;路洪洲;王志文;;铝合金汽车板性能及其应用[J];中国工程科学;2010年09期

7 郭惠勇,张陵,周进雄;基于改进加权D-S信息融合的结构多损伤位置识别[J];工程力学;2005年01期

8 张冬娟;崔振山;李玉强;阮雪榆;;宽板大曲率半径纯弯曲回弹量理论分析[J];工程力学;2006年10期

9 潘江峰;钟约先;袁朝龙;;板料拉深成形工艺参数的多目标遗传算法优化[J];清华大学学报(自然科学版);2007年08期

10 唐炳涛;鹿晓阳;王兆清;张郁;;无约束圆柱弯曲成形卸载回弹的数值模拟[J];山东建筑大学学报;2007年04期

【相似文献】

相关期刊论文 前10条

1 李晓利;张峰光;范家文;;基于小波神经网络的化工安全评估[J];太原理工大学学报;2007年02期

2 张加云;张德江;冷波;;基于小波神经网络模型的冶金企业能耗预测[J];铁合金;2010年03期

3 张梅;刘广璞;;小波神经网络在故障诊断中的应用研究[J];煤矿机械;2013年08期

4 王雪松;;小波神经网络在煤矿传感设备故障处理中的应用[J];煤炭技术;2013年12期

5 李娜,袁宗明,曹鉴华,李德郁,伍顺伟;基于小波神经网络的地面集输管道结垢预测研究[J];石油工程建设;2004年05期

6 王玉田;李艳春;林洪彬;;小波神经网络在农药荧光光谱识别中的应用[J];传感技术学报;2006年04期

7 马致远;龚灏;黄晓春;;基于小波神经网络的中国煤炭消耗预测[J];能源技术与管理;2006年05期

8 蒋恩松;李孟超;孙刘杰;;基于小波神经网络的晶体光损伤诊断[J];陕西科技大学学报;2006年05期

9 赵鹏程;朱焕勤;孟凡芹;秦勇;;基于小波神经网络的油泵故障诊断[J];西南石油大学学报(自然科学版);2008年04期

10 谌炎辉;胡义华;;小波神经网络在流体压力信号中的消噪研究[J];煤矿机械;2010年07期

相关会议论文 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

相关博士学位论文 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 谭杰;基于小波神经网络的模拟电路故障诊断研究[D];湖南大学;2008年

2 李进如;基于改进小波神经网络的故障识别方法研究[D];华北电力大学（北京）;2008年

3 王鹏;小波神经网络及其在环境系统建模中的应用[D];哈尔滨工业大学;2007年

4 杨崴崴;小波神经网络在汽轮发电机组故障预测中的应用[D];浙江大学;2008年

5 吴筝;基于小波神经网络的混合气体测试系统研究[D];华中科技大学;2007年

6 李逊;基于小波神经网络的系统边际电价预测[D];华中科技大学;2007年

7 黄晓莉;基于小波神经网络的人脸识别[D];四川理工学院;2007年

8 黄媛;改进的小波神经网络在旋转机械故障诊断中的应用研究[D];武汉理工大学;2009年

9 郑令;基于小波神经网络的机械故障诊断方法的研究[D];大连交通大学;2009年

10 孙丽娟;基于遗传算法的小波神经网络短时交通流预测[D];山东科技大学;2009年

，

本文编号：2378115