矩形截面型材三维拉弯成形的回弹预测

设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.     

板材多道次渐进折弯成形回弹补偿的模具修正

金属板材多道次渐进折弯因回弹使成形后的工件形状与目标存在误差.文中借鉴单一道次冲压成形模具型面修正的思路,将模具型面的位移修正、平滑的位移修正以及成形传递函数法应用到多道次渐进折弯成形的模具修正,实现回弹补偿.实验结果表明,基于单一道次冲压的闭环成形传递函数法用于多道次渐进折弯模具修正可快速有效提高成形工件精度.     

金属板材渐进成形的数值模拟及破裂预测

针对板材渐进成形破裂预测对应变路径的过分依赖且无法实时预测的问题,首先,运用FORTRAN语言,通过ABAQUS有限元软件的材料子程序接口,将于忠奇破裂准则引入DC56D+Z钢板的VUMAT材料子程序中;其次,分别将于忠奇模型与ABAQUS自带Von Mises模型进行单向拉伸和渐进成形的模拟;最后,结合渐进成形实验与有限元模拟分析,以实验结果为标准,根据有限元模拟的结果,逆向寻找出于忠奇准则下渐进成形模型的临界破裂积分值I.研究结果表明:两种有限元模型的应力应变大小数量级相同,分布一致,从而说明了该子程序的有效性;渐进成形模拟过程中最大破裂积分值I出现的位置在零件的侧壁,与实验结果一致,积分值I=17可以作为预测渐进成形过程中板材是否破裂的有效条件.     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

基于神经网络的IGBT结温预测

针对大电流下绝缘栅型双极晶体管(IGBT)饱和压降和集电极电流与结温之间的非线性关系带来的结温预测难题,搭建了大电流下IGBT饱和压降测试系统,获取了结温和集电极电流与饱和压降之间的非线性关系曲线,分析了关系曲线变化规律对应的物理机制.采用Matlab软件建立了误差反向传播(BP)神经网络模型和径向基函数(RBF)神经网络模型进行结温预测.与多项式数学模型预测结果对比表明:两种神经网络模型的预测相对误差和预测误差90%置信区间比多项式数学模型更小,结温预测精度更高;并且BP神经网络模型的预测精度高于RBF神经网络模型,结温预测模型选择时应优先考虑BP神经网络模型.     

板料渐进成形工艺等高线图生成方法的研究

板料数字化渐进成形工艺可以通过数控渐进成形机床加工出成形极限较大、形状复杂的板材零件,在航空航天、汽车和民用产品的小批量钣金件加工方面具有广泛的应用前景。如何生成成形零件的等高线图是该工艺的关键技术。对板料渐进成形工艺等高线图的生成方法进行了研究,提出一种基于Matlab拟合Bezier曲面并快速生成等高线图的方法。对理论抛物面和飞机翼面的仿真研究表明,提出的等高线图的生成方法,工程精度较高、算法简单。计算速度快,适合在板材数字化渐进成形工艺中推广应用。     

大尺度U形曲面板材工件的成形模拟与实验研究

为高精度成形超长大开口度U形板材工件,提出一种大幅面板材多道次渐进折弯成形的数值模拟方法.以一大尺度半椭圆形工件成形为例,建立基于ABAQUS/Explicit&Standard求解分析平台的工件渐进成形有限元模型,模拟该工件多道次的折弯与回弹全过程.研究结果表明:采用折弯模具参数的优化组合及最佳的成形工艺参数可实现工件加工的精确控形.     

基于灰色理论与BP神经网络瓦斯涌出量预测研究

瓦斯涌出是煤炭行业井下作业难以控制的一个危险因素。为研究瓦斯涌出量的变化规律,提高瓦斯涌出量预测的准确性,本文结合灰色理论与BP神经网络构建了灰色—BP神经网络系统用于矿井瓦斯涌出量的预测。以山西某矿为工程背景,以MATLAB软件为计算平台,对上述方法和模型进行了应用实践和现场验证,将灰色预测、BP神经网络和灰色—BP神经网络预测结果和原始数据进行了对比分析。研究结果表明:灰色—BP神经网络预测的数据精确度和可靠性更高,计算的结果与原始数据的规律基本一致。因此,灰色—BP神经网络系统能较准确地预测矿井瓦斯涌出量,对预测瓦斯涌出量的预测方面具有一定的指导作用。     

板料回弹控制的成形工艺面多目标优化

针对高强度板成形后回弹大的问题,以工件回弹前后对应节点的位移偏差和等效塑性应变裕度最小化为目标,以板料最大增厚率和最小减薄率为约束条件,建立基于车身侧外板回弹控制的工艺面多目标优化模型.采用实验设计(DOE)和径向基函数(RBF)神经网络方法建立优化代理模型,对均匀实验设计方案进行改进以提高优化精度,并与未改进的RBF神经网络和响应面(RSM)代理模型的优化结果进行对比分析.结果表明,建立的多目标优化模型是合理的,改进RBF神经网络代理模型的优化精度较高,在所抽取的满意解中,回弹和等效塑性应变裕度目标函数的相对误差分别为15.9%和2.2%.与实验设计中回弹量最大的样本方案相比,优化后车身侧外板回弹量减少5.149 2 mm.     

基于BP神经网络分源预测综采面瓦斯涌出量研究

为了提高综采工作面瓦斯涌出量的预测精度,根据综采工作面瓦斯来源的分析,在瓦斯分源预测方法的基础上,融合神经网络预测技术,建立BP神经网络分源预测模型.结合某矿1242(1)工作面地质条件和开采技术条件,利用BP神经网络分源预测模型对工作面瓦斯涌出量进行了预测,结果表明,BP神经网络分源预测模型预测精度能满足现场需求,与...     

非线性组合硬化条件下镁合金板料变形回弹预测

变形回弹作为金属板料成形的主要缺陷之一,如何提高变应变路径条件下的回弹预测精度一直是研究者们面临的难题.本文针对镁合金变形特点,提出了同时考虑同向硬化、动态硬化和屈服圆畸变的本构模型.以0.8mm厚AZ31B镁合金板料为研究对象,施加不同预拉伸后进行弯曲变形试验,观察了不同预变形对回弹规律的影响.同时结合有限元分析ABAQUS-Explicit(Vumat)和ABAQUS-Implicit(Umat)对板料的变形及回弹过程进行模拟仿真,对比试验与模拟结果,验证动态硬化对于镁合金板料变形回弹的重要影响.     

基于遗传神经网络的拉延筋参数辨识

拉延筋是板料冲压成形质量的一个重要影响因素,设计和布置拉延筋是冲压模具设计的关键。研究反映拉延筋成形效果的3个参数与拉延筋几何参数之间非线性映射关系,采用遗传算法优化的反向传播神经网络构建模型,并对模型进行参数辨识。仿真实验验证了此方法的有效性,可为拉延筋的设计提供帮助。     

基于改进BP神经网络的镁还原率预报研究

介绍了BP神经网络和遗传算法的原理及特点,简述了皮江法炼镁工艺流程。为了研究各工艺参数与镁还原率之间的关系,针对标准BP神经网络存在的收敛速率慢、易陷入局部极小值等缺陷,建立了以煅白活性度、配硅比、制球压力、还原时间、还原温度、真空度为输入,镁还原率为输出的基于遗传算法优化的BP神经网络镁还原率预报模型。利用筛选后的生产数据对模型进行训练和预测,结果显示该预报模型能够较为精确地预报镁还原率,预测误差在±1.0%范围内的命中率达96%,最大误差小于1.3%,一定程度上可用于指导皮江法炼镁工艺中工艺参数的选择。     

基于进化神经网络的曲面磨削表面粗糙度预测

将人工神经网络技术引入曲面磨削加工领域，介绍了利用BP算法建立的曲面磨削表面粗糙度随磨削用量变化的进化神经网络预测模型．针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷，采用遗传算法训练BP神经网络，取代了一些传统的学习算法，设计了基于进化神经网络的学习算法．实验和仿真结果表明，基于进化计算的BP神经网络不仅可以克服单纯使用BP网络易陷入局部极小等问题，而且预测精度较高。     

工艺相图在汽车内板件冲压工艺设计中的应用

针对汽车内板件的成形特点,运用Dynaform软件和正交设计模拟不同工艺参数下的成形过程,采用BP(back propagation)神经网络建立工艺参数与成形缺陷之间的网络关系,从而确定合理的工艺参数范围.实验结果表明,工艺相图能够真实地反映板料冲压成形的过程,并对实际的生产具有很好的指导作用.     

基于遗传算法的变压边力模型及其在回弹控制中的应用

为尽可能地减少回弹对冲压件质量的影响,采用Hughes和Liu提出的适用于非线性的二维壳单元来开发冲压和回弹的计算程序．在准确预测回弹量的前提下,提出了一种基于遗传算法的变压边力模型用于回弹控制．与常压边力模型相比,回弹得到很好控制,能够得到更好的成型结果．     

基于BP神经网络的城市供水系统管网预测

针对城市供水系统的复杂性、非线性、时变化性以及多因素影响的特点，探讨了建立基于BP神经网络城市供水管网预测的原理，阐述了建立基于BP网络的城市供水时序预测模型方法．根据管网的节点压力历史数据纪录，建立基于神经网络的管网压力时序预测模型，对未来某一时段的节点压力进行预测．从预测过程和结果分析，基于BP神经网络城市供水管网预测方法操作简单，运行速度快，误差修正方便，精度高．图2，表1，参12．     

自组织特征映射神经网络在薄板冲压中的应用

从影响薄板冲压成形结果因素和有限元网格法出发,研究了基于神经网络预测毛坯尺寸模型的方法.选取模具参数和工艺参数等作为影响冲压成形结果的因素,用正交表和随机法产生径向基函数神经网络的学习样本;利用自组织神经网络对样本进行分类,用有限元网格法反算的毛坯的长度作为神经网络的输出;设计了神经网络流程,定义了神经网络输出与有限元分析数据的相对误差.通过仿真试验证明,提出的预测毛坯尺寸模型的方法是有效的.