基于遗传算法的6063铝合金矩形管材挤压模具的结构优化

发布时间：2021-01-26 20:21

　　铝合金矩形管材是最常见的铝材制品,大量应用于建筑领域。铝合金矩形管材挤压模具一般采用十字交叉分流桥结构,其十字桥的宽度比值对矩形管材流速影响很大。以分流桥主桥宽度以及辅/主桥宽度的比值作为优化变量,以材料在模孔出口处的流速均方差作为优化目标,通过正交试验和模拟仿真获得训练样本,应用BP人工神经网络建立起优化变量与优化目标之间的映射关系,再结合遗传算法优化模具十字桥结构。将模拟和工厂实际生产结果对优化结果进行验证表明,该方法可以优化型材流速,对矩形管材挤压模具结构优化具有指导意义。 

【文章来源】：轻合金加工技术. 2020,48(09)北大核心

【文章页数】：5 页

【部分图文】：

铝合金薄壁矩形管

图1 铝合金薄壁矩形管根据模具结构设计的要求，主桥桥宽应在25.3mm～45.3 mm之间，且辅桥宽度不宜过小，为避免产生较大应力，影响模具寿命，辅桥与主桥宽度的比值应在0.4～1之间。因此选择主桥桥宽28 mm、32mm、36 mm、40 mm，辅桥宽度与主桥宽度的比值为0.4、0.6、0.8、1.0，根据二因素四水平正交表确定样本试验方案，应用Hyper Xtrude软件对16组试验方案进行稳态挤压数值模拟。其中边界条件设置如下:挤压速度12 m/min，挤压温度470℃，材料和模具之间选择塑性剪切摩擦模型，摩擦因数设为0.3。根据模拟结果计算材料在模孔出口处的流速均方差，结果如表1所示。在前文确定的合理范围内随机设计三组预测方案(29.3,0.92)、(33.4,0.79)、(37.7,0.46)，再次通过模拟获得这三组方案所对应的SDV值，如表2所示。

用测试样本检测神经网络预测的准确性，将表2的测试样本代入训练好的神经网络中预测输出并与模拟值进行比较，经计算，三组预测相对误差都在±5%以内，基本满足预测需求。因此可把通过训练得到的BP神经网络作为预测模型，进行下一步的遗传算法优化。2 遗传算法优化

【参考文献】：
期刊论文
[1]基于BP神经网络与遗传算法的温挤压模具优化设计[J]. 孙宪萍,杨兵,刘强强,王雷刚.  润滑与密封. 2017(04)
[2]基于ANSYS的空心铝合金型材挤压过程数值模拟及优化设计研究[J]. 徐卫红,葛玮,邹珺.  热加工工艺. 2015(07)
[3]方管铝型材梯温优化及等温挤压金属流变的数值模拟[J]. 徐永礼,王玉文,庞祖高,黄尚猛,杨志高.  锻压技术. 2014(11)
[4]基于Hyperxtrude的扁长方管挤压模具优化设计[J]. 龚刚,吴锡坤,黄珍媛,梁奕清,罗铭强.  轻合金加工技术. 2010(11)
[5]分流桥宽度对挤压成形的影响及模具应力分析[J]. 庞祖高,韦春萍,雷声远,韦健.  锻压技术. 2010(05)
[6]基于神经网络和遗传算法的拉深成形工艺优化[J]. 纪良波,周天瑞.  机床与液压. 2010(05)
[7]BP人工神经网络与遗传算法在型材挤压模具参数优化中的应用[J]. 林高用,陈兴科,蒋杰,王芳,彭大暑.  湘潭大学自然科学学报. 2006(02)
[8]基于BP遗传算法的铝型材挤压模具优化设计[J]. 刘汉武,张志萍,王秀海,顾迎新,崔建忠.  哈尔滨工业大学学报. 2000(04)

博士论文
[1]复杂铝合金型材挤压过程数值建模与模具优化设计方法研究[D]. 孙雪梅.山东大学 2014

硕士论文
[1]复杂铝型材挤压过程数值模拟及模具结构优化[D]. 邹立军.湖南工业大学 2016
[2]铝型材挤压过程数值模拟及挤压模具结构参数优化研究[D]. 何畅.湖南工业大学 2013



本文编号：3001757