基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化*

针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明：采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。     

基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化

针对铝合金复杂件冲压后出现的较大回弹缺陷,同时为减少冲压成形工艺参数的优化时间,使用有限元仿真软件DYNAFORM对冲压成形及回弹过程进行数值模拟,在确保数值模拟与试验结果基本一致的基础上,利用代理模型对回弹进行了优化研究。以NUMISHEET'96 S梁为研究对象,凸模圆角半径、凹模圆角半径、压边力、板料厚度作为影响因素,成形后最大回弹值作为成形目标,运用拉丁超立方抽样,通过数值仿真获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用粒子群算法对该模型迭代寻优获得最优工艺参数。结果表明:小波神经网络能较好地描述板料工艺参数与回弹之间的映射关系,优化后成形件的回弹量大大减小。     

基于灰色关联的铝合金板拉深成形扭曲回弹工艺参数优化

针对铝合金板成形工艺参数如何选取的难点,利用灰色关联准则对铝合金板成形质量进行分析,通过因子关联度的方差分析,获得铝合金板成形工艺中的主要影响因子。为了减少板料成形工艺参数优化时间,以铝合金板成形中主要影响因子为设计变量,以板料成形后扭曲回弹、增厚、减薄为成形目标,使用拉丁超立方抽取样本,通过Dynaform软件进行数值模拟获得训练样本,利用人工免疫算法训练RBF神经网络,建立主要影响因子与成形目标之间的RBF神经网络近似模型,最后采用人工免疫算法对该模型进行优化,获得最优工艺参数。以Numisheet'96 S梁为研究对象,利用本文所提出的方法进行拉深成形研究,通过对比分析优化前后的成形结果,证明了该方法能极大地提高铝合金板的成形质量。     

基于人工免疫算法和RBF神经网络的板料成形变压边力优化

针对人工免疫算法搜索时间长、效率低等缺点,对其进行了改进,使其在保持种群多样性的同时,提高了收敛速度。为了减少板料成形工艺参数试错时间,运用数值模拟建立近似模型。以方盒件为例,利用Dynaform软件仿真获得训练数据,通过人工免疫算法优化RBF神经网络,获得隐层中心位置和数量,并采用伪逆法确定输出层的权值。利用改进后的人工免疫算法对该模型进行优化,获得变压边力加载曲线。研究结果表明,采用优化后的变压变力控制曲线能有效地提高板料成形质量。     

高强度钢板U形件热冲压凹模结构拓扑优化

为降低热冲压凹模的生产成本和使用成本,基于板料热冲压数值模拟对凹模结构进行了拓扑优化设计.运用有限元软件ABAQUS建立热力耦合有限元模型,对高强钢板U形件的热冲压成形和淬火过程进行了数值仿真.提取凹模与板料间关键工况下接触应力作为凹模拓扑优化的外在载荷,建立约束凹模结构关键区域节点位移的体积最小化拓扑模型,对热冲压凹模结构进行拓扑优化设计,最终实现结构减重20%,且优化后凹模的变形和应力与优化前的结果相差甚微.研究内容对热冲压过程数值模拟和模具结构拓扑优化研究具有一定参考价值.