基于近似模型的超声切割刀具优化技术研究

发布时间：2017-08-21 02:09

  本文关键词：基于近似模型的超声切割刀具优化技术研究

  更多相关文章： 超声切割 有限元参数化仿真 粒子群算法 支持向量回归 刀具结构优化

【摘要】：NOMEX蜂窝复合材料以其优异的物理性能,目前广泛的应用在航空航天领域。NOMEX蜂窝复合材料是一种典型的难加工高分子复合材料,传统铣削加工存在加工表面质量差,加工精度低,加工环境粉尘大等诸多问题。近年来超声波切割加工技术的引入,有效的解决了这些问题。目前国内对超声切割技术的研究还处在初级阶段,而有关超声切割刀具的研究更是极少。而超声切割刀具做为超声切割系统中的重要组成部分,其性能的提升对于超声切割系统的加工性能具有重要意义,为此本文将超声切割刀具结构优化技术作为研究对象,提出了基于粒子群算法与支持向量回归方法相结合的优化技术,并验证了该方法的可行性,为超声切割刀具结构参数的优化提供了一条切实可行的途径。本文的主要研究内容如下:(1)首先通过对超声加工刀具、结构响应近似模型、优化算法三个方面概述了国内外研究现状。发现传统刀具结构优化领域的主要技术手段实验法与有限元法,存在优化过程耗时过长的问题。本文针对这种问题,为降低优化过程的时间成本,以超声切割刀具为研究对象,提出了粒子群算法与支持向量回归相结合的优化技术。(2)基于超声加工技术原理,通过分析超声切割刀具性能的评价指标,确定了刀具最大应力、刀尖振幅、刀尖横向位移与刀具组件固有频率,作为结构响应近似模型的输出变量。(3)为了快速而方便的获取训练样本数据,在ABAQUS有限元软件平台上开发了超声切割刀具组件参数化建模仿真插件,实现了通过输入刀具结构参数即可自动完成前、后处理的功能。(4)针对超声切割刀具结构优化的具体问题,通过修改粒子群算法的寻优方式,加快了其收敛速度。(5)基于支持向量回归方法对样本训练样本学习,获取了结构响应近似模型。针对超声切割刀具结构优化问题,建立了优化目标函数。通过粒子群算法调用结构响应近似模型,得到了最优刀具结构参数,并将优化结果与有限元优化方法得到的结果对比,验证了粒子群算法与支持向量回归相结合的优化技术的可行性。
【关键词】：超声切割 有限元参数化仿真 粒子群算法 支持向量回归 刀具结构优化
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG71;TB33
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-17
• 1.1 论文选题背景及意义10-13
• 1.1.1 NOMEX蜂窝复合材料特点及应用10-11
• 1.1.2 NOMEX蜂窝复合材料的超声加工技术11-12
• 1.1.3 论文研究目的及意义12-13
• 1.2 国内外研究现状13-15
• 1.2.1 超声加工刀具研究现状13-14
• 1.2.2 近似模型的研究现状14
• 1.2.3 优化算法研究现状14-15
• 1.3 论文研究的主要研究内容15-17
• 第二章 有限元参数化仿真实现方法17-21
• 2.1 ABAQUS软件二次开发简介17
• 2.2 参数化仿真实现语言Python17-19
• 2.3 参数化方法在ABAQUS中的实现19-20
• 2.3.1 ABAQUS脚本接口19
• 2.3.2 二次开发软件集成方式确定19-20
• 2.4 本章小结20-21
• 第三章 超声切割刀具参数化建模与仿真21-28
• 3.1 超声切割刀具性能评价指标分析21-22
• 3.2 有限元参数化仿真插件前处理的开发22-25
• 3.3 有限元参数化仿真插件后处理的开发25-27
• 3.4 本章小结27-28
• 第四章 基于SVR-PSO的多目标优化方法基本原理28-37
• 4.1 粒子群算法与支持向量机结合方法概述28
• 4.2 粒子群算法基本原理28-32
• 4.2.1 粒子群算法的数学基础30-31
• 4.2.2 粒子群算法的实现方法31-32
• 4.3 支持向量回归基本原理32-36
• 4.3.1 统计学习理论基础32-33
• 4.3.2 支持向量回归理论基础33-36
• 4.3.3 支持向量回归的实现36
• 4.4 本章小结36-37
• 第五章 基于SVM-PSO的超声切割刀具结构优化37-46
• 5.1 基于SVM-PSO优化方案介绍37
• 5.2 训练样本收集37-39
• 5.2.1 训练样本选取38-39
• 5.2.2 样本数据预处理39
• 5.3 近似模型的模型建立39-42
• 5.3.1 支持向量回归模型的训练39-40
• 5.3.2 支持向量回归模型参数优化40
• 5.3.3 近似模型预测精度评估40-42
• 5.4 基于SVR-PSO的超声切削模型结构优化42-44
• 5.4.1 优化目标函数42-43
• 5.4.2 粒子群算法的改进与实现43-44
• 5.5 优化结果分析44-45
• 5.6 本章小结45-46
• 第六章 结论与展望46-48
• 6.1 论文总结46
• 6.2 研究展望46-48
• 致谢48-49
• 参考文献49-51
• 附录一51-54

【相似文献】

中国期刊全文数据库 前5条

1 韩鼎;郑建荣;;工程优化设计中的近似模型技术[J];华东理工大学学报(自然科学版);2012年06期

2 杨仁虎;曹俊兴;贺振华;;计算岩石波速空间平均的极限近似模型[J];地球物理学进展;2006年02期

3 林诚;间歇搅拌釜中非线性吸附过程的一个近似模型[J];福州大学学报(自然科学版);1995年03期

4 文桂林;崔中;彭克立;;基于近似模型的高速磨床零部件结构优化设计研究[J];中国机械工程;2009年08期

5 ;[J];;年期

中国重要会议论文全文数据库 前3条

1 邓道林;张雨;王忠校;裴咏红;;某乘用车地板结构的多目标优化分析[A];面向未来的汽车与交通——2013中国汽车工程学会年会论文集精选[C];2013年

2 赵子衡;韩旭;姜潮;;基于近似模型的非线性区间数优化方法及其应用[A];中国力学学会学术大会'2009论文摘要集[C];2009年

3 李方义;荣见华;;基于自适应近似模型技术的不确定多目标优化方法[A];中国力学大会——2013论文摘要集[C];2013年

中国博士学位论文全文数据库 前7条

1 李恩颖;近似模型优化体系关键技术研究及应用[D];湖南大学;2009年

2 潘锋;组合近似模型方法研究及其在轿车车身轻量化设计的应用[D];上海交通大学;2011年

3 张勇;基于近似模型的汽车轻量化优化设计方法[D];湖南大学;2009年

4 郑君;基于变可信度近似的设计优化关键技术研究[D];华中科技大学;2014年

5 汤龙;多参数非线性优化方法关键技术研究及应用[D];湖南大学;2013年

6 常海超;近似理论在船型优化中的应用研究[D];武汉理工大学;2014年

7 尹旭;缸盖热可靠性工程设计基础问题研究[D];浙江大学;2015年

中国硕士学位论文全文数据库 前10条

1 何洋;并联混合动力汽车发动机参数匹配与优化[D];西南交通大学;2015年

2 张辰;基于近似模型的亚轨道飞行器多学科设计优化研究[D];国防科学技术大学;2013年

3 高润鸿;基于网格变形的标准动车组底架结构优化[D];北京交通大学;2016年

4 王跃洲;基于力学近似模型的大展弦比机翼结构优化设计[D];哈尔滨工业大学;2016年

5 李伟;TSK-HDMR近似模型及其在悬架性能优化上的应用[D];湖南大学;2016年

6 程超;基于多种近似模型的校车悬架优化设计[D];湖南大学;2015年

7 陈龙;基于变复杂度近似模型的汽车安全性优化设计研究[D];湖南大学;2015年

8 孙杨;组合近似模型预测设计方法及应用研究[D];大连理工大学;2016年

9 董昕，

本文编号：710193