自由折弯时板料展开长度计算

自由折弯时，在板料折弯之前，需要计算工件的展开长度。本文对展开长度的计算公式进行了推导，并对计算精度进行了分析和探讨。     

基于BP神经网络的铝合金板料弯曲回弹控制研究

针对铝合金板料在弯曲成形后回弹的现象,分析了板料弯曲时回弹的力学原理,采用变压边力法,利用数值模拟软件对板料弯曲的回弹进行了模拟。利用BP神经网络技术对变压边力下,板料的弯曲回弹量进行了预测。通过优化后的神经网络模型,找到了最佳的弯曲成形工艺参数。与实际情况对比,预测的板料弯曲回弹量具有一定的准确性和适用性。     

板料弯曲件的一模成形工艺

用原材料一模成形技术弯曲件的多工位连续冲压工艺,取代分序多模冲弯成形的传统冲压技术,不仅效率高,易于自动冲压,而且废品率低,冲件质量好,是现代冲压技术的发展方向。     

板料成形毛坯展开方法研究

比较了求板料成形展开毛坯的各种方法，并详细描述了有限元逆算法及其优点。     

基于卷积神经网络的板料挤压成形力预测

板料挤压过程中的成形力计算是合理进行模具设计和压力机选择的重要依据.为了快速、准确地获取挤压力数值,提出了一种结合有限元仿真和卷积神经网络的板料挤压力预测模型.利用所建立的板料挤压有限元模型,结合知识模板技术,批量获取了不同工艺参数下的成形力数据集;在此基础上,针对凸凹模几何形状难以用参数统一表征的问题,以凸凹模的轮廓...     

利用板料反向回弹补偿的模具设计新方法

板料弯曲时回一通过反向回弹的模具补偿设计方法是目前尚未解决的办法，传统的方法是根据经验不断地试模、修模，直至回弹后的板料形状与所需形状合适，这种方法带有极大的废止性和试控性。本文提出计算机模拟反向回弹补偿的模具设计新方法，可有效地进行人尺寸设计，并通过实例计算验证了此算法的正确性。     

利用神经网络技术对板料成形摩擦系数进行预测

针对板料拉深成形过程中摩擦系数较难确定的客观情况,结合人工神经网络所表现出来的良好特性,提出了一种将神经网络技术、数值模拟技术相结合,通过建立摩擦系数与板料成形厚度的非线性映射关系来反求摩擦系数的方法。实践证明,该方法是可行的。     

双向圆弧形弯曲件的展开尺寸计算

双向圆弧形弯曲件的展开尺寸计算广州无线电模具厂（５１０６１０）罗炳麟冲压生产中有时会碰到类似图１所示的弯曲件。电脑密码保险箱中的档板零件就是一例。该零件在图中的相应尺寸为：Ｒ２＝２０４９ｍｍ，Ｒｒ＝２００５ｍｍ，ｒ＝６ｍｍ，Ｂ＝３１６ｍｍ，Ｈ＝９．１...     

确定拉深件合理毛坯形状理论方法的发展现状

确定毛坯合理外形,能改善冲压性能,提高零件生产的成品率和材料利用率,从而提高经济效益。本文介绍并分析了毛坯展开的理论方法,对其发展现状作了阐述。     

基于BP神经网络的管材数控弯曲多参数优化方法研究

针对管材数控弯曲成形过程中多工艺参数耦合的特点,基于BP神经网络,结合多目标优化算法研究了弯曲成形工艺参数的优化方法。采用ABAQUS对管材数控弯曲过程进行有限元仿真,并实验验证了结果的准确性。基于MATLAB平台,以芯棒直径、芯棒伸出量、防皱块与管材间摩擦系数等主要工艺参数为优化对象,以外壁减薄率、内壁增厚率(起皱)为优化目标,通过验证的数值模型获得样本数据,利用BP神经网络建立了优化对象和优化目标之间的映射关系,并采用多目标优化算法进行寻优求解,最后通过数值仿真实验验证了优化方法的准确性。结果表明:薄壁管数控弯曲有限元数值模拟结果与实验数据吻合较好,可以为神经网络提供准确可靠的训练样本;BP神经网络结合多目标优化算法可以有效地对弯曲工艺参数进行优化;优化的工艺参数有效地改善了弯曲管材内侧起皱和外侧减薄。     

中厚板轧制轧件头部弯曲预报模型

分析了中厚板轧制中轧件头部弯曲的产生原因和影响因素;以现场实测数据为基础,采用人工神经网络方法建立了轧件头部弯曲预报模型,为中厚板轧制头部弯曲的自动控制提供了技术基础。     

切削用量智能化选择的神经网络建模

最佳切削用量的选择是机械加工中的一个重要方面。本文提出了运用神经网络的非线性建模原理和自学习能力，在各种切削用量选择影响因素和切削用量之间建立起函数映射关系，实现切用量的智能化选择。     

基于人工神经网络的箱体类零件的CAPP系统及关键技术

将人工神经网络应用于箱体类零件的CAPP系统中，简化了零件的信号识别和分类；工序图是箱体类零件的CAPP系统的一个关键技术，本文探索一种有效的绘图方法，使箱体类零件的CAPP系统能自动生成工序图。     

基于人工神经网络的焊缝宽度预测

研究了用神经网络预测焊缝宽度的方法。首先对焊接质量检测系统的一些相关问题进行了研究,考虑了弧焊特性的提取、焊接质量的预报以及人工神经网络模型(ANN)的应用,设计了一个基于人工神经网络的焊接质量检测系统,给出系统的组成结构,ANN被用于预测焊缝宽度,建立了焊缝宽度预测的人工神经网络模型。为了验证建立的ANN模型的可行性,进行了仿真研究。仿真结果表明,所建立的ANN模型可预测焊缝宽度,基于人工神经网络的焊接质量检测系统是有效的。     

基于人工神经网络的点焊熔核直径预测

从电极位移曲线上提取出的两个特征值及焊接能量值作为输入值,熔核直径为输出值,建立了基于BP算法的铝合金直流点焊熔核直径预测模型.该模型为隐层结点数为5的三层结构,隐层转移函数为Sigmoid函数,输出层的转移函数为线性函数.对实测结果与仿真结果进行了对比分析,结果表明,45.2%的预测值与实测值相差不超过0.5 mm,77.4%的预测误差不超过1 mm,94.3%的预测误差没有超过2 mm.回归分析结果为A=0.878T 0.982.     

3J33B马氏体时效钢时效工艺-时效硬度的人工神经元预报

对不同时效处理的3J33B马氏体时效钢进行硬度测试,获得了时效工艺（温度、时间）、硬度参数数据。利用BP人工神经网络建立起其关系网络模型。结果表明,所建立的网络可以很好地反映出材料的时效工艺-时效硬度之间的关系,网络模型可以用来预测不同时效条件下3J33B马氏体时效钢的时效硬度,并且利用粒子群优化,对3J33B马氏体时效钢的时效工艺进行优化,对实际生产具有有效的指导作用。     

基于BP神经网络的铝型材挤压模具优化设计

采用三层BP神经网络建立挤压模具的数学模型,利用三维刚塑性有限元模拟获得神经网络的样本信号,对神经网络模型进行训练。利用神经网络函数逼近功能,以U形铝型材在挤压工作带出口处具有最均衡的轴向挤压速度为目标,最终对U形铝型材挤压模具合理模孔位置进行了优化设计,并采用计算机模拟仿真对优化结果进行验证,表明优化结果是有效的。     

基于机器视觉的铸件表面缺陷人工神经网络检测方法

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.