基于RBF神經(jīng)網(wǎng)絡(luò)的板料成形工藝優(yōu)化研究.pdf

1、板料沖壓成形工藝廣泛應(yīng)用于各種工業(yè)生產(chǎn)領(lǐng)域，是薄壁金屬零件的主要成形方法。由于沖壓成形工藝的復(fù)雜性，導(dǎo)致在某些復(fù)雜零件和新材料零件的成形過(guò)程中出現(xiàn)了起皺、拉裂等成形缺陷。在縮短模具和產(chǎn)品設(shè)計(jì)周期、降低設(shè)計(jì)成本和提高產(chǎn)品成形質(zhì)量等多種要求下，以計(jì)算機(jī)數(shù)值模擬技術(shù)為基礎(chǔ)，通過(guò)試驗(yàn)設(shè)計(jì)方法、近似模型和優(yōu)化算法的結(jié)合來(lái)對(duì)板料沖壓工藝參數(shù)優(yōu)化的應(yīng)用研究越來(lái)越多。
　　基于近似模型和優(yōu)化算法雖然可以有效解決板料成形工藝參數(shù)優(yōu)化問(wèn)題，但近似模型

2、的預(yù)測(cè)精度直接影響了優(yōu)化結(jié)果的準(zhǔn)確性。為了提高近似模型的預(yù)測(cè)精度，本文提出了兩種改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò):第一種利用SA算法對(duì)K均值聚類RBF神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)個(gè)數(shù)和重疊系數(shù)進(jìn)行優(yōu)化，構(gòu)建了SA-RBF神經(jīng)網(wǎng)絡(luò)模型;第二種針對(duì)現(xiàn)有K均值聚類訓(xùn)練方法中節(jié)點(diǎn)非全局最優(yōu)和節(jié)點(diǎn)收斂較慢的弊端，采用共享小生境技術(shù)訓(xùn)練并構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)。將其應(yīng)用于非線性函數(shù)中的擬合和預(yù)測(cè)，證明兩種改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)的非線性逼近性能和預(yù)測(cè)精度相比K均值聚類RBF神

3、經(jīng)網(wǎng)絡(luò)有了顯著提高。
　　板料沖壓成形參數(shù)優(yōu)化問(wèn)題通常為多目標(biāo)解的問(wèn)題，為了提高多目標(biāo)智能進(jìn)化算法的尋優(yōu)性能，對(duì)多目標(biāo)智能進(jìn)化算法NSGA-Ⅱ算法進(jìn)行研究，利用免疫算子選擇每一級(jí)非支配個(gè)體中的精英個(gè)體來(lái)對(duì)NSGA-Ⅱ算法的尋優(yōu)性能進(jìn)行改進(jìn)。通過(guò)優(yōu)化前后NSGA-Ⅱ算法在多目標(biāo)函數(shù)中的應(yīng)用驗(yàn)證了改進(jìn)后NSGA-Ⅱ算法的多目標(biāo)尋優(yōu)性能更佳。
　　將SA-RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于板料成形拉延筋優(yōu)化研究中，以NUMISHEET02翼子板

4、為研究對(duì)象，其中6條等效拉延筋阻力作為輸入變量，基于Spearman相關(guān)分析和拉丁超立方抽樣方法抽取訓(xùn)練樣本并進(jìn)行數(shù)值仿真，以起皺缺陷和拉裂缺陷建立的成形質(zhì)量評(píng)價(jià)函數(shù)為目標(biāo)函數(shù)，通過(guò)SA-RBF神經(jīng)網(wǎng)絡(luò)建立非線性映射關(guān)系，利用改進(jìn)后的NSGA-Ⅱ算法和灰色關(guān)聯(lián)分析理論確定最佳拉延筋阻力并進(jìn)行仿真分析，與優(yōu)化前進(jìn)行對(duì)比，表明該方法能夠獲得較好的拉延筋阻力來(lái)提高成形質(zhì)量。
　　將共享小生境RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于板料成形變壓邊力加載路徑的