共查询到20条相似文献,搜索用时 187 毫秒
1.
为了提高车辆前纵梁封板的冲压件质量,提出了基于聚集度自适应粒子群算法的冲压工艺优化方法。介绍了前纵梁封板的三维模型、坯料设计结果和冲压成形原理。基于成形极限曲线,以减小冲压件的减薄率、增厚率、回弹量为目标,建立了多目标优化模型。使用复合中心实验法设计了5因素5水平的32组实验,基于Autoform软件获得了实验数据。使用BP神经网络拟合了输入输出间的回归关系,并验证了回归模型的精度。在粒子群算法基础上,依据粒子相似度和种群聚集度,将Levy飞行融入到粒子群算法中,提高粒子多样性和算法优化能力,从而并提出了聚集度自适应粒子群算法。将改进粒子群算法应用于多优化模型求解,改进粒子群算法收敛速度早于传统算法,且改进粒子群算法搜索的目标函数值比传统算法减小了3.71%,说明了改进算法的优越性。经验证,优化后的试制件外观合格,减薄率、增厚率及回弹量均满足质量要求,可以进行批量生产。 相似文献
2.
冲焊型液力变矩器性能与叶片形状密切相关,为提高叶片成形精度,减小回弹对性能的影响,以摩擦系数、模具间隙、冲压速度为试验因素,以叶片最大减薄率和最大回弹量为优化目标,基于优化拉丁超立方试验方法,通过Dynaform对涡轮叶片冲压过程及回弹变形进行模拟获得样本数据,研究不同工艺参数对叶片成形质量的影响,并得到关于优化目标的多项式回归响应面模型。结合多目标优化算法对冲压工艺进行优化求解,获得最优解集,选取最优冲压工艺参数组合。最后对所选优化工艺参数进行仿真验证,结果显示,优化后叶片成形质量良好,减薄率和回弹均得到优化。 相似文献
3.
4.
为避免汽车覆盖件冲压时出现起皱、开裂等成形缺陷,提出基于带精英策略的非排序遗传算法(NSGA-Ⅱ)对冲压成形工艺参数进行优化,实现对冲压成形质量的控制与预测。以某型汽车后背门内板作为研究对象,以压边力、摩擦系数、冲压速度和模具间隙作为试验因素,拉延变形时的最大增厚率和最大减薄率作为质量控制目标。应用拉丁超立方抽样方法并结合CAE分析技术建立试验样本,构建冲压工艺参数同成形质量控制目标之间的响应面模型,基于NSGA-Ⅱ算法在构建的响应面模型内计算获得了满足成形质量的一组最优工艺参数组合,同时给出了成形质量的预测值。实际冲压试模结果证明了文章所提方法的有效性,为汽车覆盖件的冲压成形质量控制与预测提供了一套可借鉴的方法。 相似文献
5.
6.
7.
8.
9.
针对汽车引擎盖外板拉延成形容易产生起皱、破裂、拉延不充分等缺陷的问题,对影响引擎盖外板成形质量的工艺参数进行了研究。运用单因素变量法,研究了压边力、凸凹模间隙、摩擦因数、拉延筋高度、冲压速度对引擎盖外板拉延成形的影响;提出了一种基于正交试验法和极差分析法,以最大减薄率为优化目标,获得了最优工艺参数组合,确定了各因素对引擎盖外板最大减薄率影响主次顺序的优化方法,并对试验结果进行了方差分析,得出了影响最大减薄率的显著因素;应用优化后的工艺参数进行了模拟仿真,获得了良好的拉延成形效果。研究结果表明:使用最优工艺参数组合进行试模,获得的引擎盖外板最大减薄率为19.585%,最大增厚率为1.047%,成形质量较好;应用基于正交试验法的数值模拟技术能够提高引擎盖外板成形质量,减少试模次数、缩短生产周期、降低生产成本。 相似文献
10.
11.
提出一种高效的薄板冲压成形变压边力多目标优化方法,该方法以减少冲压件的成形缺陷为优化目标,以变压边力曲线的特征参数为优化变量,采用自主开发的微型多目标遗传算法作为优化算法,并在优化过程中引入神经网络近似模型以减少数值模拟的次数,提高优化效率。通过NUMISHEET’93的U形弯曲标准模型和某车型前地板角支撑板冲压成形模型两个变压边力优化实例对该方法进行了验证。结果表明,该方法既能高效率地解决薄板冲压成形变压边力优化问题,又能仅通过一次计算就提供多组方案以满足对冲压件成形质量控制的不同需要。 相似文献
12.
介绍了轿车引擎盖零件冲压成形仿真的研究背景,详细论述了板料冲压成形数值模拟的理论和主要步骤.以典型轿车引擎覆盖件为研究对象,以三维成形分析软件Autoform为平台,研究了板科与凸模、凹模的摩擦、压边力、拉深筋等因素对成形性能的影响.通过Autoform的成形仿真预测板料成形过程中减薄、拉裂、起皱等缺陷,分析产生缺陷的原因,进而优化板料成形工艺参数. 相似文献
13.
充液拉深成形技术能实现大型贮箱箱底的整体成形,然而成形件的质量受到许多工艺参数的影响。针对大型贮箱整体箱底构件充液拉深成形的起皱和破裂缺陷,以预胀压力、液室压力、压边力、压边圈圆角半径等工艺参数为研究对象,建立多目标优化模型。对贮箱箱底成形过程进行模拟,在此基础上,使用拉丁超立方采样法获得样本数据。采用克里金插值法(Kriging)和径向基函数(Radial basis function, RBF)建立工艺参数和质量指标之间的代理模型。利用NSGA-III算法和粒子群算法(Particle swarm optimization, PSO)确定了贮箱箱底达到目标(壁厚减薄率最小、破裂趋势最小、法兰边起皱最小、起皱趋势最小)时的最优工艺参数。最后通过实验验证了方法的有效性和结果的准确性。 相似文献
14.
基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化* 总被引:2,自引:0,他引:2
针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明:采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。 相似文献
15.
《机械工程材料》2017,(10)
通过数值模拟研究了AZ31B镁合金在不同成形温度、压下量和进给速度下的单点渐进成形过程,建立了各参数与最大Mises应力和最大厚度减小率的响应面模型,并进行了以最大Mises应力和最大厚度减小率为约束的多目标优化。结果表明:随着成形温度的升高,板料温升逐渐减小,当成形温度超过200℃后,板料不同位置的温度变化不大;各参数按对最大Mises应力和最大厚度减小率的影响由大到小排序为成形温度、进给速度、压下量;多目标优化得到的最佳工艺参数为成形温度273℃、压下量0.51mm、进给速度1 340mm·min~(-1),在最佳工艺参数下模拟和实测成形件厚度的误差较小,证明了数值模型及响应面模型的准确性。 相似文献
16.
17.
18.
19.
20.
基于GS理论和神经网络遗传算法函数寻优法,利用非线性有限元分析软件Dynaform,对非标准方形盒成形过程参数寻优。借助正交试验法,初步获取不同组合下的减薄率数值;基于GS理论,对获取的数据进行分析,找出影响减薄率的两个主要因素即摩擦因素和冲压速度;利用拉丁超立方抽样对选出的两个主要因素进行抽样;基于神经网络遗传算法函数寻优模型,摩擦因数和冲压速度作为输入,最大减薄率作为输出,用输入输出数据训练BP神经网络。最后,用遗传算法寻优把训练后的BP神经网络预测结果作为个体适应度值,找到函数全局最优解和对应输入值。对比优化前后的数值模拟结果可知,优化后的冲压参数可以有效提高板料成形性能。 相似文献