兵器材料科学与工程

2017, v.40;No.283(04) 84-89

[打印本页] [关闭]
本期目录 | 过刊浏览 | 高级检索

基于GS理论与神经网络的汽车覆盖件成形优化
Forming optimization of automobile covering parts based on GS theory and neural network

熊文韬;刘泓滨;孙元贵;邓利君;

摘要(Abstract):

利用GS理论和神经网络遗传算法函数寻优法,搭乘非线性有限元分析软件Dynaform,对轻型卡车左后侧围外板拉延成形过程工艺参数寻优,以解决该零件在成形过程中出现的破裂和过度减薄质量缺陷。将GS理论和正交试验设计相结合,获得各工艺参数组合下的最大减薄率,并对获取的数据进行灰色关联度分析,找出影响减薄率的两个主要因素,即冲压速度和压边力;基于神经网络遗传算法函数寻优模型,借助拉丁超立方抽样对选出的两个主要因素进行随机抽样,将冲压速度和压边力作为输入,最大减薄率作为输出,获得输入与输出之间的非线性映射关系,并获得BP神经网络预测结果。最后,将预测结果进行个体适应度值计算,得到全局最优解和对应输入值。对比优化前后的数值模拟结果以及实验结果可知,采用此方法所得的工艺参数组合可有效提高板料成形的性能和质量。

关键词(KeyWords): 汽车覆盖件拉延成形;;灰色关联分析;;拉丁超立方抽样;;神经网络遗传算法;;参数优化

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 熊文韬;刘泓滨;孙元贵;邓利君;

Email:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享