基于人工智能的沖壓件復合參數數值優(yōu)化技術研究與應用.pdf

1、在機械制造中，沖壓成形已經成為一種十分重要的塑性加工方法，廣泛應用于汽車、航空航天、電器、造船、儀表等工業(yè)領域。隨著工業(yè)對沖壓件需求不斷的增長，板材成形技術在世界各國，特別是工業(yè)發(fā)達國家得到高度重視。影響沖壓件成形質量的因素有很多，而回彈缺陷是最重要的影響之一。回彈研究包含回彈預測和回彈控制兩個相互影響的方面，對回彈進行準確的預測有利于我們有效的控制回彈，而控制是預測的最終目標，因為控制回彈能直接促進沖壓質量的提高，促進沖壓技術的發(fā)展。

2、 由于計算機技術的迅速發(fā)展，其運算能力已經能滿足大規(guī)模的數值運算要求，使得以有限元為基礎的數值模擬沖壓仿真技術逐漸得到廣泛推廣和應用，而數值模擬也為沖壓技術的發(fā)展帶來新的革命。不僅如此，結合計算機的強大數值運算能力，以傳統(tǒng)的試驗方法為基礎，通過數學建模來模擬沖壓成形也變?yōu)楝F實，再結合數值優(yōu)化方法，使沖壓技術的優(yōu)化得到長足的進步。 本文就是在上述的技術背景上，提出了針對沖壓成形中最常見的問題之一：回彈缺陷，以回彈現象較為嚴

3、重的類U型件為研究對象，以正交試驗法為實驗數據基礎，以DYNAFORM數值沖壓仿真為手段，以材料性能、沖壓工藝、回彈角反映的關鍵型面尺寸這三種參數為試驗因素，以工程實際的經驗取值范圍為因素的水平，以沖壓成形回彈分析模型與設計模型的誤差量為試驗指標，完成正交試驗方案并得到相應的誤差數據。根據已完成的正交表導入回彈控制原型系統(tǒng)，作為對人工神經網絡訓練的原始數據和校驗數據。訓練所得的人工神經網絡作為遺傳算法的“Fit Function”并在因

4、素的水平范圍內進行全局的優(yōu)化，最后能得出最優(yōu)的參數取值。 本文的特色在于通過回彈角反映關鍵型面尺寸實現模具的參數化，并與材料性能、沖壓工藝同時作為試驗參數；另外把人工神經網絡和遺傳算法相結合，實現了沖壓過程的數學模型模擬和參數優(yōu)化；而且本文的工作還包括把正交試驗、沖壓仿真、回彈評價(包括由回彈角所反映出來的型面關鍵尺寸的計算與定位、成形結果與設計模型的位移誤差計算)、參數優(yōu)化(包括人工神經網絡的沖壓數學模型訓練和遺傳算法的全局