空心双拐曲轴内高压成形加载路径优化的研究

内高压成形技术是一种利用液体作为传力介质，通过控制内压力和轴向推力来达到成形空心零件目的的先进制造技术，在航空、航天、汽车等轻量化领域获得了广泛的应用。管材的内高压成形过程十分复杂，成形结果与诸多因素有关，其中内压力及轴向进给的加载路径及其匹配关系对成形结果影响尤为显著，如何找出诸多影响因素对内高压成形的影响规律并进行合理的优化是内高压成形面临的重要问题。首先利用均匀设计法设计BP神经网络训练样本与检测样本。其次,分析BP神经网络和遗传算法，并进行融合，基于MATLAB语言编写BP神经网络的算法程序及遗传算法程序，对空心双拐曲轴内高压成形加载路径工艺参数进行了优化，得到其最优成形参数。并通过DynaForm软件仿真验证了结果的准确性，从而完成对管材内高压成形加载路径的参数优化，进一步提高了管材内高压成形的成形质量。     

整体式外圈自润滑关节轴承单边模压成形工艺模拟与优化

自润滑关节轴承是航空设备的关键部件之一,当前航空用精密级产品主要依赖进口,其技术瓶颈为内外圈成形装配工艺。该文基于非接触定向模压工艺原理,提出了整体式外圈自润滑关节轴承单边模压成形工艺;利用数值模拟技术对模压成形工艺设计与分析;利用最优拉丁超立方抽样法对设计空间抽样,再采用多目标遗传算法,对模压成形的设计参数和工艺参数进行工艺优化计算。结果表明,应用数值模拟与优化计算进行工艺设计,可以获得自润滑关节轴承单边模压成形工艺的设计参数与工艺条件,从而满足自润滑关节轴承制造的质量要求,游隙均匀、接触压力分布均匀、衬垫无损伤。     

基于智能优化的汽车内板件回弹控制

针对汽车内板件冲压回弹缺陷,基于eta/DYNAFORM软件对不同工艺参数下汽车内板件的拉深成形过程进行数值模拟,采用正交实验设计方法分析压边力和多处拉深阻力等工艺参数对成形回弹量的影响;基于人工神经网络技术,建立板料拉深成形各工艺参数和成形回弹量之间的网络关系;并基于遗传算法对各工艺参数进行优化设计。实验表明,数值模拟、神经网络模型和遗传算法优化可靠,从而为实际生产提供了理论依据。     

遗传算法结合神经网络实现拉延筋优化设计

传统的冲压模具设计中,拉延筋设计和布置主要依靠经验,这使得模具设计和制造周期延长.以某汽车侧壁外板的拉深工序为例,讨论了神经网络技术与遗传算法在拉延筋优化设计中的综合应用问题.建立了反映板料成形参数与拉延筋阻力之间非线性映射关系的BP网络模型.利用该训练好的神经网络可以实现拉延筋的优化设计.由于相对于进行工艺试验来说数值仿真比较省时省力,因此,利用Dynaform模拟汽车侧壁外板的拉深成形过程,建立训练样本.在网络的训练方法上利用遗传算法进行了优化,有效地提高了神经网络的模拟精度.     

方锥件渐进成形工艺优化

针对渐进成形中板料严重减薄、易开裂和尺寸精度差及成形效率低等问题,采用BP神经网络建立了优化目标和工艺参数之间的非线性映射关系。然后利用多目标遗传算法(NSGA-II)实现方锥件渐进成形工艺参数的优化。结果表明,采用BP神经网络与多目标遗传算法能很好地优化渐进成形工艺参数,提高零件成形质量。     

基于人工智能的覆盖件冲压数值分析及工艺参数优化

将有限元数值模拟技术与人工神经网络及遗传算法等人工智能技术相结合,对典型覆盖件汽车油底壳零件的冲压成形过程进行了有限元数值分析,随后以压边力、拉延筋参数等主要工艺参数作为优化参数,以板坯无缺陷为优化目标,建立了优化参数与目标函数之间的BP神经网络模型,与遗传算法相结合,实现了冲压成形工艺参数的优化,为金属板料成形工艺参数的优化设计提供了一条先进合理的途径,具有一定的推广意义和应用价值。     

基于响应面法的柱形壳内高压胀形工艺优化

针对柱形壳在制造过程中的厚度均匀性和成形性能差等问题，提出采用橡胶内高压胀形工艺进行柱形壳的成形，并通过优化肩部传力区域的工艺参数来提高柱形壳的成形性能。基于响应面法中的Box-Behnken Design进行试验方案的设计，建立并优化了以模具结构中肩部传力区域的内圆角半径、外圆角半径、斜边角度和摩擦因数为设计变量，以最大减薄率为响应值的响应面模型，并通过对响应面模型进行方差分析和相关性分析，确定了柱形壳内高压胀形的最佳工艺参数组合为：内圆角半径为9.89 mm,外圆角半径为1 mm,斜边角度为10.13°,摩擦因数为0.104。采用最佳的工艺参数进行柱形壳内高压胀形模拟分析和试验，验证了响应面模型优化的可靠性和模拟分析的准确性。     

H62三角形截面空心件内高压成形的实验研究

内高压成形是一种以液体为传压介质,利用内高压使管坯变形成为具有三维形状零件的现代塑性加工技术.本文进行了H62合金管三角形截面空心件的系列内高压实验研究,分析比较了内压力和轴向进给量这两个重要参数对三角形截面空心件成形的影响,得到实验中优化的内压力与轴向进给量的匹配关系,以及壁厚越小成形越充分的结论.为以后类似实验中如何成形合格的零件及防止缺陷的产生,可以提供借鉴和参考.     

基于神经网络和遗传算法的冲压成形多目标优化技术

在冲压成形质量控制中,目标质量间常常是相互冲突的(如破裂和起皱)。传统求解多目标优化问题取决于设计人员对优化模型的理解程度、实践经验等,求解的结果在工程中并非为最合理。文章提出一种集数字化分析技术、神经网络和遗传算法于一体的冲压成形多目标优化设计技术。其以数字化分析的大量结果作为神经网络的学习样本,遗传算法所需的目标函数值由神经网络模型预测,该技术实现了多目标优化过程中遗传算法个体适应度值的动态求解,从而解决了数字化分析计算量大的缺陷。实例验证了该优化技术的有效性,为冲压成形优化设计提供了一种新的方法。     

基于遗传算法和神经网络技术的板料拉深成形参数优化

结合数值模拟和人工神经网络技术．建立了板料拉深成形的加工参数（压边力和冲压速度）与其成形质量之间的映射关系，既保证了精度，又减少了数值模拟次数。在神经网络建模的基础上，利用遗传算法对板料拉深成形的加工参数进行了优化，通过实例可以看出，该方法具有较好的优化结果。     

基于人工智能的钛合金热变形工艺参数优化

在深入分析热变形工艺参数对Ti-15-3合金显微组织及成形载荷的影响的基础上,以变形温度、变形程度和变形速率等热变形工艺参数作为设计变量,以显微组织和成形力的最佳综合为目标,建立了该合金热塑性成形工艺参数的多目标优化数学模型。以显微组织参数和成形力的人工神经网络预测模型作为优化算法的知识源,将人工神经网络与修正的遗传算法相结合,对Ti-15-3合金的热塑性成形工艺参数进行优化。结果表明,提出的修正的遗传算法是有效的,采用将其与人工神经网络相结合的方法对钛合金的热塑性成形工艺参数进行优化是可行的。     

交互式挤压模具智能优化设计系统研究

在高效无敏度智能优化算法及挤压成型过程数值模拟的基础上,结合刚—黏塑性有限元模拟、神经网络、遗传算法,提出一种交互式挤压模具智能优化设计方法。并利用面向对象编程技术C++语言,在VC++6.0程序开发器上开发出了界面友好、自动化程度高、模块通用性好的交互式挤压模具优化设计系统,实现了挤压过程中模具设计多种目标的优化控制,并详细阐述了系统的结构功能、关键技术及应用实例。由于数值模拟、人工神经网络和遗传算法属于非耦合算法,通用性较强,该系统适用于金属塑性成形各种领域的优化设计。     

基于BP神经网络的压铸成型工艺参数的模拟与优化

利用数值模拟、BP神经网络和正交试验相结合的方法对压铸成型的工艺参数进行模拟和优化。并且通过一个简单的实例对该方法的可行性进行了验证。基于BP神经网络对压铸工艺参数及其相对应的铸件最低温度点样本进行训练,得到了工艺参数到铸件温度映射关系的神经网络模型,并验证该模型的准确性。结果表明,神经网络结合正交实验设计方法的优化算法,可以确定出最优的工艺参数组合,缩短了优化工艺参数的时间。     

基于CFD仿真与BP神经网络的离心泵叶轮优化设计

为提高离心泵叶轮的效率,提出了神经网络与遗传算法相结合的设计方法。通过均匀试验设计与CFD仿真获得样本数据点集,进而运用BP神经网络技术建立离心泵的效率与影响因素之间的代理模型。最后,利用遗传算法求取该优化模型,即可得到所求问题的最优解。将这一方法用于某离心泵叶轮的优化,结果表明该方法可以获得很好的效果。     

基于GA-BP混合算法的液固挤压工艺组合参数逆向设计

为改善液固挤压复合材料成形过程中金属的流动均匀性,减少制件的内部损伤缺陷,基于人工神经网络及遗传算法,采用改进的混合GA-BP算法建立了设计参数与控制目标的非线性映射关系。通过对样本集的学习,初步建立了液固挤压工艺组合参数知识库,将网络预测值与实验值进行对比,其最大相对误差不超过0.79%,说明采用GA-BP混合算法建立的预测模型具有较高的预测精度。利用所建立的预测模型,分析了模具参数和工艺参数组合对制件变形均匀性的耦合作用,为液固挤压工艺的综合设计与优化提供了理论依据。     

基于BP神经网络与遗传算法的固结磨具制作工艺参数优化

目的 利用BP神经网络技术与遗传算法寻找固结磨具制作最优工艺参数组合,实现固结磨具制作工艺参数的快速寻优.方法 设计磨粒粒径、磨粒质量分数、成型压力、烧结温度的正交工艺参数表,按正交表工艺参数制作蓝宝石晶片加工用的Cr2O3固结磨具,并且设计不同固化温度下制作的固结磨具的硬度与抗压强度测试试验,验证自制的固结磨具加工的...     

Optimization of press bend forming path of aircraft integral panel

In order to design the press bend forming path of aircraft integral panels,a novel optimization method was proposed, which integrates FEM equivalent model based on previous study,the artificial neural network response surface,and the genetic algorithm.First,a multi-step press bend forming FEM equivalent model was established,with which the FEM experiments designed with Taguchi method were performed.Then,the BP neural network response surface was developed with the sample data from the FEM experiments.Furthe...     

基于BP_GA算法的铸造有效应力预测与优化

为控制铸件凝固过程中的有效应力大小,避免热裂发生,利用有限元分析软件ProCAST对ZL205A铝合金牵引结构件低压铸造过程进行温度场模拟与有效应力预测,选择浇注温度、模具预热温度、传热系数和模具壁厚等影响铸造应力的因素作为设计参数。结合有效应力预测结果,构建4-7-1-1型神经网络和遗传算法以优化铸造工艺。结果表明,神经网络预测平均相对误差为1.45%,预测精度较高。通过遗传寻优方法,发现了最佳工艺参数组合:浇注温度为688℃,模具预热温度为291℃,模具壁厚为150mm,传热系数为1 284W/(m^2·K),并进行试验验证,获得品质较好的铸件。     

遗传算法结合有限元模拟对液压胀形加载路径的优化

加载路径对液压胀形件的最终质量有着至关重要的影响。在优化加载路径的过程中,设计变量的取值区间对模拟时间的减少及最优解的收敛有重要的意义。文章根据塑性理论分析,给出了管形件液压胀形过程中弹性变形阶段、塑性变形阶段及贴模阶段的轴向喂入量及内压力的工程计算表达式。选取应力比为优化变量,依据屈服准则,得出了胀形过程中合理的变量区间。利用有限元软件包、优化算法及工程计算表达式,得到了液压胀形最优的加载路径。实验结果和有限元模拟结果一致性较好,该方法为轴对称件的加载路径优化提供了新的思路。