基于神经网络的材料性能参数和摩擦系数的实时识别

在板材拉深成形智能化控制过程中 ,为了避免缺陷的产生 ,必须适时地改变控制工艺参数 ,而最佳控制参数要根据材料的性能参数和摩擦系数来预测。根据拉深成形过程的特点及生产过程中自动化程度的要求 ,建立了材料性能参数和摩擦系数识别的人工神经网络模型。利用神经网络这种新一代信息处理工具实现了材料性能参数和摩擦系数的实时识别 ,为实现板材拉深成形过程的智能化控制奠定了基础     

板材拉深成形智能化控制过程中摩擦系数的识别

提出在板材拉深成形过程中确定摩擦系数的一种新方法。在阐述解析法描述摩擦系数的基础上,利用人工神经网络来实现对摩擦系数的识别,以便根据摩擦系数的波动,随时调整控制参数,以最佳的工艺参数来完成板材拉深成形的智能化控制过程。     

轴对称件智能拉深系统中的神经网络参数识别

建立了轴对称拉深件的材料性能参数和摩擦系数实时识别前馈神经网络，采用LM算法优化网络，将参数识别精度提高到一个新水平，为智能化拉深成形的。实时预测和实时控制这两个基本要素提供了前提保证，为实现整个拉深成形过程的智能化控制奠定基础。     

帽形件智能化弯曲参数实时识别及实时预测的研究

在板材成形智能化控制过程中,材料参数实时识别和最优工艺参数的实时预测是最重要的两个要素,实时识别时间的长短与实时预测精度的高低,直接影响到板材成形智能化控制的成败。文章利用神经网络技术实现了帽形件弯曲成形智能化控制过程中材料参数识别与最优工艺参数的预测,其材料参数及工艺参数均在数值模拟和试验提供的数据范围内,识别和预测模型的收敛精度均达到了0.1%,识别和泛化精度较高,满足帽形件弯曲智能化控制的要求。     

金属板材成形智能化控制技术研究及展望

对板材成形智能化控制技术进行了综述,介绍了智能化控制系统的4个基本要素,重点介绍了以板材V形弯曲智能化控制技术、板材拉深智能化控制技术为代表的板材成形过程中智能化控制原理,弯曲和拉深的实验证明该项技术实验效果良好,同时对该技术的进一步应用做出了展望,指出多学科研究成果的不断涌现加快了板材智能化成形工业应用进程。     

板材冲压成形的智能化控制技术

板材冲压成形智能化是一项涉及控制科学、计算机科学和板材塑性成形理论等领域的综合性新技术。该技术的研究已有十几年的历史, 但主要是集中在V 型弯曲的回弹控制方面。直至90 年代初, 才开始对筒形件拉深的智能化控制进行探索性研究。该技术的研究带动了数据库、神经网络及模糊控制等技术在板材成形领域中的应用, 并提出了一系列新的研究课题     

板材冲压成形摩擦系数实时测量系统设计研究

为了准确的反映板材成形过程中摩擦系数的真实情况,构建板材冲压成形摩擦系数实时测量系统,通过改变凸模圆角半径、凸模拱高和模面曲率半径、拉深筋圆角半径等几何参数,利用有限元软件计算不同模具模面下板材冲压及胀形过程中材料流动的变化情况,得到了材料流动量随各种参数变化的规律曲线,并以此优化设计了板材拉深及胀形模具模面,确定了组合式特征传感器的安装位置,为板材成形摩擦系数实时测量平台的建立提供了指导依据.     

盒形件拉深智能化控制关键技术研究

在圆锥形零件拉深成形智能化控制的研究基础上,分析了盒形件拉深智能化控制需要解决的技术关键。采用LabVIEW虚拟仪器技术,可以令人满意地实现拉深过程中信号的监测与控制。采用神经网络技术,可实现材料性能参数的实时识别,利用LM(LevenbergMarquarat)优化算法达到了2‰的网络误差。最佳工艺参数的预测模型尚待深入研究,该文提出3种参考方案,即理论成形三极限预测模型、神经网络/模糊推论预测模型以及自适应反馈控制模型。     

利用神经网络技术对板料成形摩擦系数进行预测

针对板料拉深成形过程中摩擦系数较难确定的客观情况,结合人工神经网络所表现出来的良好特性,提出了一种将神经网络技术、数值模拟技术相结合,通过建立摩擦系数与板料成形厚度的非线性映射关系来反求摩擦系数的方法。实践证明,该方法是可行的。     

轴对称曲面件拉深智能化控制技术研究

板材冲压智能化是一项涉及控制科学、计算机科学和板材塑性成形理论等领域的综合性新技术。该技术的研究已有 10几年的历史 ,但主要是集中在V型弯曲的回弹控制方面 ,直到 90年代初才开始对筒形件拉深的智能化控制进行探索性研究。本文研究建立了轴对称壳体零件拉深过程智能化控制系统 ,并以锥形件为例 ,分析了轴对称曲面零件拉深过程中的共同特点 ,建立了完整的力学模型 ,实现了轴对称曲面件拉深的智能化控制     

人工神经网络技术及其在板料成形智能化中的应用

本文在概述人工神经网络特性、BP网络模型及BP算法的基础上 ,对BP算法改进、训练样本及网络结构等相关技术进行了总结。重点综述了人工神经网络技术在板料成形专家系统、成形力预测、参数识别、智能控制、故障诊断、缺陷分析、板料成形性能研究和模具优化设计等板料成形智能化相关技术中的应用 ,探讨了应用中存在的问题 ,并展望其发展趋势     

基于BP人工神经网络的油箱端盖拉深成形仿真预测

以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。