基于灰色理论和GA-BP的拉延筋参数反求

采用灰色关联分析对影响拉延筋阻力的因子进行分析,获得主要的影响因子.利用拉丁超立方试验设计方法对主要因子进行取样,利用DYNAFORM软件对方盒件成形进行仿真,得到样本数据.以成形件中的减薄、增厚和主应变为输入,以拉延筋几何参数为输出,建立拉延筋参数的反求模型.利用遗传算法优化反向传播(Back propagation,BP)网络权值,通过与单纯使用BP进行映射得出的几何参数预测值进行比较,该模型的精度得到很大提高,表明基于遗传算法(Genetic algorithm,GA)优化的BP神经网络的模型能极大提高预测能力.基于GA-BP模型,以拉延筋几何参数为输入,增厚为输出目标,利用训练好的优化权值,获得拉延筋几何参数与成形件增厚的非线性映射关系式,并再次利用遗传算法对其优化,获得最佳的拉延筋几何参数.通过比较优化前后的数值仿真结果,优化后的拉延筋能极大地提高板料成形性能.     

基于近似模型的拉延筋几何参数反求

引入响应面方法和遗传算法建立基于近似模型的拉延筋几何参数反求方法。首先以等效拉延阻力为设计变量，通过均匀拉丁方试验设计方法提取适当的设计参数样本构造响应面近似模型，并不断优化响应面模型，获取最优等效拉延阻力；然后以最优等效拉延阻力为约束条件，结合等效拉延阻力计算和小种群遗传算法反求拉延筋几何参数。整个反求过程采用等效拉延筋有限元模型进行仿真计算，避免有限元模型的网格重划分及由真实拉延筋模型引入的计算效率问题。数值算例表明，基于近似模型的拉延筋几何参数反求方法可在设计兴趣域内快速寻优，有助于加快模具设计进程，降低生产成本。     

遗传算法在覆盖件拉延筋参数优化中的应用

指出拉延筋几何参数（拉筋高度，拉筋圆角）是影响拉延筋阻力的主要因素。提出在拉延成形中，拉延筋，凹模圆角参数设计需满足拉延筋各几何参数间的约束，筋参数变化约束以及“协同变化”原则，将遗传算法应用于拉延筋几何参数的优化设计，并用实例验证。     

一种基于反求参数的拉延筋解析模型

建立了考虑板料中性层偏移、包辛格效应等因素的拉延筋解析模型。材料本构关系采用弹塑性幂次强化，利用平面应变假设来求解拉延筋阻力。验证了此模型的有效性后，采用改进的小种群遗传算法，通过拟合Nine的试验值，反求出中性层的偏移量、包辛格效应产生的应力降低率，并应用到拉延筋解析模型中，得到一个更为准确的拉延筋解析模型。     

遗传算法在橡胶超弹性材料参数反求中的应用

将优化算法与有限元仿真分析相结合可以对橡胶的材料参数进行反求,该方法基于一款叠层橡胶弹簧的试验数据,并选用Mooney-Rivlin超弹性本构模型。在参数反求的过程中,为解决传统遗传算法出现的早熟、稳定性差以及收敛速度慢的问题,将编码方式改为实数编码,并在算法中引入精英保留策略和自适应的交叉与变异概率。将根据改进遗传算法反求得到的刚度特性曲线与试验结果进行对比,发现二者具有很好的一致性,表明通过反求得到的材料参数能准确地对橡胶材料的力学性能进行描述。     

基于神经网络和遗传算法的卫星结构参数优化

针对卫星结构要求总质量轻小、一阶固有频率较高的特点,建立了卫星结构多目标优化的数学模型,通过BP神经网络和遗传算法相结合进行参数优化,并编制了相应的计算程序,既利用了神经网络的非线性映射、网络推理和预测功能,又发挥了遗传算法的全局优化特性,得出了合理的优化结果,与传统的结构优化方法相比,此方法效率较高,精度良好.     

真实拉延筋参数化建模及其在薄板冲压仿真中的应用

提出一种参数化的拉延筋网格模型建模方法,在自主开发的有限元前处理软件中,建立了具有真实几何尺寸的半圆形、三角形拉延筋和拉深槛的网格模型,并提供了灵活的拉延筋布置手段。提出一种改进的全四边形网格加密方法,对成形过程中将会流过拉延筋区域的板料网格,以及可能与模具上曲率变化大的区域相接触的板料网格进行加密操作,以满足网格的适应性要求。提出一系列的网格拓扑清理模版,对加密后的网格进行拓扑清理操作,有效地提高了板料网格的质量。大量的算例证明所提出方法具有较高的精度和较强的工程实用性。     

结合神经网络与遗传算法的磨抛工艺参数优化

针对机器人磨抛系统工艺参数的自主选择与优化问题,提出一种基于神经网络与遗传算法的磨抛工艺参数优化方法,采用基于人工神经网络的工件表面粗糙度预测模型解决各工艺参数间复杂的非线性问题,结合粗糙度预测模型与磨抛效率公式,通过遗传算法对各工艺参数进行全局寻优解决加工质量和效率的双目标优化问题并得到最优工艺参数组合.在满足加工质...     

改进的等效拉延筋阻力模型及其应用

提出了一种改进的等效拉延筋阻力模型，采用三维有限元分析方法对客货箱右／左后门柱内板连接板的拉延成形工序进行模具设计和毛坯几何形状的优化。结合改进的等效拉延筋阻力模型，采用非线性约束优化算法对拉延筋结构进行了优化设计。根据有限元分析和优化设计结果进行实冲实验可得到质量良好的覆盖件产品，并且其典型截面的厚度分布与实验结果吻合良好，证明了改进的等效拉延筋阻力模型能准确反映板料通过拉延筋时的摩擦和弯曲阻力。     

拉延筋对回弹的影响机理研究

采用拉延筋影响试验、平板拉伸试验,研究了板料过拉延筋后几何参数和材料参数的变化情况,结合翻边回弹试验和回弹一维分析方法,研究了拉延筋对回弹的影响机理。研究表明,板料过拉延筋后板内的残余应力和材料的硬化是影响回弹的关键因素;等效拉延筋模型即使能提供准确的拉延阻力,一般也难以满足精确计算回弹的要求。     

基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计

将模糊优化思想引入冷挤压工艺参数优化设计,以冷挤压模具的四个关键工艺参数为设计变量,以最终挤压件的各处材料的损伤值为目标函数,建立了冷挤压工艺参数模糊优化模型。提出了利用神经网络进行材料损伤近似计算的策略,从而形成了基于遗传算法和神经网络的冷挤压工艺参数模糊优化方法。对冷挤压工艺参数模糊优化模型进行了求解,优化结果表明模糊优化思想能提高冷挤压工艺设计质量。     

基于神经网络的动力学反解算法及其应用研究

论述了使用神经网络求解结构动力学反问题的基本原理和方法,并针对BP网络在使用中存在的主要问题,提出了网络快速学习算法,以及训练样本正交化处理方法和反解结果精度的自适应修正等一系列解决方法。应用上述理论进行了设备动态诊断的数值仿真和试验研究,结果令人满意。     

ADAPTIVE LEARNING CONTROL OF CUTTING PARAMETERS FOR SCULPTURED SURFACE CUTTING BASED ON GENETIC ALGORITHMS AND NEURAL NETWORK

An adaptive learning control scheme intended to the on-line optimization of sculptured surface cutting process is presented. The scheme uses a back-propagation neural network to learn the relationships between process inputs and process states. The cutting parameters of the process model are optimized through a genetic algorithms(GA). The capacity of the proposed scheme for determining optimum process inputs under a variety of process conditions and optimization strategies is evaluated on the basis of milling of a sculptured surface using a ball-end mill. The experimental results show that the neural network could model the cutting process efficiently, and the cutting conditions such as spindle speed could be regulated for achieving high efficiency and high quality. Therefore the proposed approach can be well applied to the manufacturing of dies and molds.     

小生境遗传算法的多刚体系统动力学参数优化设计

在分析多刚体系统动力学参数优化问题特点的基础上,针对用传统优化方法和标准遗传算法求解这一类问题时存在的问题,提出了一种改进的小生境遗传算法。采用最优保存策略和高斯变异算子,保证算法的稳定收敛和提高算法在每个峰值附近的局部搜索能力。将该方法用于5自由度汽车悬架系统动力学参数优化设计问题,结果表明该方法在收敛速度和获得全局最优解方面部有很大提高。     

MENDED GENETIC BP NETWORK AND APPLICATION TO ROLLING FORCE PREDICTION OF 4-STAND TANDEM COLD STRIP MILL

In order to make good use of the ability to approach any function of BP (back propagation)network and overcome its local astringency, and also make good use of the overall search ability of GA(genetic algorithms), a proposal to regulate the network's weights using both GA and BP algorithms issuggested. An integrated network system of MGA (mended genetic algorithms) and BP algorithms hasbeen established. The MGA-BP network's functions consist of optimizing GA performance parameters,the network's structural parameters, performance parameter, and regulating the network's weightsusing both GA and BP algorithms. Rolling forces of 4-stand tandem cold strip mill are predicted by theMGA-BP network, and good results are obtained.     

基于遗传算法的超精密切削表面粗糙度预测模型参数辨识及切削用量优化

建立易于分析各切削用量对粗糙度影响关系的表面粗糙度预测模型和最优的切削用量组合,是超精密切削加工技术的不断发展的需要。针对最小二乘法和传统优化方法的不足,提出了将遗传算法用于超精密切削表面粗糙度预测模型的参数辨识,并用于求解最优切削用量,给出了金刚石刀具超精密切削铝合金的表面粗糙度预测数学模型和切削用量优化结果,进行了遗传算法和常规优化算法的比较,结果表明遗传算法较最小二乘法和传统的优化方法更适合于粗糙度预测模型的参数辨识及保证切削用量的最优。     

基于证据加权调整方法的神经网络及其在故障诊断中的应用

提出一种基于加权思想的证据调整方法,解决证据融合理论中的不同证据应具有不同重要性的问题,并把这种方法和基于证据理论的神经网络相结合,形成加权证据网络。仿真结果表明这种网络有很突出性能。说明了这种方法的有效性,并讨论了在故障诊断中的应用。     

考虑弹流润滑的齿轮传动多目标优化设计的遗传算法实现

应用弹性流体动力润滑理论,分析了模数、齿数等参数对齿轮副润滑性能的影响。在齿轮传动优化设计中,通过协调弹流效应和重量最轻建立了齿轮传动多目标优化的数学模型。采用遗传算法求解合连续及离散变量的优化设计问题,并用神经网络建立计算中各种曲线的插值模型。该系统发挥了神经网络与遗传算法各自的特点,数值例子表明了该方法的有效性。     

遗传算法在结构损伤检测中的应用与改进

与遗传算法的其他应用领域相比，使用遗传算法进行损伤检测的成功更加依赖于搜索效率和在对同一类问题进行优化时搜索效率的变动程度。文中在建立表面粘贴有压电片材料的完好及损伤悬臂复合材料层合壳体有限元动力学模型的基础上，研究对遗传算法进行优化，以改善搜索效率和效率变动程度；并对遗传算法进行损伤检测时迭代次数的分布规律进行研究。     

神经网络共轭梯度优化算法在激光加工定位中的应用

在应用激光技术加工复杂曲面时,通常以采样点集为插值点来建立曲面函数,然后实现曲面上任意坐标点的精确定位。人工神经网络的BP算法能实现函数插值,但计算精度偏低,往往达不到插值精确要求,造成较大的加工误差。提出人工神经网络的共轭梯度最优化插值新算法,并通过实例仿真,证明了这种曲面精确定位方法的可行性,从而为激光加工的三维精确定位提供了一种良好解决方案。这种方法己经应用在实际中。