為了研究核燃料組件格架的條帶剛凸特征的回彈量與壓邊力、沖壓速度、凸凹模間隙、摩擦系數(shù)等沖壓工藝參數(shù)之間的關(guān)系,首先,獲取包含50個(gè)GA拉丁超立方抽樣的數(shù)據(jù)點(diǎn)以及10個(gè)隨機(jī)抽樣的數(shù)據(jù)點(diǎn)的數(shù)據(jù)集,前者作為訓(xùn)練集、后者作為測試集。將前者輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,后者驗(yàn)證訓(xùn)練模型的精度。最后,通過響應(yīng)面圖研究各因素之間的交互作用以及各因素的敏感程度。結(jié)果表明:BP神經(jīng)網(wǎng)絡(luò)能夠有效預(yù)測剛凸回彈量與沖壓工藝參數(shù)之間的關(guān)系,相對于其他因素,壓邊力對回彈量的影響特別明顯,沖壓速度對回彈量的影響不明顯,但與凸凹模間隙和摩擦系數(shù)有明顯的交互作用。 

【文章來源】：鍛壓技術(shù). 2020,45(03)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

剛凸沖壓仿真幾何模型

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層和輸出層，如圖2所示。輸入層和輸出層由數(shù)據(jù)模型確定，比如本文模型為4輸入、單一輸出。隨著隱含層數(shù)及隱含層神經(jīng)元數(shù)量的增加，神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的精度會越來越好，但是，過好的逼近訓(xùn)練數(shù)據(jù)會導(dǎo)致模型過擬合，使模型泛化能力變差，過少的隱含層神經(jīng)元個(gè)數(shù)會導(dǎo)致模型訓(xùn)練不足，所以，合適的隱含層數(shù)及隱含層神經(jīng)元數(shù)量對BP神經(jīng)網(wǎng)絡(luò)建模非常重要。如圖2所示的網(wǎng)絡(luò)是一種全連接神經(jīng)網(wǎng)絡(luò)，當(dāng)輸入層神經(jīng)元個(gè)數(shù)為h、隱含層神經(jīng)元個(gè)數(shù)為l時(shí)，這兩層之間就有hl個(gè)權(quán)值和h個(gè)閾值，BP神經(jīng)網(wǎng)絡(luò)通過這些層與層之間的權(quán)重和閾值來反映輸出和輸入的映射關(guān)系。算法的具體步驟如下。Step 1:數(shù)據(jù)歸一化。數(shù)據(jù)歸一化可以避免量綱變化帶來的影響，本文將所有數(shù)據(jù)集中在區(qū)間[-1,1]之間，具體計(jì)算公式如下:

隱含層神經(jīng)單元數(shù)量試驗(yàn)設(shè)計(jì)，表4的參數(shù)設(shè)置不變，僅改變隱含層神經(jīng)單元數(shù)量，設(shè)計(jì)控制變量試驗(yàn)，并對比各試驗(yàn)的訓(xùn)練集相關(guān)系數(shù)R2和測試集誤差Error，由于神經(jīng)網(wǎng)絡(luò)有一定的偶然性，所以，每組試驗(yàn)需進(jìn)行10次，取測試集誤差最小作為本組試驗(yàn)的結(jié)果，最后得到結(jié)果如圖3所示。從圖3中可以看到，隨著隱含層神經(jīng)單元數(shù)從2增加到5,R2值不斷增加，誤差不斷減小，可以明顯看到，當(dāng)隱含層神經(jīng)單元數(shù)量過少時(shí)網(wǎng)絡(luò)存在訓(xùn)練不足的現(xiàn)象。當(dāng)隱含層神經(jīng)單元數(shù)從5增加到6時(shí)，R2值驟增，而且誤差也有很大地增加，神經(jīng)單元數(shù)量繼續(xù)增加時(shí)存在一樣的現(xiàn)象，說明此模型隱含層神經(jīng)單元數(shù)量超過5時(shí)會出現(xiàn)明顯的過擬合現(xiàn)象。綜上所述，本文模型應(yīng)采用單隱含層5個(gè)神經(jīng)單元的神經(jīng)網(wǎng)絡(luò)。2.3 預(yù)測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]新開軌道交通城市的客流預(yù)測與方法分析[J]. 王茁.  上海工程技術(shù)大學(xué)學(xué)報(bào). 2018(04)
[2]基于蜂群算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測[J]. 何廷一,田鑫萃,李勝男,吳水軍,陳勇,束洪春,馬聰.  電力科學(xué)與技術(shù)學(xué)報(bào). 2018(04)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的曲軸潤滑特性全局優(yōu)化[J]. 王振,白楊,郝長利,杜建秋,劉為,劉麗娜,李騰.  小型內(nèi)燃機(jī)與車輛技術(shù). 2018(04)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的單點(diǎn)漸進(jìn)成形回彈預(yù)測[J]. 文懷興,張斌,楊新妮,孫姝彤.  熱加工工藝. 2018(15)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的連桿襯套強(qiáng)力旋壓回彈量預(yù)測[J]. 張濤,樊文欣,朱芹,桑滿仙,嚴(yán)鵬飛.  特種鑄造及有色合金. 2017(04)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的彎管機(jī)回彈量預(yù)測[J]. 田娥,孫建東,劉自萍,李立新.  現(xiàn)代制造工程. 2016(03)

碩士論文
[1]基于有限元分析的特種條帶沖壓模具數(shù)字化設(shè)計(jì)研究[D]. 何平.湖南大學(xué) 2018
[2]鋯合金薄板成形極限線的理論預(yù)測與數(shù)值模擬[D]. 潘金勇.湖南大學(xué) 2018
[3]基于Dynaform軟件的高強(qiáng)鋼矩形管繞彎成形模擬研究[D]. 汪倩.蘭州交通大學(xué) 2018
[4]典型汽車用板變形滯后回彈的試驗(yàn)研究及有限元分析[D]. 付澤.北京理工大學(xué) 2016
[5]基于灰色理論和神經(jīng)網(wǎng)絡(luò)的彎曲回彈預(yù)測研究[D]. 王智.西南交通大學(xué) 2013



本文編號：3548295