复杂型面板料成形数值模拟快速有限元建模

提出并实现了直接从测量到的空间散乱点直接生成有限元网络的新方法,使具有大尺寸复杂型面金属板料冲压成形整个数值模拟有限元建模的工作量大大降低,并使得建模的自动化程度提高。为了解决建模过程中初始坯料形状未知的问题,比较了不同的初始毛坯预测方法,提出用一步模拟法从已得到模具的有限元网格进行反推,预测出毛坯的基本形状和尺寸。     

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.     

LAMOST有限元模型的径向基网络修正法

天文学的发展要求望远镜的口径越来越大,对其建立有限元模型进行动力学分析已成为必要步骤.为了保证理论分析结果符合实际,必须对有限元模型进行修正.针对大望远镜模型修正的难点,提出一种基于径向基神经网络的含有隐藏变量的改进迭代法.首先建立了LAMOST空间桁架和平衡系统的有限元模型.其次从实际出发,讨论了神经网络输入输出的选择方法.用有限的数据信息修正误差大的参数,而小误差参数作为神经网络的隐藏变量,可看作噪声而不予修正.采用均匀设计法获得神经网络的训练样本集,减小了计算量.然后在网络迭代求解过程中,每次在输出参数的附近增加均匀分布的若干个样本,而不是输出参数的单独一个样本,可防止网络性能突然变差,改善泛化特性.最后,悬臂梁和望远镜桁架仿真结果表明,含有隐藏变量的神经网络仍然能够收敛.用实测数据修正了LAMOST的平衡系统,表明了该方法的可行性和有效性.     

基于径向基神经网络的有限元模型修正研究

模型修正属于反问题的一种,针对其非线性、计算量大等不足之处,提出一种基于径向基神经网络的有限元模型修正方法,并把反问题归结为正问题进行研究。该方法将特征量作为自变量输入、设计参数作为因变量输出,用试验设计构造样本,以径向基神经网络逼近两者之间的非线性映射关系,利用神经网络的泛化特性直接输出设计参数的修正值。某空间钢结构模型的计算结果验证了该方法的有效性。     

基于小波神经网络熔丝堆积三维打印精度预测模型

摘要： 熔融沉积快速成形是一个多参数耦合的非线性过程,大量成形参数对成形件精度具有重要影响.为了弄清各个工艺参数对成形零件精度的影响,提高熔丝堆积三维打印产品精度,运用Matlab软件建立了利用成形工艺参数预测产品精度的小波神经网络模型,完成了算法设计.通过熔丝堆积三维打印实验采集样本,利用训练样本对所建立的网络进行训练,完成网络输入输出精度映射关系,并利用测试样本对所训练网络进行检验.仿真试验表明,产品精度预测模型具有很高的精度,验证了该预测模型在理论和实践上的可行性、有效性.把小波神经网络方法运用于熔丝堆积三维打印参数与成形产品精度之间的建模,解决了难以用数学方法建立精确模型的问题.     

基于Gurson模型的镁合金板材温热冲压成形研究

在Gurson损伤模型的基础上,采用有限元数值模拟与温热冲压实验相结合的方法,对镁合金板材温热冲压成形过程中的材料损伤过程进行了预测.考虑了板材的塑性各向异性行为,通过用户自定义材料子程序VUMAT将损伤模型嵌入到有限元软件ABAQUS/Explicit中.采用单轴拉伸试验数据与有限元数值模拟结果进行迭代,确定了Gurson模型所需要的材料参数.使用ABAQUS模拟得到了镁合金板材温热冲压过程中微孔洞的演变及分布规律.通过扫描电子显微镜,对不同温度下的AZ31镁合金板材由孔洞增长和聚合引起的内部损伤演化进行了观察分析.研究结果表明,板材中微孔洞的分布与实验数据相吻合,说明本文所提出的方法可以应用于金属板材温热冲压成形性能预测.     

管件开式冷挤压尺寸预测的数值模拟

尺寸预测是管材在挤压过程中的一个重要方面,借助有限元模拟软件Deform分析了在成形过程中各个参数如入模锥角、摩擦系数及毛坯厚径比等参数对试件的相对伸长量及相对壁厚增量的影响.从模拟结果中找到各个参数与它们之间的关系,从而为实际生产提供参考数据.     

基于灰关联分析和神经网络的煤与瓦斯突出预测

应用灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序;选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型;用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.结果证明该系统能较准确地预测煤矿的瓦斯突出情况.     

汽车制动阀安装板坯料形状与尺寸的确定

非规则成形件的毛坯形状与尺寸的确定,一般都是通过成形模并采取试错的方法来完成的。然而,试错要考虑多种因素,又由于落料模必须要在由试错来确定最后的形状与尺寸后才能设计制造,如此就要影响板料零件的生产周期和成本。汽车制动阀安装板是一个比较典型的非规则成形件,在要求极短的周期内同时完成其落料模与成形模的设计制造,用初始网格法来确定汽车制动阀安装板的毛坯形状与尺寸,可在较短时间内完成模具生产工作。     

电大尺寸矩形谐振腔耦合场的神经网络预测

以电大尺寸的矩形谐振腔局部点的前后门耦合场的计算,通过神经网络方法实现其他点耦合场的预测,判定矩形谐振腔的电磁敏感点.由于电大尺寸的矩形腔很难通过全波分析或小波分析获得特定条件下的耦合场,而神经网络方法不需考虑内部模型的复杂性便可实现非线性预测,因此将人工神经网络方法应用于电磁预测中可实现矩形腔耦合场的计算.通过电大尺寸矩形腔前后门耦合场实验方案,提取了目标参数,创建了BP神经网络的预测模型.即在平面波照射下,以入射波的功率,极化方向,预测点的位置坐标作为BP网络的输入参数,相应点的功率(电压)作为输出参数,经过适当的训练,建立耦合场的预测模型,并以此模型预测了腔体内探测点的耦合场.预测结果与实测结果相比较显示了该方法的有效性和准确性,为电大金属腔耦合场的计算提供了一种有效的方法.     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。     

板料拉深成形过程中摩擦系数的确定

针对板料拉深成形过程中摩擦系数较难确定的客观情况,提出一种基于人工神经网络的能够快速识别摩擦系数的方法,在概述解析法确定摩擦系数的基础上,建立了识别摩擦系数的人工神经网络模型,用拉深试验机测取的摩擦系数、压边力、拉深力和凸模行程组成样本对其训练,实现了对摩擦系数的快速识别,从而就可以根据摩擦系数的波动,适时调整控制参数,以最佳的工艺参数来完成板料的整个拉深成形过程。实验结果表明,利用人工神经网络能够快速准确地识别出板材拉深成形过程中的摩擦系数。     

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.     

模糊神经网络在压边力智能控制中的应用

应用模糊神经网络专家系统实现了冲压成形过程中压边力的智能化控制，对系统模糊神经网络的构造和模糊神经推理机制进行了详尽的说明，介绍了压边力模糊神经网络和优化控制的设备及实现，并利用其对带凸缘的圆筒件拉深控制规律进行了研究。     

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。     

U型件冲压成形回弹过程的数值模拟及参数优化

以有限元软件ABAQUS为平台,分别运用有限元动力显式和静力隐式方法模拟U型件成形及卸载后的弹性回复过程,分析了压边力、摩擦以及板料厚度对回弹量的影响.以控制回弹为优化目标,结合有限元数值模拟运用基于Pareto策略的非支配排序遗传算法(NSGA-II)对工艺参数进行了优化设计.     

轿车侧框冲压成形过程的仿真与试验分析

用数值仿真与实验分析方法研究轿车侧框的拉延成形过程．根据计算结果，对成形后的厚度变化和变形余裕度以及侧框成形的材料参数进行了讨论．通过仿真计算和实际冲压结果的比较，评价了覆盖件冲压成形仿真建模的合理性和仿真结果的准确性．结果表明，拉延后侧框在几个拐角处应力明显集中，接近局部颈缩，可能在后续工序中出现颈缩甚至破裂；动态仿真技术可准确地分析覆盖件的冲压成形过程．     

基于遗传神经网络的数字化渐进成形回弹预测

针对传统BP神经网络具有易陷入局部极小等缺陷,采用遗传算法(GA)对BP神经网络(初始权值、阈值)进行了优化,将人工智能技术和激光扫描测量技术有机结合,建立了金属板材数字化渐进成形回弹预测的遗传神经网络模型,对计算结果与BP神经网络预测结果进行比较,表明遗传神经网络预测值与实测值之间具有很高的相关性和精确度,该模型可用于预测渐进成形工艺参数与回弹量之间的映射关系,为金属板材数字化渐进成形回弹量的预测开辟了一条新的途径.     

板料成形压边力智能控制技术

为实现对多点变压边力(VBHF)的精确控制,从而保障液压机板料成形生产质量,优化板料成形工艺,提出了实现智能VBHF预测和控制的液压系统.根据模具几何参数、毛坯几何参数、材料性能参数、工艺参数等提出了基于BP神经网络的智能VBHF预测模型.讨论了VBHF液压回路响应特性改善和智能控制技术,采用智能自适应方法实现VBHF比例积分微分控制精度补偿.仿真和实验结果表明该方法能够有效地实现板料成形VBHF的预测及智能控制,为智能多点VBHF液压机的设计提供理论依据.