宽板V型自由弯曲智能化控制过程的影响因素分析

在板材成形智能化控制过程中，参数的实时识别及预测是两个最关键的部分。神经网络识别及预测模型输入输出参数的选择，对智能化控制的成功与否以及控制精度高低起着至关重要的作用。本文利用ANSYS软件，通过对宽板V型自由弯曲及卸载过程的有限元数值模拟，研究了影响成形及卸载过程的因素，为宽板V型自由弯曲智能化控制神经网络参数识别及预测模型输入、输出参数的选择提供了依据。     

轴对称件智能拉深系统中的神经网络参数识别

建立了轴对称拉深件的材料性能参数和摩擦系数实时识别前馈神经网络，采用LM算法优化网络，将参数识别精度提高到一个新水平，为智能化拉深成形的。实时预测和实时控制这两个基本要素提供了前提保证，为实现整个拉深成形过程的智能化控制奠定基础。     

帽形件智能化弯曲参数实时识别及实时预测的研究

在板材成形智能化控制过程中,材料参数实时识别和最优工艺参数的实时预测是最重要的两个要素,实时识别时间的长短与实时预测精度的高低,直接影响到板材成形智能化控制的成败。文章利用神经网络技术实现了帽形件弯曲成形智能化控制过程中材料参数识别与最优工艺参数的预测,其材料参数及工艺参数均在数值模拟和试验提供的数据范围内,识别和预测模型的收敛精度均达到了0.1%,识别和泛化精度较高,满足帽形件弯曲智能化控制的要求。     

宽板V型自由弯曲智能化控制实验系统

文章以宽板V型自由弯曲为研究对象,利用神经网络技术和基于LabVIEW的数据采集系统建立了宽板V型自由弯曲智能化控制实验系统。系统的控制精度较高,为今后在生产中实现宽板V型自由弯曲的智能化控制奠定了基础。     

宽板V型自由弯曲智能化控制过程的解析定量描述

板料在弯曲卸载过程中,由于弹性变形回复,从而产生回弹。回弹的结果使弯曲件的精度降低。影响回弹的因素很多,也很复杂。根据弹塑性弯曲理论,在平面变形假设的前提下,考虑了材料的硬化、各向异性及弹性变形,对宽板V型自由弯曲应力应变进行了分析,得到了弹塑性交界处曲率半径,推导出了弯曲力及目标弯曲角随弯曲行程变化的关系式。理论计算与实验及数值模拟结果进行了比较,为宽板V型自由弯曲智能化控制中参数识别及预测模型输入层和输出层变量的确定提供了理论依据。     

盒形件智能化拉深过程中材料性能参数的识别

智能化拉深过程中材料性能参数实时识别是关键技术之一。盒形件拉深难以用精确的力学模型来描述,文章引入基于LM算法的神经网络模型对材料参数进行识别,并仔细研究了在盒形件拉深过程中的适用性。针对盒形件提出了拉深初期采用恒定压边识别的方案,并采用平均值和去除奇异数据的方法大幅度地减小了识别误差,在该文的样本数据范围内,4种材料性能参数的最大识别误差在2%以内,为实现整个拉深成形过程的智能化控制奠定了基础。     

基于神经网络的材料性能参数和摩擦系数的实时识别

在板材拉深成形智能化控制过程中 ,为了避免缺陷的产生 ,必须适时地改变控制工艺参数 ,而最佳控制参数要根据材料的性能参数和摩擦系数来预测。根据拉深成形过程的特点及生产过程中自动化程度的要求 ,建立了材料性能参数和摩擦系数识别的人工神经网络模型。利用神经网络这种新一代信息处理工具实现了材料性能参数和摩擦系数的实时识别 ,为实现板材拉深成形过程的智能化控制奠定了基础     

盒形件拉深智能化控制关键技术研究

在圆锥形零件拉深成形智能化控制的研究基础上,分析了盒形件拉深智能化控制需要解决的技术关键。采用LabVIEW虚拟仪器技术,可以令人满意地实现拉深过程中信号的监测与控制。采用神经网络技术,可实现材料性能参数的实时识别,利用LM(LevenbergMarquarat)优化算法达到了2‰的网络误差。最佳工艺参数的预测模型尚待深入研究,该文提出3种参考方案,即理论成形三极限预测模型、神经网络/模糊推论预测模型以及自适应反馈控制模型。     

宽板Ⅴ型自由弯曲智能化控制实验系统

文章以宽板Ⅴ型自由弯曲为研究对象．利用神经网络技术和基于LabVIEW的数据采集系统建立了宽板Ⅴ型自由弯曲智能化控制实验系统。系统的控制精度较高，为今后在生产中实现宽板Ⅴ型自由弯曲的智能化控制奠定了基础。     

Rough集理论在神经网络材料性能参数实时识别中的应用

运用神经网络技术实现材料性能参数的实时识别是智能化拉深的重要研究课题.由于训练样本数据的冗余使得BP网络收敛精度差、速度慢,直接影响到网络的识别精度.运用Rough集理论强大的数据分类简约功能,能够去掉多余属性的样本数据,从而优化了神经网络的拓扑结构.经过试验验证优化后的网络不仅收敛速度快、精度得到极大提高,而且网络预测相对误差精度都在6%以下.     

Analysis on Influence Factors of Real-time Identification of Neural Network in Sheet Intelligent Bending

The scheme of intelligent control system of cap-bending has been advanced in this paper using the neural network technology, based on the prominent problem that bending springback difficult to control accurately during the forming process of cap-bending. The key technology of real-time identification for material performance parameter and friction coefficient was researched, and the back-propagation neural network of real-time identification for material performance parameters and friction coefficient was e...     

U形件弯曲影响回弹因素模拟分析

板材在弯曲过程中存在的最突出的问题是弯曲回弹难以精确控制.弯曲卸载后产生的回弹,使弯曲件的形状和尺寸与模具工作部分的形状和尺寸不符.弯曲件的最后形状与整个变形过程有关,模具几何参数、材料性能参数等都会对回弹产生很大影响.在板材弯曲成形智能化控制系统中,准确确定实时识别和预测模型的输入、输出参数是弯曲智能化控制的成功与否以及回弹控制精度高低的关键.本文采用Ls-dyna软件,对U形件弯曲影响回弹的因素进行了分析,得出了影响回弹规律的主要因素.为U形件弯曲智能化控制神经网络参数识别及预测模型输入、输出参数的选择提供依据.     

宽板U形自由弯曲智能化控制过程的解析定量描述

根据板材弯曲理论,在平面变形假设的前提下,考虑了材料的硬化、各向异性及弹性变形,建立了U形件自由弯曲理论分析模型,对宽板U形件自由弯曲进行了理论分析,得出了弯曲力随弯曲行程变化规律及目标弯曲角计算公式,并对各种影响弯曲力和回弹的因素进行了分析,理论计算与实验及模拟结果进行了比较,为宽板U形件自由弯曲智能化控制中参数识别及预测模型输入层和输出层变量的确定提供了理论依据。     

人工神经网络技术及其在板料成形智能化中的应用

本文在概述人工神经网络特性、BP网络模型及BP算法的基础上 ,对BP算法改进、训练样本及网络结构等相关技术进行了总结。重点综述了人工神经网络技术在板料成形专家系统、成形力预测、参数识别、智能控制、故障诊断、缺陷分析、板料成形性能研究和模具优化设计等板料成形智能化相关技术中的应用 ,探讨了应用中存在的问题 ,并展望其发展趋势     

基于BP神经网络的板料折弯件下料尺寸的计算方法

在板料成形工艺中 ,弯曲成形是一种主要的工艺方法。而板料下料尺寸将直接影响到零件的成形精度以及后续工序的成败。针对工厂积累的大量生产和实验数据 ,提出一种基于人工神经网络计算弯曲件板料展开长度的方法。在概述解析法确定板料展开长度的基础上 ,建立了计算展开长度的人工神经网络模型。以板料厚度、成形半径及成形角度作为输入参数 ,中性层位移系数作为输出参数 ,用已积累的大量数据作为训练样本 ,对神经网络进行训练 ,得到这些参数和中性层位移系数的隐性规律 ,实现了弯曲成形板料展开长度的快速计算。实验结果表明 ,利用人工神经网络能够快速准确地计算出板料展开长度。     

金属板材成形智能化控制技术研究及展望

对板材成形智能化控制技术进行了综述,介绍了智能化控制系统的4个基本要素,重点介绍了以板材V形弯曲智能化控制技术、板材拉深智能化控制技术为代表的板材成形过程中智能化控制原理,弯曲和拉深的实验证明该项技术实验效果良好,同时对该技术的进一步应用做出了展望,指出多学科研究成果的不断涌现加快了板材智能化成形工业应用进程。