一家专注流体压力成形技术
【作 者】李宇;赵博宁;李国坚
【前 言】
神经网络和遗传算法相结合可以解决很多参数优化类的问题,在机械行业的应用也越来越广泛. 利用有限元软件Dynaform 对汽车消声器连结法兰盘的圆孔翻边过程进行模拟分析,影响其成形质量的因素主要有凸模圆角半径、压边力、摩擦系数和凸凹模间隙[１].
从理论上建立起成形质量影响因素与试验结果的对应关系是非常复杂的,准确描述两者之间关系的数学模型是很难建立的. 在这种情况下,利用人工神经网络可以逼近非线性函数的特点,首先进行法兰盘冲压成形工艺参数对成形结果的预测,再结合遗传算法寻找最优的冲压成形工艺参数.
利用神经网络和遗传算法对法兰盘冲压件工艺参数的优化未见报道. 因此,先利用Dynaform 软件对法兰盘零件的冲压成型过程进行数值模拟并记录相关数据进行研究分析,然后提出一种基于神经网络与遗传算法的冲压成形工艺参数优化方法,最后通过实际的冲压试验验证该寻优方法的可行性.
【结 语】
使用 Dynaform 软件,对汽车消声器连结法兰盘零件模拟冲压,获取２７组试验数据. 将BP神经网络反归一化后的预测值作为适应度函数来找到最优值以及实现最优值的试验条件为: 压边力６８kN ,凸模圆角半径１２mm,摩擦系数０．１２,凸凹模间隙２．５mm. 经过现场实际冲压试验,观察该零件,成形质量完好,孔口处未见明显的开裂,说明将神经网络和遗传算法相结合优化法兰盘冲压成形工艺参数的方法是可行的. 与传统的试错法和正交试验优化参数相比,该算法寻优范围更大,获取的最优值也更加准确,提高了企业的生产效率和降低成本.
以下是正文：
