基于神經網(wǎng)絡和粒子群算法的沖壓成形多目標優(yōu)化.pdf

1、在傳統(tǒng)的沖壓成形工藝與模具設計中，工程人員通常采用“試錯法”對板料成形工藝方案反復修改和調試才能達到設計要求，增加了生產成本。實際生產中，方盒件的成形工藝參數(shù)選取一般采用類比法，缺乏全面、系統(tǒng)的研究，即使通過有限元數(shù)值模擬也很難得到零件成形工藝參數(shù)最優(yōu)解。因此，傳統(tǒng)的方法已不能適應激烈的市場競爭和現(xiàn)代化工業(yè)的發(fā)展要求。本文將人工智能技術應用于沖壓成形工藝設計和參數(shù)優(yōu)化。
　　 首先，分析了國內外數(shù)值模擬技術在沖壓成形中的發(fā)展概況

2、以及優(yōu)化設計技術的發(fā)展及趨勢，闡述了數(shù)值模擬技術在成形過程中的作用和工藝參數(shù)優(yōu)化存在的不足。
　　 其次，著重研究了各工藝參數(shù)對方盒件沖壓成形質量的影響，以5種主要工藝參數(shù)（凸凹模間隙、摩擦系數(shù)、壓邊力、沖壓速度及凹模圓角半徑）作為優(yōu)化設計變量，利用成形極限圖量化沖壓成形質量指標，建立了合理的板料質量評價準則，并以此作為目標函數(shù)。
　　 然后，利用人工神經網(wǎng)絡基本原理，在MATLAB軟件環(huán)境下設計了一個RBF神經網(wǎng)絡來建

3、立各因素與成形質量目標函數(shù)之間的近似模型。近似模型建立步驟為:選取RBF神經網(wǎng)絡模型，確定網(wǎng)絡的輸入、輸出、隱含層及拓撲結構，運用正交試驗方法和數(shù)值模擬技術獲取網(wǎng)絡的訓練樣本，并對網(wǎng)絡性能進行測試。
　　 最后，將神經網(wǎng)絡和粒子群優(yōu)化算法結合起來建立了方盒件沖壓成形工藝參數(shù)優(yōu)化模型。利用人工神經網(wǎng)絡建立了沖壓成形多目標優(yōu)化近似模型，用粒子群算法對工藝參數(shù)進行全局尋優(yōu)，確定了一組非劣解集，從非劣解集中選取了一組最優(yōu)參數(shù)組合，并在D