基于遗传模糊神经网络的工程陶瓷线电极磨削加工参数优化研究

针对在工程陶瓷线电极放电磨削加工的实际操作中加工者难以选取适当的工艺参数的问题,对影响加工效果的工艺参数进行了归纳。采用BP模糊神经网络建立了工程陶瓷线电极磨削加工效果随工艺电参数变化的预测模型,利用粗糙集理论来剔除冗余,对网络模型进行了属性约简和规则约简,并结合遗传算法来优化加工电参数,以获得更好的加工效果;同时根据数值仿真和实验分析,验证了采用优化后的加工电参数对工程陶瓷碳化硼棒料进行加工可获取最佳的加工效果,而且仿真结果与实验结果非常接近。研究结果表明:遗传模糊神经网络模型能够实现对工程陶瓷线电极磨削加工工艺参数的优化,这对实际生产具有一定的参考意义。     

基于人工神经网络的板料弯曲成形工艺优化及回弹分析

结合人工神经网络所表现出来的良好特性,利用正交试验获得的数据作为神经网络的训练样本,建立输入为弯曲工艺参数、输出为回弹量的神经网络模型,并通过样本检验了ANN模型的准确性,从而缩短设定工艺参数的时间,在工艺参数取值范围内,采用ANN模型代替CAE软件模拟试验,结合正交试验法,对工艺参数进一步优化.结果表明:将神经网络与正交试验、数值模拟三者结合用于板料弯曲成形参数优化,可以缩短优化工艺参数的时间.提高工艺设计效率,并能获得比单纯使用正交试验和数值模拟方法更为优化的结果.     

基于正交试验的梭床冷挤压过程数值模拟分析

基于Deform-3D对梭床的冷挤压成形过程进行数值模拟。通过正交试验的极差法和方差法,以最大成形载荷和凸模磨损量为目标变量,分析凸模材料硬度、挤压速度和润滑系数等关键参数的影响,从而获得最优工艺参数组合方案:凸模材料硬度为65HRC、润滑系数为0.1、挤压速度为30mm/s。利用最优工艺参数进行二次数值模拟,并对比了优化前后的最大成形载荷和凸模磨损量,以达到冷挤压最优效果,并通过折叠角和损伤因子分析得出满足此锻件的冷挤压成形要求,为实际的锻造生产过程提供理论指导。     

聚酰胺66齿轮注塑工艺参数优化设计方法研究

以降低聚酰胺66(PA66)齿轮的注塑成型体积收缩率为例,利用正交试验与Moldflow模拟软件获得数据作为神经网络的训练样本,建立PA66齿轮体积收缩率的神经网络预估模型,并通过样本检验了人工神经网络预估模型的准确性,同时缩短了优化工艺参数的时间,达到进一步优化了工艺参数的效果。结果表明,将正交试验法、数值模拟试验与人工神经网络相结合用于塑料齿轮成型工艺参数的优化,可以大大提高工艺设计的效率,并具有较高的准确性。     

基于神经网络建模和遗传算法的线切割工艺参数模糊优化

针对电火花线切割加工工艺难以获得更优异的工艺参数（如同时得到更快的切割速度和更好的表面粗糙度）等问题，先以神经网络建立模型，然后结合遗传算法和模糊理论求解此多目标优化问题，得到优化的工艺参数。结果显示。取得了较好的效果。     

基于模糊RBF神经网络的异质材料铆接接头性能研究

针对异质材料之间的铆接接头普遍存在可靠性较低和连接性差的问题,采用模糊RBF神经网络方法,研究了钣金材料铆钉尺寸、冲头行程等工艺参数对接头力学性能的影响。将模糊RBF神经网络模型引入到分析模型,建立了钣金材料铆钉尺寸、冲头行程等工艺参数与接头的剪切力、剥离力强度等力学参数的映射关系,最终实现了铆接接头力学特性的预测。研究结果表明:相比于传统BP神经网络,模糊RBF神经网络模型的剪切强度和剥离强度相对误差均明显降低,基于模糊RBF神经网络的预测模型能够较准确地描述工艺参数与铆接接头力学性能之间的关系。     

选择性激光烧结工艺参数智能优化方法研究

将专家系统 (Expert System,ES)和神经网络 (Artificial Neural Network,ANN)结合起来以优化选择性激光烧结 (Selective L aser Sintering,SL S)快速成形工艺参数。根据 SL S的工艺特点 ,选择了一种适合 SL S工艺参数优化的 BP网络模型 ,并对其结构和有关参数的选取进行了详细的设计和讨论。在此基础上开发成功的神经网络专家系统已应用于 SL S制件收缩补偿系数的自动优化中 ,取得了良好的效果。     

灰色理论在慢走丝线切割加工中的应用

慢走丝电火花线切割中工艺指标与工艺参数之间具有高度非线性关系,难以实现电火花多工艺参数优化,针对此问题,以电火花线切割SKD11模具钢为试验对象,选用水压、脉冲宽度、脉冲间隔、峰值电流和进给速度为可变因素,表面粗糙度(Ra)和材料去除率(MRR)为工艺指标,设计田口试验,采用灰色关联分析方法研究加工参数对工艺指标的影响关系;建立改进的灰色神经网络模型对Ra和MRR预测,其平均相对误差分别为7.92%和8.13%。结果表明,该模型能反映出电火花线切割SKD11模具钢的工艺规律并能成功预测出Ra和MRR,为电火花线切割SKD11模具钢工艺参数的选择提供了依据。寻找的一组优化参数对SKD11模具钢的线切割加工具有一定的参考意义。     

冷挤压工艺设计系统模糊知识表示和推理机制的研究

研究了冷挤压工艺设计领域的知识表示以及冷挤压工艺设计系统的模糊推理机制。利用面向对象表示法、模糊产生式表示法以及模糊框架表示法等知识表示方法,实现了基于模糊的面向对象的异构知识混合表示,该方法利用面向对象的思想构建领域知识的基类,利用模糊产生式规则表示领域知识库中的模糊知识规则。在此基础上构建了冷挤压工艺设计领域知识库。提出了广义可信度的概念和一种基于广义可信度的模糊推理方法,该方法通过对知识库中的知识设置可信度和构建隶属函数,用隶属度来定量表示冷挤压工艺设计领域知识的不确定性,实现领域知识的不确定性匹配,用广义可信度来表示不确定性匹配的程度,并利用不确定性传递算法计算最终结论的可信度值。通过典型实例进行了验证。     

相控阵雷达快速工艺准备与优化系统关键技术研究

为实现相控阵雷达的快速研制,开发了面向相控阵雷达的快速工艺准备与优化系统;建立了相控阵雷达快速工艺准备与优化系统的组成层次模型、功能分析模型和数据传递模型.采用融合基于实例、知识和交互式的综合式计算机辅助工艺设计技术,实现工艺的快速设计.提出了以基于实例的夹具设计为核心,以交互式夹具设计为补充的快速夹具设计方法.构建了以工艺参数数据库和知识库为中心,以基于神经网络的优化和基于有限元的物理仿真为手段的工艺参数优化分系统.快速工艺准备与优化系统的实施将提高装备的研发质量、缩短研发周期.     

An optimization strategy for die design in the low-density polyethylene annular extrusion process based on FES/BPNN/NSGA-II

An optimization strategy for die design in the polymer extrusion process is proposed in the study based on the finite element simulation, the back-propagation neural network, and the non-dominated sorting genetic algorithm II (NSGA-II). The three-dimensional simulation of polymer melts flow in the extrusion process is conducted using the penalty finite element method. The model for predicting the flow patterns in the extrusion process is established with the artificial neural network based on the simulated results. The non-dominated sorting genetic algorithm II is performed for the search of globally optimal design variables with its objective functions evaluated by the established neural network model. The proposed optimization strategy is successfully applied to the die design in low-density polyethylene (LDPE) annular extrusion process. A constrained multi-objective optimization model is established according to the characteristics of annular extrusion process. The minimum of velocity relative difference, δu, and the minimum of swell ratio, S _w, that, respectively, ensure the extrinsic feature, mechanical property, and dimensional precision of the final products are taken as optimization objectives with a constrained condition on the maximum shear stress. Three important die structure parameters, including the die contraction angle α, the ratio of parallel length to inner radius L/R _i, and the ratio of outer to inner radius R _o /R _i, are taken as design variables. The Phan-Thien–Tanner constitutive model is adopted to describe the viscoelastic rheological characteristics of LDPE whose parameters are fitted by the distributions of material functions detected on the strain-controlled rheometer. The penalty finite element model of polymer melts flowing through out of the extrusion die is derived. A decoupled method is employed to solve the viscoelastic flow problem with the discrete elastic-viscous split-stress algorithm. The simulated results are selected and extracted to constitute the learning samples according to the orthogonal experimental design method. The back propagation algorithm is adopted for the training and the establishment of the predicting model for the optimization objective. A Pareto-optimal set for the constrained multi-objective optimization is obtained using the constrained NSGA-II, and the optimal solution is extracted based on the fuzzy set theory. The optimization for die parameters in the annular extrusion process of low-density polyethylene is performed and the optimization objective is successfully achieved.     

液固挤压复合材料工艺参数优化系统的设计与实现

针对集凝固、压力下结晶和大变形为一体的液固挤压复合材料过程参数设计难题,本文采用面向对象的编程方法开发了工艺参数优化设计系统原型,实现了人机环境下液固挤压成形过程有限元分析和参数遗传优化之间的信息交互与集成。重点研究了基于组件对象模块(COM)的信息交互技术和结合补偿模糊神经网络的遗传优化算法,使平台系统更适应于复杂的非线性参数优化问题,并以分析液固挤压成形实验测得的变形力为应用实例对所开发的系统进行了测试验证。结果表明,基于该系统优化工艺参数,能有效缩短工艺设计周期,为实验设计提供更为理想的工艺方案。     

大宽厚比薄壁异型材挤压多工艺参数优化研究

型材挤压多种工艺参数的优化设计是一个组合优化问题,难以用传统数学优化方法解决。在应用型材挤压CAD/CAE技术建立型材挤压CAD模型,并对其成形过程及其参数变化规律进行CAE仿真的基础上,采用基于正交试验、人工神经网络和遗传算法的型材挤压多工艺参数计算机辅助优化技术建立型材挤压多工艺参数与挤压质量间的关系映射模型,并预测不同参数值搭配对挤压质量的影响,进而确定多工艺参数最优解。试验证明取得了良好的效果。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统.正交试验法用来设计神经网络的训练样本,人工神经网络有效创建翘曲预测模型;遗传算法完成对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出其优化值.按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的.     

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

瑞风商务车托架拉延成形数值模拟及工艺参数优化

基于逆向工程建立瑞风商务车托架零件的几何模型,并基于Dynaform软件平台对不同工艺参数下该零件的拉延成形过程进行数值模拟。在此基础上,以压边力、拉延筋高度和拉延筋圆角半径作为设计变量,以零件不发生破裂为优化目标,以有限元数值模拟结果作为虚拟样本,建立目标函数的人工神经网络预测模型;将人工神经网络预测模型作为优化算法的知识源,采用遗传算法对压边力、拉深筋几何参数等工艺参数进行了优化设计。试验结果表明,数值模拟、神经网络预测和工艺优化是可靠的,从而可为制定金属板料最佳的冲压成形工艺提供一条先进、合理的途径。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

基于免疫遗传算法的模糊径向基函数神经网络在高速电主轴中的应用

为满足高速高性能电主轴系统快、稳、准的控制要求,结合免疫遗传算法寻优速度快及模糊神经网络控制不依赖主轴系统模型的优点,设计了一种将模糊逻辑控制、径向基函数(Radical basis function, RBF)神经网络和免疫遗传算法进行有机结合的高速电主轴系统全局优化的控制策略,并将该智能控制策略成功应用于高速电主轴系统双闭环矢量控制系统的转速控制器中。通过免疫遗传算法对该智能控制器三类参数的同步优化取得了最佳控制效果,从而实现了对主轴输出转速的精确控制。试验和仿真结果验证了所设计的控制器能够精确控制主轴的输出转速,而且当高速电主轴受到突加负载冲击时,具有很好的抗干扰性能及较强的鲁棒性,使主轴系统具有优良的动、静态性能,实现了高品质驱动。     

<Emphasis Type="Bold">Optimisation of Plastic Injection Moulding Process with Soft Computing</Emphasis>

The paper presents a hybrid strategy in a soft computing paradigm for the optimisation of the plastic injection moulding process. Various plastic injection molding process parameters, such as mold temperature, melt temperature, injection time and injection pressure are considered. The hybrid strategy combines numerical simulation software, a genetic algorithm and a multilayer neural network to optimise the process parameters. An approximate analysis model is developed using a Back-propagation neural network in order to avoid the expensive computation resulting from the numerical simulation software. According to the characteristic of the optimisation problem, a nonbinary genetic algorithm is applied to solve the optimisation model. The effectiveness of the improved strategy is shown by an example.