模糊人工神经网络在冷挤压工艺设计中的应用研究

在分析冷挤压成形影响因素的基础上,将模糊理论和人工神经网络进行了有机集成,并用以解决判断冷挤压零件能否通过一次挤压成形的问题。首先将人工神经网络进行模糊化处理,然后在分析冷挤压零件能否一次成形的有关规则基础上,抽取若干个模糊变量,并利用隶属度函数将影响冷挤压成形的模糊变量模糊化,同时通过从领域专家或其它知识源获取的训练样本,对人工神经网络进行学习,获得能够进行一次成形判断的人工神经网络模型,最后选取典型冷挤压零件进行了运行测试,并且用商业化软件DEFORM对系统输出的判断结果进行数值模拟分析,模拟结果证明了系统的可行性。     

基于正交设计的神经网络训练样本的选择方法及其在冷挤压工艺设计中的应用研究

冷挤压件的形状是制定冷挤压工艺方案时需要考虑的最重要的因素之一,基于目的性和方便性原则,该文针对冷挤压件的形状特征进行分类,并在此基础上分别建立基于正交实验设计的人工神经网络训练样本子集,最后将所有子集进行整合,形成初始训练测试样本集。结合典型冷挤压件,分析了采用正交设计方法选取人工神经网络训练样本的过程,研究了基于正交设计的人工神经网络的训练、测试方法,实现了基于人工神经网络的冷挤压工艺设计。     

基于人工神经网络的冷挤压工艺设计系统的知识自动获取研究

提出了用人工神经网络补充和修改冷挤压工艺设计系统知识库内容的模型框架,根据人工神经网络映射的特征编码提出并实现了一种专家系统自动获取冷挤压零件特征的方法,并详细讨论了算法过程,最后结合典型实例给出了知识自动获取的过程。所提出的知识自动获取方法的优点在于不仅可以通过人工神经网络把冷挤压零件的成形过程整体地存入知识库中,而且由于所选用的人工神经网络映射模式是集中反馈式、分工序循环进行的。因此,通过该方法还可以获取冷挤压成形过程中每步工序半成品件的特征,然后存入冷挤压工艺设计系统的知识库。     

软计算在塑性成形中的应用研究

介绍了软计算方法的概念、内涵、外延以及应用,探讨了模糊理论、人工神经网络及遗传算法等技术的特点,论述了软计算技术间的融合及集成方法,并针对软计算在塑性成形领域的应用介绍了包括冷挤压工艺设计中人工神经网络的遗传优化问题、模糊神经网络用于冷挤压件能否一次冷挤压成形的判断以及运用人工神经网络进行专家系统的知识自动获取等;综述和分析了软计算应用于塑性成形领域的国内外研究现状;对软计算技术的进一步研究和应用提出了展望。     

基于RBF人工神经网络的喷丸成形工艺参数预测方法

提出一种采用RBF（Radial Basis Function,径向基函数）人工神经网络方法近似建立薄壁金属零件喷丸变形效果与喷丸工艺参数之间的非线性不可逆关系,以预测喷丸成形所需工艺参数。根据成形试验中喷丸成形工艺参数影响喷丸成形效果的规律性分析,建立了预测喷丸成形工艺参数的RBF人工神经网络模型。选取一定的喷丸成形试验数据为样本,利用交替梯度算法对所建立的网络进行训练。利用训练后的RBF网络对试验数据进行预测,预测结果数据与实际数据之间的最大误差为4．36％,能够有效预测所需的成形工艺参数。通过与BP网络进行比较表明：基于RBF人工神经网络的喷丸成形工艺参数预测方法训练时间短、预测精度高、稳定性好。     

曲面翻边件成形质量预测模型

曲面翻边是板料冲压成形的重要工艺.采用数值模拟与人工神经网络相结合的方法,建立了基于BP神经网络的曲面翻边件成形性能预测的数学模型.然后对神经网络进行了训练,并对训练后的网络进行了测试.测试结果与数值模拟的结果比较,验证了该模型的正确性及有效性,能为预测和优化曲面翻边件成形质量提供有效的手段.     

变截面轴冷挤压成形数值模拟

借助于数值模拟技术,研究了变截面轴冷挤压成形过程,分析了零件不同部位金属流动填充特点及凸模载荷,并对零件成形过程的缺陷进行了预测.结果表明:金属流动顺利,没有成形缺陷.冷挤压工艺是合理可行的.     

基于人工神经网络的压边力预测技术研究

压边力是板料成形中的一个重要的工艺参数,也是板料拉深成形中的重要控制手段。本文以拉深件中较为典型的杯形件为对象,建立了压边力预测的冲压工艺参数人工神经网络模型,并对该模型进行了学习训练。仿真验证表明运用该模型可以得到较好的预测效果,且具有较高的精度。     

内花键齿形冷挤压成形工艺方案的研究

归纳并分析了内花键齿形成形工艺方式,运用DEFORM-3D有限元软件,采用直接成形、间接成形两种方式对其冷挤压过程进行了模拟.结果表明:增加一道预成形工序来间接成形内花键齿形能够大大提高生产效率、端面尺寸精度及模具使用寿命,最优成形孔尺寸为20.5 mm.     

一种新的产品/零件特征的二进制编码方法

在研究基于人工神经网络的冷挤压工艺设计系统的过程中，提出了一种新的产品／零件的二进制形式的特征编码方法，这种编码方法较之以前的小数形式的编码具有很多优点。该文将与冷挤压工艺设计有关的产品／零件的几何形状特征、关系特征、精度特征和基本成形工艺特征等进行了二进制形式的特征编码，并赋予其一定的工程语义。综合特征编码和特征参数就可以比较完整地表示一个冷挤压零件。     

底排船尾精化毛坯工艺改进实践

以某产品底排船尾毛坯为对象,进行了冷挤压成形工艺改进研究,通过模具设计制造控制,合理的选用软化处理参数及冷挤压时的润滑剂,实现该零件冷挤压加工的顺利成形,进而达到了精化毛坯的目的,提高了材料利用率。     

基于BP神经网络的开式冷挤压成形极限变形程度预测

采用实验研究与神经网络相结合的方法进行研究，通过大量实验，获取大量数据，在此基础上，建立BP网络模型。通过对开式冷挤压极限变形程度神经网络计算结果与实验结果的比较，其精度较高，证明用神经网络方法既可以实现开式冷挤压工艺的参数预测，叉能给出系统完整的可供指导实际生产的工艺参数数据，对于开式冷挤压的实际生产具有指导意义，是一种可行的分析手段。     

轿车直齿圆锥齿轮冷精锻试验研究

根据某轿车行星齿轮零件设计了冷精锻工艺。分析了几种轿车直齿圆锥齿轮冷精锻模具结构以及两种坯料形状对成形的影响，得到了冷精锻轿车直齿圆锥齿轮过程中工艺参数和模具结构对零件成形的影响规律，解决了冷精锻齿轮工艺中的一些问题。     

定位偏心轴冷温挤压成形工艺及模具

分析了定位偏心轴的形状特点,针对冷、温挤压各自的特点,采用两者相结合的成形工艺方案.制定了零件挤压成形图,确定了挤压工艺路线.校核了各道挤压工序的变形程度,同时介绍了冷温挤压模具.指出对于一些尺寸精度高、变形程度较大的零件,可采用冷、温挤压相结合的工艺进行成形;同时,在温挤压前,要预先合理地分配材料,以保证零件充分成形.考虑到坯料在温挤压时受到多种因素的影响,可采用冷推挤工序来确保零件关键部位的尺寸精度.     

基于神经网络的板料毛坯设计方法研究

研究了一种冲压毛坯设计的方法--基于神经网络模型的坯料优化设计技术,即利用神经网络反映映射关系,实现对同一类型零件坯料的快速预测.文章阐述了该方法的设计原理、流程,解释了径向基函数神经网络、坯料形状转化成神经网络的输出参数、训练样本采用修正坯料来提高设计精度等关键技术.实际生产表明,一旦神经网络训练成功,可快捷得到合理的坯料设计结果,具有很大的经济效益.