【摘要】：針對鋁合金復雜件沖壓后出現的較大回彈缺陷,同時為減少沖壓成形工藝參數的優(yōu)化時間,使用有限元仿真軟件DYNAFORM對沖壓成形及回彈過程進行數值模擬,在確保數值模擬與試驗結果基本一致的基礎上,利用代理模型對回彈進行了優(yōu)化研究。以NUMISHEET'96 S梁為研究對象,凸模圓角半徑、凹模圓角半徑、壓邊力、板料厚度作為影響因素,成形后最大回彈值作為成形目標,運用拉丁超立方抽樣,通過數值仿真獲得樣本數據,建立影響因素與成形目標之間的小波神經網絡代理模型,利用粒子群算法對該模型迭代尋優(yōu)獲得最優(yōu)工藝參數。結果表明:小波神經網絡能較好地描述板料工藝參數與回彈之間的映射關系,優(yōu)化后成形件的回彈量大大減小。
[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.
【作者單位】： 西南交通大學機械工程學院先進設計與制造技術研究所;
【基金】：國家自然科學基金資助項目(51005193)
【分類號】：TG386

【參考文獻】

相關期刊論文 前4條

1 王波;王燦林;梁國強;;基于粒子群尋優(yōu)的D-S算法[J];傳感器與微系統(tǒng);2007年01期

2 蘇娟華;張文瓊;李麗春;;神經網絡與正交試驗法結合優(yōu)化板料成形工藝[J];鍛壓技術;2009年01期

3 王巍;李東升;李小強;;鋁合金板彎曲回彈試驗與有限元仿真[J];鍛壓技術;2013年03期

4 傅建;劉挺;彭必友;葉義根;趙婭;;基于計算機輔助實驗的鋁合金發(fā)動機罩外板成形工藝參數優(yōu)化[J];鍛壓技術;2014年02期

【共引文獻】

相關期刊論文 前10條

1 曹志勇;邱靖;曹志娟;楊毅;;基于改進型神經網絡的植物病蟲害預警模型的構建[J];安徽農業(yè)科學;2010年01期

2 師彪;李郁俠;于新花;閆旺;何常勝;孟欣;;基于改進粒子群-徑向基神經網絡模型的短期電力負荷預測[J];電網技術;2009年17期

3 孟彬;鮑官軍;吳海偉;楊慶華;;汽車轉向球鉸殼體預成形件的形狀優(yōu)化設計[J];鍛壓技術;2010年04期

4 劉維;吳建軍;彭永前;;基于響應面模型的多工步成形零件優(yōu)化設計[J];鍛壓技術;2011年01期

5 閆蓋;鄭燕萍;何鎮(zhèn)罡;吳軍;朱琪;;沖壓板料可成形性區(qū)域圖的研究與應用[J];鍛壓技術;2013年04期

6 謝延敏;王新寶;喬良;王杰;;一種等效拉延筋阻力模型及其應用[J];工程設計學報;2014年02期

7 王新寶;謝延敏;王杰;喬良;;基于改進PSO-BP的拉延筋參數反求優(yōu)化[J];鍛壓技術;2014年04期

8 王巍;劉春;李東升;;2024鋁合金筒形件拉深成形試驗與有限元仿真[J];鍛壓技術;2014年11期

9 田銀;謝延敏;孫新強;何育軍;;基于魚群RBF神經網絡和改進蟻群算法的拉深成形工藝參數優(yōu)化[J];鍛壓技術;2014年12期

10 紀良波;周天瑞;鐘雪華;;基于神經網絡和遺傳算法的熔融沉積成型多目標優(yōu)化[J];熱加工工藝;2010年09期

相關博士學位論文 前3條

1 劉效武;基于多源融合的網絡安全態(tài)勢量化感知與評估[D];哈爾濱工程大學;2009年

2 張桂昌;基于熱機耦合的柴油機活塞系統(tǒng)敲擊噪聲與潤滑研究及優(yōu)化設計[D];天津大學;2012年

3 石磊;基于ANN的頸脊髓損傷和股骨轉子間骨折預后預測研究[D];大連海事大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 趙亦希;于忠奇;;汽車用鋁合金板拉伸性能與成形能力的相關性[J];材料科學與工藝;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;鐘約先;袁朝龍;;基于遺傳算法和神經網絡技術的板料拉深成形參數優(yōu)化[J];鍛壓技術;2006年06期

4 吳華英;王永信;肖春輝;王伊卿;郭成;;轎車門內板成形工藝參數敏感性分析[J];鍛壓技術;2012年02期

5 楊維,李歧強;粒子群優(yōu)化算法綜述[J];中國工程科學;2004年05期

6 馬鳴圖;游江海;路洪洲;王志文;;鋁合金汽車板性能及其應用[J];中國工程科學;2010年09期

7 郭惠勇,張陵,周進雄;基于改進加權D-S信息融合的結構多損傷位置識別[J];工程力學;2005年01期

8 張冬娟;崔振山;李玉強;阮雪榆;;寬板大曲率半徑純彎曲回彈量理論分析[J];工程力學;2006年10期

9 潘江峰;鐘約先;袁朝龍;;板料拉深成形工藝參數的多目標遺傳算法優(yōu)化[J];清華大學學報(自然科學版);2007年08期

10 唐炳濤;鹿曉陽;王兆清;張郁;;無約束圓柱彎曲成形卸載回彈的數值模擬[J];山東建筑大學學報;2007年04期

【相似文獻】

相關期刊論文 前10條

1 李曉利;張峰光;范家文;;基于小波神經網絡的化工安全評估[J];太原理工大學學報;2007年02期

2 張加云;張德江;冷波;;基于小波神經網絡模型的冶金企業(yè)能耗預測[J];鐵合金;2010年03期

3 張梅;劉廣璞;;小波神經網絡在故障診斷中的應用研究[J];煤礦機械;2013年08期

4 王雪松;;小波神經網絡在煤礦傳感設備故障處理中的應用[J];煤炭技術;2013年12期

5 李娜,袁宗明,曹鑒華,李德郁,伍順偉;基于小波神經網絡的地面集輸管道結垢預測研究[J];石油工程建設;2004年05期

6 王玉田;李艷春;林洪彬;;小波神經網絡在農藥熒光光譜識別中的應用[J];傳感技術學報;2006年04期

7 馬致遠;龔灝;黃曉春;;基于小波神經網絡的中國煤炭消耗預測[J];能源技術與管理;2006年05期

8 蔣恩松;李孟超;孫劉杰;;基于小波神經網絡的晶體光損傷診斷[J];陜西科技大學學報;2006年05期

9 趙鵬程;朱煥勤;孟凡芹;秦勇;;基于小波神經網絡的油泵故障診斷[J];西南石油大學學報(自然科學版);2008年04期

10 諶炎輝;胡義華;;小波神經網絡在流體壓力信號中的消噪研究[J];煤礦機械;2010年07期

相關會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經網絡的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經網絡模型在電力故障信號識別中的應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經網絡的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經濟下高技術制造產業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經網絡結合多項式的混合預測方法在通信規(guī)劃中的應用[A];2011全國無線及移動通信學術大會論文集[C];2011年

5 謝建宏;張為公;;復合材料疲勞剩余壽命預測的動態(tài)小波神經網絡方法[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經網絡的水質預測應用研究[A];2006中國控制與決策學術年會論文集[C];2006年

7 孫正貴;;小波神經網絡的高效學習算法及應用研究[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經網絡的軋機特性回歸[A];2007中國控制與決策學術年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經網絡[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經網絡的模擬調制信號自動識別[A];2007通信理論與技術新發(fā)展——第十二屆全國青年通信學術會議論文集（下冊）[C];2007年

相關博士學位論文 前10條

1 侯霞;小波神經網絡若干關鍵問題研究[D];南京航空航天大學;2006年

2 章文俊;小波神經網絡算法及其船舶運動控制應用研究[D];大連海事大學;2014年

3 高協(xié)平;小波參數化與小波神經網絡研究[D];湖南大學;2003年

4 宋清昆;自適應結構優(yōu)化神經網絡控制研究[D];哈爾濱理工大學;2009年

5 李永紅;廣義小波神經網絡實現雷達相關濾波的研究[D];大連海事大學;2000年

6 銀俊成;量子信道與量子小波神經網絡相關問題研究[D];陜西師范大學;2013年

7 李文軍;多小波和小波神經網絡構造及其在電弧故障診斷中的應用研究[D];吉林大學;2008年

8 劉守生;遺傳算法與小波神經網絡中若干問題的研究[D];南京航空航天大學;2005年

9 黃同成;基于小波神經網絡理論的VOCR與HOCR技術研究[D];上海大學;2008年

10 蔡振禹;基于粗集—小波神經網絡的煤炭企業(yè)管理研究[D];天津大學;2007年

相關碩士學位論文 前10條

1 譚杰;基于小波神經網絡的模擬電路故障診斷研究[D];湖南大學;2008年

2 李進如;基于改進小波神經網絡的故障識別方法研究[D];華北電力大學（北京）;2008年

3 王鵬;小波神經網絡及其在環(huán)境系統(tǒng)建模中的應用[D];哈爾濱工業(yè)大學;2007年

4 楊崴崴;小波神經網絡在汽輪發(fā)電機組故障預測中的應用[D];浙江大學;2008年

5 吳箏;基于小波神經網絡的混合氣體測試系統(tǒng)研究[D];華中科技大學;2007年

6 李遜;基于小波神經網絡的系統(tǒng)邊際電價預測[D];華中科技大學;2007年

7 黃曉莉;基于小波神經網絡的人臉識別[D];四川理工學院;2007年

8 黃媛;改進的小波神經網絡在旋轉機械故障診斷中的應用研究[D];武漢理工大學;2009年

9 鄭令;基于小波神經網絡的機械故障診斷方法的研究[D];大連交通大學;2009年

10 孫麗娟;基于遺傳算法的小波神經網絡短時交通流預測[D];山東科技大學;2009年

，

本文編號：2378115