| 基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化 |
| |
| 引用本文： | 孙新强,谢延敏,田银,何育军.基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化[J].锻压技术,2015,40(1):137-142. |
| |
| 作者姓名： | 孙新强 谢延敏 田银 何育军 |
| |
| 作者单位： | 西南交通大学机械工程学院先进设计与制造技术研究所 |
| |
| 基金项目： | 国家自然科学基金资助项目(51005193) |
| |
| 摘 要： | 针对铝合金复杂件冲压后出现的较大回弹缺陷,同时为减少冲压成形工艺参数的优化时间,使用有限元仿真软件DYNAFORM对冲压成形及回弹过程进行数值模拟,在确保数值模拟与试验结果基本一致的基础上,利用代理模型对回弹进行了优化研究。以NUMISHEET'96 S梁为研究对象,凸模圆角半径、凹模圆角半径、压边力、板料厚度作为影响因素,成形后最大回弹值作为成形目标,运用拉丁超立方抽样,通过数值仿真获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用粒子群算法对该模型迭代寻优获得最优工艺参数。结果表明:小波神经网络能较好地描述板料工艺参数与回弹之间的映射关系,优化后成形件的回弹量大大减小。
|
| 关 键 词： | 铝合金 回弹 小波神经网络 粒子群算法 |
Parameters optimization of stamping and springback for aluminum-alloy sheet based on wavelet neural network and particle swarm optimization algorithm |
| |
| Sun Xinqiang;Xie Yanmin;Tian Yin;He Yujun.Parameters optimization of stamping and springback for aluminum-alloy sheet based on wavelet neural network and particle swarm optimization algorithm[J].Forging & Stamping Technology,2015,40(1):137-142. |
| |
| Authors: | Sun Xinqiang;Xie Yanmin;Tian Yin;He Yujun |
| |
| Affiliation: | Sun Xinqiang;Xie Yanmin;Tian Yin;He Yujun;Institute of Advanced Design and Manufacturing,Southwest Jiaotong University; |
| |
| Abstract: | |
| |
| Keywords: | aluminum-alloy springback wavelet neural network particle swarm algorithm |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
