基于多目标优化算法的汽车高强钢零件冲压过程优化（英文）

高强钢的冲压工艺参数对产品成形质量至关重要。文章研究了冲压工艺参数,如压边力(100kN~500kN)、摩擦系数(0.08~0.12)以及冲压速度(10mm·s-1~90mm·s-1)对产品成形质量的影响。为获得具有良好成形性能的冲压零件,基于中心组合实验设计方法设计有限元仿真方案,由此获得不同工况下的成形指标。采用响应面方法,建立优化模型;采用第二代非支配遗传算法(NSGA-II)优化工艺参数,获得帕雷托优化解;基于优化参数进行冲压实验,结果表明,有限元模型预测的成形缺陷符合实际情况。     

基于RSM的汽车不锈钢板件冲压模具磨损CAE分析

为了减少汽车异形不锈钢板件在冲压过程中的模具磨损,应用CAE分析软件Deform-3D对板料冲压过程进行数值模拟,并基于响应面法,以凸、凹模的磨损深度为优化目标,对冲压工艺参数进行优化。采用Box-Behnken设计冲压试验组,并结合Archard模型,建立了压边力、冲压速度、冲压间隙与评价参数之间的响应面模型,得到了各工艺参数对模具磨损的影响规律,综合分析后,确定了最优冲压工艺参数组合为：压边力为375 kN、冲压速度为78.5 mm·s^-1、冲压间隙为2.17 mm。同时,根据最大磨损深度结果对冲压模具的寿命进行了预测,最终经过冲压实践证明,采用最优冲压工艺参数组合,冲压模具的实际寿命为3721件,与预测结果的一致性较好,模具寿命得到大幅提升。     

响应面法在发动机隔热罩冲压成形工艺参数优化中的应用

借助Dynaform软件,通过与实验结果对比,较准确地建立了某公司生产的发动机隔热罩冲压成形仿真模型.在此模型基础上,采用BBD设计安排实验,以冲压工艺参数为自变量,最大减薄率和起皱率为因变量,分别建立了工艺参数与最大减薄率和起皱率的二次多项式响应面模型,并对两个模型进行优化.以最大减薄率未优化响应面模型为约束,起皱率未优化响应面模型为目标函数,以及最大减薄率优化响应面模型为约束,起皱率优化响应面模型为目标函数,分别对工艺参数进行优化.结果显示,优化后的隔热罩仿真模型最大减薄率和起皱率控制在较好范围,且优化响应面模型的结果更优.     

基于多宽度高斯核函数模型的十字形件冲压成形工艺参数优化

基于试验设计的板料冲压成形工艺参数优化局限在有限的参数组合上,利用响应面方法可以进行全局范围的优化设计。针对一般响应面方法在预测精度上的不足,提出多宽度高斯核函数响应面方法。通过正交试验获得各因素的影响程度指数,利用均匀试验获得合适的设计参数样本,建立基于多宽度高斯核函数的冲压成形响应面模型。对十字形件的冲压成形进行工艺参数优化,结合遗传算法求解满足质量要求的最优工艺条件,验证表明,该方法对提高板料成形质量有效。     

改进型BP网络在优化焊接工艺参数中的应用

运用改进的BP网络方法建立焊接工艺参数与焊缝成形的关系.提出了L-M(Levenberg-Marquardt)优化算法进行改进BP神经网络,采用六因素和两水平的正交试验法安排实验,保证了网络训练样本的代表性,构建了旋转电弧焊缝成形的预测模型.预测结果表明,该方法有较高的预测精度,最大相对误差不超过3%.该网络模型的建立为优化旋转电弧工艺参数提供理论依据.     

基于最大工艺参数控制的回弹补偿技术研究

回弹是冲压过程中不可避免的现象,基于CAE仿真技术的模具补偿,可以从根本上消除回弹的影响.模具的补偿型面一方面受CAE回弹仿真计算精度的影响,另一方面与冲压工艺参数息息相关,实际冲压时通常采取先补偿再工艺控制的方式来处理冲压件的回弹.现提出一种方法:先对工艺控制回弹量及相应的工艺参数进行计算,然后以工艺控制的回弹量最大值为基准构建模具补偿型面,以回弹最小的工艺参数组合作为设计工艺参数,并采用实验设计(DOE),响应面模型(RS)和遗传算法(GA)相结合的优化策略对确定补偿基准面进行优化求解.这样在实际模具修正的过程中可以有效地保证工艺控制回弹的区间,增加回弹控制的稳健性.     

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。     

径向基函数神经网络在复合材料滚压加工中的应用

文章以滚压速度、进给量、滚压力、滚压次数为输入参数,建立了对表面粗糙度进行预测的径向基函数神经网络模型,利用该模型对高硅铝合金基复合材料的已加工表面粗糙度进行了预测.结果表明,预测值可达到满意的精度要求,对7组样本进行预测时最大相对误差不超过12%,且表面粗糙度值越大,模型的预测效果越明显;模型的学习速度和精度均优于传统的BP神经网络.此外,利用所建立的模型对滚压工艺参数进行了优化,得出了工艺参数的最佳范围.     

基于遗传算法的防撞钢梁热冲压成形工艺优化

针对汽车的侧向铝合金防撞钢梁,提出了一种热冲压成形的工艺优化策略。建立了热冲压系统的有限元模型,选择最小厚度、开裂距离和坯料到模具的最大距离为质量目标,通过多目标优化遗传算法对热冲压工艺压边力和冲压速度进行了优化。首先以拉丁超立方法对工艺参数进行抽样,对抽样样本进行仿真实验,以响应面法建立热冲压工艺与质量目标之间的非线性函数关系;接着引入多目标遗传算法NSGA-II,以响应面法获取的函数作为适应度函数,通过迭代运算得到热冲压工艺的Pareto最优解;最后以优化的工艺组合进行热冲压试验验证,结果表明建立的工艺优化方法有效。     

混合聚类RBF神经网络焊接接头力学性能预测

构建混合聚类算法,与伪逆法结合建立RBF神经网络模型预测焊接接头力学性能.以TC4钛合金TIG焊接试验为基础,将焊接参数作为模型输入,焊后接头力学性能作为模型输出.通过仿真,该模型预测平均相对误差范围为1.74%~6.69%,具有较高的预测精度、适应性和泛化能力,能够预测焊接接头力学性能.采用数学解析对所建模型分解,得到焊接工艺参数与接头力学性能之间映射关系的函数表达式,可优化焊接工艺参数.利用焊接专业知识对模型的径向基单元参数进行调整,提高了模型的预测精度,为将焊接专家知识融入RBF神经网络模型开辟了新方法与途径.     

汽车尾气后处理系统铝泵体的精锻工艺智能优化

为了提高铝泵体精锻过程中的材料利用率和模具使用寿命,建立了目标参数与工艺参数的响应面模型,提出了基于人工蜂群算法的参数优化方法。介绍了汽车尾气后处理系统中铝泵体的中间体和坯料,并设计了开式模锻模具。使用中心复合实验法设计了4因素5水平的30组实验,基于Deform-3D有限元软件得到了实验结果。使用二阶响应面模型建立了目标参数与工艺参数之间的回归关系,利用模型的决定系数验证了模型的拟合精度。设计了蜜蜂位置和蜜源适应度函数,成功地将最优参数优化问题转化为人工蜂群搜索最优蜜源问题。经实验验证,优化后的铝泵体锻件填充饱满、力学性能参数满足标准要求。且优化后的材料利用率提高了4.41%,模具使用寿命也得到了极大提高。     

车辆A柱加强板热冲压工艺的NSGA-Ⅱ多目标优化

为了提高车辆A柱加强板的热冲压质量,提出了响应面法与NSGA-II算法相结合的工艺多目标优化方法.以最小化冲压件的最大减薄率和最大增厚率为优化目标,选择板料初始温度、摩擦系数、上下模压料力等作为优化参数,使用Box-Behnken方法设计了4因素3水平实验,依据Autoform有限元软件得到了实验仿真结果.基于二阶响应...     

基于响应面法-改进人工蜂群算法的绞车滚筒多目标优化设计北大核心

为提高绞车滚筒使用性能、减轻质量、降低耗能,提出一种基于响应面法-改进人工蜂群算法的方法对滚筒进行结构优化。利用有限元对绞车滚筒静强度和刚度、疲劳寿命进行仿真分析;建立以滚筒内部材料参数为设计变量,刚度为约束,最小疲劳寿命、最大静强度、质量为目标的响应面模型。在传统人工蜂群基础上,改进蜜源判断准则,有利于算法跳出局部最优、保留潜在最优。在搜索策略的算法中引入变异的思想,提高收敛速度;利用改进后的人工蜂群算法进行多目标求解,获得绞车滚筒的Pareto前沿解集。结果表明:优化后的滚筒质量减小350.1 kg,最大应力减小20 MPa,最小疲劳寿命增加5.888 7×10~5次,最大变形减小0.37 mm,达到了优化设计的目的。     

基于改进蜂群算法的焊接机器人路径规划方法研究

针对焊接机器人的运动特点及焊接工作过程中焊枪的避障问题,提出基于改进人工蜂群算法的机器人避障焊接路径规划策略。首先针对传统人工蜂群算法存在的问题,将Lévy(莱维)分布引入到人工蜂群算法侦查蜂寻找新蜜源的过程中,代替其原有0～1之间的随机分布过程,形成了基于Lévy飞行的改进型人工蜂群算法,然后将其应用到焊接机器人的路径规划问题中,并进行了仿真实验。结果表明:改进后的方法能够得到最优的焊接避障路径,且寻优速度快、过程稳定。该方法可用于解决焊接机器人避障路径规划问题。     

基于改进人工蜂群算法的无人机航迹规划研究

为应对无人机遇到的复杂任务状况,快速寻找一条可行较优航迹,通过改进初始化蜜源方式、引入模拟退火算法的Metropolis准则、引入复合形法等对人工蜂群算法进行改进,提出了一种基于改进人工蜂群算法的无人机航迹规划方法。针对无人机航迹规划问题建立数学模型,采用该改进人工蜂群算法进行寻优,并通过MATLAB进行仿真验证。仿真实验结果表明,该改进人工蜂群算法有效提高了无人机航迹规划的鲁棒性、收敛速度和精度。     

汽车座椅外侧板单动拉延成形工艺分析及优化

以某型号汽车座椅外侧板为例,采用Auto Form软件对座椅外侧板拉延成形过程进行模拟分析,并根据分析结果预测出拉延过程中的拉裂风险。通过调整零件的圆角半径和修改局部结构,消除了开裂风险,降低了最大减薄率。为取得更好的成形效果,选取压边力、摩擦系数、冲压速度、凸凹模间隙4个重要成形工艺参数进行正交试验及参数优化,得出最优工艺方案为:压边力250 k N、摩擦系数0.13、冲压速度1000 mm·s-1和凸凹模间隙2.42 mm,最终零件的最大减薄率为24.33%,最大增厚率为6.54%。采用优化后方案进行实际拉深试模,得出零件的成形性能与有限元模拟结果一致,工件质量完全符合设计要求。     

基于Deform的热成形冷却系统优化

以22Mn B5高强度钢U形件为例,建立B柱热冲压有限元模型,并通过Deform-3D软件对热冲压过程进行数值模拟。设定保压结束后U形件的最大减薄率以及最大温差作为评价指标,基于数值模拟和3因素5水平正交实验方法,分析了在多指标因素不同水平下冷却系统参数对保压结束后U形件的最大减薄率以及最大温差大小和分布规律的影响,获得参数的优化组合:冷却管道直径为Φ8.5 mm,两管道孔中心间距为30 mm,管道孔中心与模具型面距离为13 mm。通过热冲压实验,得到保压结束后U形件的最大温差为124.5℃,最大减薄率为4.73%,验证了优化参数组合的有效性,为热冲压模具冷却系统设计优化提供了理论参考。     

基于Kriging模型的超高强度钢板热冲压工艺参数优化

为了改善超高强度钢板冲压件的加工质量,以某方形槽热冲压件为对象,以板料淬火温度、模具初始温度、冲压速度和模具间隙为设计变量,以冲压件成形温降、回弹量和成形减薄率3个质量指标为响应量,构建了热冲压加工质量指标的Kriging模型。在此基础上,以构建的Kriging模型为目标函数,建立超高强度钢板热冲压工艺参数多目标优化模型。应用第二代非支配遗传算法进行寻优计算,获得了优化的热冲压工艺参数:B1500HS超高强度钢板零件热冲压的最佳淬火温度为898.3℃,模具的初始温度为67.1℃,冲压速度为39.64 mm·s-1,模具间隙为2.2 mm。工艺参数优化后的验算结果表明,工艺参数优化后,成形温度更加均匀,回弹量减少25.6%,最大减薄率下降23%。     

铝合金复杂汽车零部件热成形-淬火一体化工艺参数优化

铝合金热成形-淬火一体化工艺将成形和热处理结合,能同时实现零件尺寸精度和性能的控制,是实现汽车轻量化的主要途径之一。但是在冲压成形尺寸相对较大、形状相对较复杂的铝合金板件时,依然存在各工艺参数难调试的问题。建立了AA6061铝合金的热变形统一黏塑性损伤本构模型,将其用于铝合金汽车B柱热冲压成形模拟,采用BP神经网络构建了工艺参数(板料成形温度,冲压速度,模具间隙)与成形性(最大减薄率,最大增厚率)之间的关系并结合遗传算法实现多目标优化,得到了AA6061铝合金热冲压的最佳成形工艺参数。优化之后,B柱的最大减薄率和最大增厚率分别从56.5%和14.2%降到了13.0%和10.0%,通过优化之后的工艺参数,制得了成形性良好、尺寸精度高的零件。结果证明了基于神经网络和遗传算法的热成形工艺优化方法的可行性和有效性。     

锂离子电池电芯铝塑膜外壳冲压成形工艺

通过正交试验,应用有限元仿真,对影响锂离子电池铝塑膜外壳冲压成形质量的各工艺参数的显著性进行分析,得出凸模圆角半径与凹模摩擦系数的选择对铝塑膜冲压工艺质量影响较大。利用数值模拟以及BP神经网络与遗传算法极值寻优,对锂离子电池铝塑膜的冲压成形工艺参数(凸模圆角半径、冲压速度、凹模摩擦系数以及压边力)进行优化。优化后的工艺参数使得锂离子电池铝塑膜的最大减薄率减少10%。实验证明,成形铝塑膜外壳的边角位置减薄最为严重,是影响成形铝塑膜外壳整体质量的关键性因素,可以作为衡量锂离子电池铝塑膜外壳成形质量检验的标准。