基于BP神经网络的管材材料参数逆向识别

管材材料塑性本构参数是研究管材弯曲成形的关键因素之一。对于大直径管材的力学性能,可通过取样拉伸试验测得材料的应力应变曲线与弹性模量;对于小直径管材的材料参数,则较难直接通过实验测得。该文利用ABAQUS有限元软件,对小直径厚壁管材绕弯成形及回弹过程进行数值模拟,提出基于BP神经网络算法与数值模拟仿真实验相结合的管材材料参数逆向识别的方法,实验数据的对比表明,该方法能够有效的预测管材材料参数。     

管材数控绕弯回弹实验研究及BP网络预测模型

回弹是影响管材数控绕弯成形精度的主要因素之一。在EATON VB100弯管机上对直径φ6mm～φ15mm之间的3种管材进行弯曲成形实验后,利用激光测量仪测量回弹角度,整理得到准确、可靠的回弹实验数据作为样本数据。采用最小二乘法对实验数据进行拟合,得到关于弯曲角度和回弹角度的函数方程,同时分析了相对弯曲半径、相对管径和管材性能对管材弯曲回弹的影响规律,根据实验,确定了影响管材弯曲回弹主要工艺参数。综合主要工艺参数对管材弯曲回弹的交叉影响,以实验数据作为样本数据,建立和优化了BP神经网络模型,预测弯曲角度和相对管径对回弹的影响规律,通过实验数据的对比,证明预测BP模型具有较高的精度。     

薄壁管数控弯曲成形工艺参数区间研究

针对大直径薄壁管件数控弯曲成形工艺,假设管件质量的评价指标参数,即管件的最大壁厚变化率及最大截面畸变率为随机变量,在将该两个相关随机变量转化为独立随机变量的前提下,利用贝叶斯理论分析得到两个独立随机变量的正态分布特性。同时利用基于信噪比的多目标决策理论,得到以最优质量评价指标参数为中心,置信度1-α下的最佳质量评价参数球域。并基于质量评价指标参数与工艺参数的映射关系,通过神经网络映射得到工艺参数的优化区间。最后对Φ50 mm×1.0 mm×100 mm管件进行弯曲成形的实例计算,分析结果证明该方法具有良好的工程实用性和有效性。     

基于改进的BP神经网络对切削参数的优化选择

为了在切削零件时能合理选择切削参数并充分发挥机床的效能,建立了改进的BP神经网络,用样本集来训练和检测BP神经网络.实现了对切削参数的优化选择和切除率的预测,为切削参数的选择提供了理论依据.实例表明,采用BP神经网络优选的切削参数进行加工,能明显地降低成本、提高生产效率.     

基于BP神经网络响应曲面的筒形件强力旋压工艺参数优化研究

以BP神经网络为基础构建响应曲面,建立材料参数、筒形件强力旋压工艺参数等和旋压力最大变化值之间的关系,并用粒子群优化算法求解,获得符合优化条件的最优解,从而实现筒形件强力旋压工艺参数的优化。经MARC模拟验证,取得了较好的效果。     

基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化

文章针对传统的机械零件多目标优化算法的不足,提出了一种基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化设计方法,该方法首先利用Workbench对零件进行分析得到实验数据,然后用改进型BP神经网络对实验数据进行训练并建立起多目标优化的模型,采用NSGA-Ⅱ遗传算法对模型进行多目标优化.结果表明,在满足优化零件使用条件的情况下,运用该方法求得质量的相对误差最大为11％,变形的相对误差最大为3.36％,验证了该方法的有效性和可靠性.并将该方法得出的结果与传统Workbench得出的多目标优化结果进行了比较,证明了该方法优于传统Workbench优化方法.     

基于显著性的薄壁铝合金管小弯曲半径数控弯曲工艺参数优化(英文)

薄壁铝合金管小弯曲半径数控弯曲是个多因素耦合、多模具约束下的复杂过程。提出以有限元模拟为基础,基于显著性的工艺参数优化方法,即采用析因因子设计分析工艺参数对成形质量,即最大壁厚减薄率和最大截面畸变变化率影响的显著性,获得影响显著的参数,即管与防皱模间间隙的最优值,并确定其他影响不显著的参数值,包括管与模具间的间隙和摩擦、芯棒伸出量和助推速度。结果应用于规格为d50mm×1mm×75mm和d70mm×1.5mm×105mm(管外径D0×管壁厚t0×弯曲半径R)的铝合金管弯曲,获得了合格的管件。     

基于BP神经网络的数控加工铣削参数优化

以DMC60H数控机床为试验平台,以壳体类铝合金零件加工为研究对象,提取数控铣削加工试验数据,采用BP神经网络建立数控加工铣削参数优化模型,通过对数控加工铣削参数试验数据的分析与研究,提出了试验数据与样本数据的处理原则,实现了样本数据的优化,提高了BP神经网络模型的收敛精度、收敛速度与预测精度,并分析了验证数据的构成比例。经生产验证:提出的数控加工铣削参数优化方法具有较强的实用性和一定的先进性,能有效提高加工效率,对实现数控机床综合应用效率最优化,实现高效低成本加工具有重要意义。     

BP神经网络在电渣重熔工艺参数优化中的应用研究

电渣重熔过程中需要兼顾产品质量、生产效率、生产成本等因素,本文以熔铸电流、冷却水流量、渣池深度作为输入变量,以电极端部锥高、熔化效率、电功率因数作为输出变量,利用BP人工神经网络理论,在MatLab平台上建立起电渣重熔生产工艺优化模型。实验证明,该模型可以用于电渣重熔过程中工艺参数的辅助选择。     

Optimization of steel casting feeding system based on BP neural network and genetic algorithm

The trial-and-error method is widely used for the current optimization of the steel casting feeding system, which is highly random, subjective and thus ineff icient. In the present work, both the theoretical and the experimental research on the modeling and optimization methods of the process are studied. An approximate alternative model is established based on the Back Propagation(BP) neural network and experimental design. The process parameters of the feeding system are taken as the input, the volumes of shrinkage cavities and porosities calculated by simulation are simultaneously taken as the output. Thus, a mathematical model is established by the BP neural network to combine the input variables with the output response. Then, this model is optimized by the nonlinear optimization function of the genetic algorithm. Finally, a feeding system optimization of a steel traveling wheel is conducted. No shrinkage cavities and porosities are induced through the optimization. Compared to the initial design scheme, the process yield is increased by 4.1% and the volume of the riser is decreased by 5.48×10~6 mm3.     

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。     

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。     

薄壁管小弯曲半径数控绕弯成形芯模效用的实验研究

薄壁管数控弯曲中带芯头的柔性芯模是提高薄壁管件成形极限和成形精度的关键因素。文章建立了绕弯过程芯模(包括芯棒和芯头)的理论解析模型,包括了芯模直径d、芯棒伸出量e、芯头个数n、芯头厚度k、芯棒/芯头孔心间距p及芯棒圆角半径r等参数的选取公式的推导,获得了不同弯曲规格下的芯模参数取值范围,验证了解析模型的合理性;实验研究了芯模参数对管材失稳起皱、壁厚减薄和截面畸变的影响规律。通过分段抽芯的工艺方法,完成了38mm×1mm×38mm(1D)高难度不锈钢管件的弯曲。     

基于CATIA的数控弯管数模转换系统研究与开发

建立数字化弯管系统实现从导管数字化到数控弯管机全过程数字量传递,已成为当前发展数字化精确高效数控弯管技术亟待解决的问题。文章采用VB语言,以CATIA二次开发技术为基础,对数控弯管数模转换系统进行研究与开发,实现了从弯管CATIA模型得到关键点坐标值,建模数据与弯管机加工数据的转换,以及弯管的CATIA参数化建模,为推动先进数字化数控弯管系统的实现奠定了基础。     

薄壁管小弯曲半径数控弯曲壁厚减薄实验研究

外侧壁厚减薄是弯管成形中容易出现的加工缺陷之一,对于薄壁管小弯曲半径(R/D≤2)数控弯曲成形尤为严重.本文采用实验法,对该成形过程中弯曲段的壁厚减薄进行了深入研究,得到芯头个数、芯棒伸出量、弯曲角度、压块与管件摩擦条件、压块速度、相对弯曲半径、材料参数对壁厚减薄的影响规律.结果表明,合理增加压块与管件间的摩擦和压块速度,有助于控制壁厚减薄;1CR18Ni9Ti管变形特点不同于LF2M管,后者更易出现拉裂缺陷.     

铝合金大口径薄壁管数控弯曲实验研究

铝合金大口径薄壁管小弯曲半径数控弯曲成形过程中更容易发生起皱、截面畸变和壁厚减薄等缺陷。文章根据成形缺陷产生的原因对弯管模具结构和设备装置进行了改进,包括模具内锁设计、紧凑型柔性芯棒、模具并紧杆和长内衬顶推。在此基础上,采用实验研究方法,对Φ70mm×1.5mm×105mm(外径×壁厚×弯曲半径)的大口径薄壁铝合金管数控弯曲成形质量及应变规律进行了分析,并研究了顶推装置在大口径薄壁铝合金管数控弯曲成形中的效用。     

薄壁管数控弯曲截面畸变的实验研究

截面畸变是薄壁管小弯曲半径数控弯曲成形容易出现的成形缺陷之一。文章采用实验法,研究了芯头个数、芯棒伸出量、弯曲角度、压块润滑状态、相对弯曲半径、材料等因素对截面畸变的影响;并提出了减小截面畸变的有效措施。结果表明,增加芯头个数与芯棒伸长量都能减小弯管的截面畸变,但两者都导致弯管壁厚减薄量增大;随着弯曲角度的增加,截面畸变越严重,相对弯曲半径越小,无芯棒与芯头支撑段弯管的截面畸变愈严重;在压块无润滑情况下,弯管的截面畸变和壁厚减薄量都小,并且在同等弯曲条件下,1Cr18Ni9Ti弯管的截面畸变小于LF2M弯管。