X5214铝合金型材挤压过程的数值模拟

通过采用有限元法与有限体积法相结合,在MSC.SuperForge有限元商业软件上实现了挤压比λ=98.28的X5214铝型材挤压过程的数值模拟;对比了3种不同导流孔形状对型材挤出模口处z向的流速均匀性:获得该型材挤压过程的材料流动速度场、应力场和温度场分布图,并对金属的流动过程进行分析.模拟分析结果表明:对于X5214铝型材,采用对称导流模可获得较佳的流速均匀性.     

列车车体106XC型材挤压过程数值模拟及模具优化

以列车车体106XC型材为例进行挤压模具结构设计;在HyperXtrude10.0软件平台上,采用基于任意拉格朗日-欧拉(ALE)网格描述的有限元方法,实现大断面复杂截面铝型材挤压过程的数值模拟。通过增加模芯处引流孔直径、增大引流槽的斜度、调整二级焊合室的大小和工作带长度等措施,对模具进行结构优化,优化后型材最大变形量明显减小,出口处金属流速得到均衡。研究结果表明:数值模拟结果与生产试模结果吻合良好,表明数值模拟结果能为大型复杂截面铝型材挤压模具结构设计提供有效指导。     

基于混合磨损模型的模具轮廓优化设计

针对成形过程模具的磨损剧烈,模具寿命低的问题,采用混合磨损模型对模具轮廓进行优化设计。以轮毂锻造成形过程中上模芯磨损为例,对上模芯轮廓进行分析,确定待优化的3个设计参数。根据黏着磨损、磨粒磨损及氧化磨损这3个磨损模型建立新磨损计算模型,并通过有限元软件数值模拟获取模具轮廓各处的磨损,以等磨损量作为模具轮廓磨损均匀的评判标准。在此基础上,以有限元软件数值模拟数据作为训练样本,采用BP神经网络建立上模芯轮廓设计参数与模具等磨损量的非线性映射关系。最后,结合训练好的函数映射关系和遗传优化算法,对轮毂锻模的上模芯进行形状优化设计,反求出磨损最均匀状态下的上模芯设计参数。研究结果表明:优化后上模芯等磨损量比优化前减少了29.65%,且最大磨损下降了12.59%,上模芯磨损更均匀且最大磨损量更小。     

铝合金导流模和分流模金属流动成形的数值模拟

建立了铝合金导流模和分流模挤压分析模型,利用有限体积法（FVM）分别对导流模和分流模模具在铝合金挤压过程中坯料的应力分布和速度场分布进行了详细的比较分析,发现坯料应力的分布与工作带高度的设定,出材的流动是否均衡没有直接的联系,而工作带的调节对改善金属的流动有一定的作用。针对型材出口处的金属流动均匀性,提出了一种判定是否能获得稳定合格型材的判断依据。     

基于BP神经网络和SQP算法的轮毂锻模优化设计

针对轮毂锻模的上模芯磨损剧烈的问题,将锻造成形数值模拟、BP神经网络和SQP算法耦合以优化模具的型面,改善上模芯的磨损情况,从而提高模具的寿命。基于MATLAB平台,以等磨损为目标建立优化数学模型,采用3次样条插值曲线描述上模芯成形部位的轮廓形状。结合锻造成形数值模拟和修正的Archard磨损模型得到计算结果并以此训练BP神经网络,建立模具型腔控制点与目标函数之间的映射关系。运用SQP算法对设计变量进行寻优,得到最优的上模芯成型部位的轮廓形状,并对此轮廓的磨损情况进行数值模拟验证。结果表明：优化后成形上模芯磨损量减小且更加均匀,等磨损值下降了38.4%。     

模腔摩擦情况对铝护套连续挤压包覆过程的影响

基于Deform-3D模拟分析铝护套连续包覆成形过程,摩擦因子的增加使模腔内金属流动均匀的区域增加,导流模上下两部金属的流动逐渐均匀,随着模腔摩擦因子增加,金属成形最高温度也降低,而连续挤压包覆的工模具材料都为H13钢,当温度超过600℃时性能急剧下降。因此,腔体与金属坯料间的摩擦因子越低或越高,都不适合连续挤压包覆成形,选择合理的摩擦因子是连续挤压包覆成形的关键因素,分析可知摩擦因子选0.3是较为合适。     

挤压轮转速对铝护套连续挤压包覆过程的影响

基于Deform-3D模拟分析铝护套连续包覆成形过程,挤压轮转速的增加不利于导流模处金属流动的均匀性,随着挤压轮转速的提高,可能会造成模腔的失效,不考虑其它因素下,提高挤压轮的转速有利于连续挤压包覆生产率的提高。综合考虑连续挤压包覆工模具的使用寿命和生产效率的提高,挤压轮的转速为4~6 rpm较为合适。     

BP神经网络和遗传算法用于曲轴填充性能的优化设计

针对曲轴空间分模模具存在的深型腔难填充结构,提出了采用楔形飞边槽结构改善填充性能的方法。基于MATLAB平台,将BP 人工神经网络与遗传算法应用于楔形飞边槽结构参数优化设计。首先利用正交试验设计安排试验样本,对所得的样本进行有限元模拟,获得各方案坯料的最小未填充距离,作为BP神经网络训练的导师信号。再结合遗传算法,以最小未填充距离为目标,得到楔形飞边槽结构的最优参数。最后通过数值模拟验证并比较遗传算法预测结果与数值模拟结果的误差。结果表明,误差在5%以内。将优化参数应用于实际生产,坯料能够完全充满模具型腔     

导流模和分流模金属挤压流动成形的数值模拟

建立了铝合金导流模和分流模挤压分析模型,利用有限体积法(FVM)分别对导流模和分流模模具在铝合金挤压过程中坯料的应力分布和速度场分布进行了比较和分析,发现坯料应力的分布与工作带高度的设定、出材流动是否均衡没有直接的联系,而工作带的调节对改善金属的流动有一定的作用.针对型材出口处的金属流动均匀性,提出了一个判定能否获得稳定合格型材的依据.计算出口型材的标准速度场偏差(SDV),当SDV随时间增加逐渐减少,并且其收敛值小于一个临界值时,认为能够获得稳定合格的型材.     

齿轮闭式锻造新工艺方案的数值模拟研究

齿形充填不满和成形力过高是齿轮闭式锻造典型方案的缺陷。模具几何形状是影响金属塑性流动的主要因素之一,通过改变模具的几何形状可以改变金属的塑性流动。文章通过有限单元法,对3种设计方案进行了二维模拟计算,从数值模拟结果中获得了各方案的应变场和速度场的分布情况,并进行比较分析,得出一种合理可行方案,该方案的坯料沿径向流动速度分布较为均匀;最后,通过三维有限元模拟技术进一步对可行方案进行验证,发现齿轮充填饱满,成形效果较好。     

基于遗传算法的挤压模具型腔形状优化设计

以磨损为目标建立优化数学模型,采用B样条函数插值描述模具型腔轮廓形状,基于有限元和修正的Archard磨损模型计算结果训练BP神经网络,建立模具型腔控制点与目标函数之间的映射关系,计算遗传算法的适应度值,优化模具型腔．研究结果显示：采用本方法得到的模具型腔形状,与锥形模相比,沿其表面最大磨损深度降低了63．9％,磨损深度分布均匀,说明此设计方法可行．     

基于多重优化设计的铝型材挤压工作带模型

建立了有限体积法数值仿真、改进的误差反向传递神经网络和遗传算法相结合的铝型材挤压工作带长度优化模型．将型材截面划分单元，由正交试验法得到单元工作带长度值作为网络训练样本的输入值，模型目标值为变形后质点速度均方差．基于有限体积法的数值仿真技术获得样本目标值，模型的全局优化解由遗传算法求得．最后将优化结果应用于工程实际，取得了满意的效果。     

一种改进人工鱼群算法对BP神经网络的优化研究

针对BP神经网络存在易陷入局部极值的缺陷,提出一种基于改进的人工鱼群算法优化的BP神经网络.先用改进的人工鱼群算法优化BP神经网络的初始权值和阀值,然后再执行BP算法训练BP神经网络的权值和阀值.函数拟合仿真实验表明该优化方法提高了BP神经网络的泛化性能.     

基于遗传算法和BP神经网络的圆柱壳大开孔接管结构优化研究

应用神经网络模拟GB150-2011《压力容器》标准中圆柱壳径向接管开孔结构参数与强度关系,以开孔接管结构用材最省为优化目标,采用遗传算法对圆柱壳大开孔接管结构进行优化设计研究.经神经网络拟合后,标准算图数据信息归一于一个三层的BP网络并应用于遗传算法程序中,与反复查图和有限元优化算法相比,此优化算法更节省设计时间.经验证,优化后的结构符合强度要求,优化结果满足工程设计需要.     

基于GA-PID神经网络的板形模式识别方法

针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.     

多模块构架式空间可展开天线结构参数优化

为降低卫星天线的发射成本,提高天线的展开刚度,以多模块构架式空间可展开天线结构的质量和1阶固有频率为目标函数,基于误差反向传播（BP）神经网络和遗传算法对天线的结构参数进行了优化.运用ANSYS软件对支撑桁架的结构参数进行了数值模拟,得到了与设计变量对应的目标函数值;通过正交试验设计,构建了用于神经网络训练和检验的样本集;按照BP算法的基本思想,调整网络模型的参数,建立了用于优化的预测模型;采用分目标乘除法,将多目标优化问题转变成单目标优化问题;采用遗传算法进行了优化分析,得到了支撑桁架各杆件的设计参数.结果表明：该优化方法在降低天线质量的同时,使结构的刚度得到了提高,为天线的结构设计提供了参考.     

基于遗传神经网络的城镇基准地价评估应用——以广西灌阳县为例

提出了一种融合遗传算法与BP神经网络的城镇基准地价评估模型。该模型以正方形网格作为基本评价单元,以遗传算法优化BP神经网络连接权值,以BP神经网络训练样本数据,实现其他网格地价的模拟与预测。结果表明,遗传算法可以有效增强BP神经网络快速学习网络权值能力和克服收敛速度慢、易陷入局部极小值等问题,BP神经网络的网络训练学习与自适应性符合处于动态变化的土地价格发展要求,呈现出广阔的应用前景。     

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GA-ANN的高速烟支切割支撑装置结构优化

提出了一种基于人工神经网络技术和遗传算法的结构优化设计方法,在ADAMS软件环境中建立高速烟支切割装置的刚柔耦合虚拟样机模型进行仿真,得到64组实验数据构成样本,在MATLAB软件环境中,用BP神经网络构建支撑装置的数学模型,为遗传算法提供适应度函数,通过遗传算法完成最小值优化,得到的结果为原仿真样本中最小值的1/5．