基于归纳学习的挤压锻造模智能优化技术

分析了基于人工智能中的归纳学习方法,提出了一种针对挤压锻造工艺优化的基于数值仿真归纳知识的混合优化方法,并通过一个挤压锻造的实例验证了该方法的有效性。     

挤压锻造模具形状的混合智能优化

数值仿真技术已成为挤压锻造模具设计中的重要评价手段，有助于设计人员更好的理解设计空间。然而，由于计算时问长，目标函数无法显式表述，搜索空间可能不连续等因素，很难直接基于数值仿真通过梯度法进行设计优化。非梯度的优化方法比如遗传算法、模拟退火法等由于需要更多的仿真次数，也很难实现。本文基于人工智能中的归纳学习方法，提出了一种针对挤压锻造工艺优化的基于数值仿真归纳知识的混合优化方法，并通过一个挤压锻造的实例验证了该方法的有效性。     

基于轻型动力触探技术的码头基床标高精确检测

对于重力式码头,改造施工前需对前沿基床进行详细检测,明确基床底标高及淤积状态。为解决码头前沿小范围内基床标高测量难的问题,结合工程实例,对基于轻型动力触探技术基床检测方法进行了阐述,并采用淤泥开挖冲排的方式对测量偏差进行了验证,结果表明采用轻型动力触探技术进行基床标高的检测数据是可信可靠的,成果可以为码头基床检测提供参考借鉴。     

冲压成形仿真数据的主成分与模糊聚类分析

冲压成形数值仿真结果中隐含着大量的领域知识。文章将主成分分析与模糊聚类方法应用于基于仿真模型与模拟结果数据的冲压件相似性判别与成形性能判别。通过对油箱冲压成形有限元仿真结果数据进行处理,分析了压边力、拉延筋设置参数、摩擦系数等工艺参数对成形性能的相对重要程度;构造了油箱成形性能的模糊概念,描述其破裂、起皱程度。通过对汽车覆盖件有限元模型数据的分析,对汽车覆盖件进行模糊分类及相似性判别。结果表明,面向有限元仿真结果的数据挖掘技术,可以为冲压成形领域知识发现提供一种有效的新途径。     

动力显式有限元法辊弯成形全流程仿真技术研究

辊弯成形是大位移、大转动、有限应变的过程,具有复杂的非线性特征,成形规律难以通过传统“试错法”把握。为避免成形缺陷,降低开发成本,采用有限元法对辊弯成形进行全流程仿真,可以准确预测辊弯成形过程中应力-应变分布与变化规律,辅助工艺设计与产品开发。采用动力显式算法,可以缩减计算规模,避免隐式算法的迭代收敛问题等限制,容易实现大规模并行计算,减少计算时间。通过对槽型件的辊弯成形进行全流程仿真实例,验证了该方法的有效性。     

深井矿山联合开采交错区地压显现时空规律研究

为了研究矿山联合开采的地压显现规律,以夏甸金矿为例,其矿体中浅部采用崩落法开采,跨度超过300 m,而两翼采用充填法开采.采用数值模拟与现场监测方法,综合分析了深部联合开采交错区的应力、位移等时空规律.数值模拟结果表明：无底柱分段崩落法与上向水平分层充填法联合开采时,崩落采空区下方应力集中数值较大,矿体两翼略小,交错区应力值最高.地压动态监测发现,无底柱分段崩落法区的顶板沉降位移与巷道水平收敛位移普遍大于上向分层充填法,但围岩二次应力的变化要略小于上向分层充填法,联合开采区域在整体上处于稳定状态.研究实现了多参量联合动态监测,为深部开采过程中地压显现的有效监测预警提供了有效手段,具有良好的推广示范效应.     

基于决策树算法C4.5的冲压工艺知识发现

在金属塑性成形的研究中 ,数值模拟被广泛地使用 ,但在其结果数据中许多潜在有价值的规律未被发现。在各种机器学习算法中 ,决策树以其简单容易实现等特点被认可。本文对具有代表性的方盒件拉深进行了数值模拟 ,研究各种工艺和几何参数对其成形的影响 ,并采用决策树C4 .5算法对其结果数据进行知识提取 ,挖掘其中对产品工艺设计有意义的指导性知识。     

复合材料自动铺丝轨迹规划

本文针对复合材料回转体类构件,提出了回转体构件自动铺丝轨迹规划算法。应用管道的数学模型,建立了基于三次样条插值的自动铺丝轨迹规划模型。首先探讨了通过三次样条插值对芯模中心线方程的求取,进而建立芯模参数曲面方程,最后提出适用于回转体类构件的铺丝路径生成算法。应用本文的研究成果,在MATLAB中完成实例验证。结论表明,该算法生成的铺丝轨迹能够满足实际铺丝的工艺要求和工程需要。     

基于模糊-粗糙集算法的知识级约束建模

提出了支持复杂产品并行协同设计的广义动态约束网络(GDCN)概念和模型;然后,提出了模糊－粗糙集算法,对仿真结果进行数据挖掘,实现知识级约束获取;最后,开发了基于仿真的知识级约束获取系统,并以某型号V6发动机曲柄连杆机构设计为例,说明了方法的准确性和有效性。     

V型伸长翻边解析与数值研究

为了预示曲面翻边成形性能,采用有限元仿真、解析计算与人工神经网络的方法对V型零件翻边成形进行了分析.通过建立有限元模型研究了工艺参数对成形性能的影响;基于全量塑性理论及膜应变假定,推导了轴对称情况的解析计算模型;以数值模拟结果作为训练样本,建立了V型翻边成形性能预测的BP神经网络模型.研究结果表明:工艺条件对翻边成形有较大影响,其中以张角的影响最为显著;解析模型计算简便,但是只适用于零件张角较小以及相对翻边高度较小的情况;有限元仿真与人工智能相结合的BP人工神经网络模型可以快速有效地预测翻边成形性.