| 基于NSGA-Ⅱ与RBF神经网络的车身薄板定位布局研究 |
| |
| 引用本文： | 王鹏,徐家川,曹凡,李迪.基于NSGA-Ⅱ与RBF神经网络的车身薄板定位布局研究[J].河北科技大学学报,2019,40(3):189-198. |
| |
| 作者姓名： | 王鹏 徐家川 曹凡 李迪 |
| |
| 作者单位： | 山东理工大学交通与车辆工程学院,山东淄博,255000;山东理工大学交通与车辆工程学院,山东淄博,255000;山东理工大学交通与车辆工程学院,山东淄博,255000;山东理工大学交通与车辆工程学院,山东淄博,255000 |
| |
| 基金项目： | 国家自然科学基金（51505263） |
| |
| 摘 要： | 为了解决车身薄板定位布局设计效率低,装夹易变形的问题,提出了一种基于NSGA-Ⅱ与RBF神经网络的车身薄板定位布局设计方法,以薄板定位时的偏差传递路径最小和稳定性最高为约束条件,应用NSGA-Ⅱ算法优化前3个定位点,在有限元样本的支持下分别构建BP和RBF神经网络预测模型并进行对比,选择预测精度较高的RBF神经网络结果作为个体适应度值。分别应用遗传算法和粒子群算法在RBF神经网络中寻优并对比,选择收敛速度较快和求解精度较高的粒子群算法的求解值作为第4个定位点的最优解。以座椅安装横梁作为模型验证研究内容。结果表明,零件在优化后定位布局下的最大装夹变形仅为优化前最大装夹变形的27%。因此,RBF神经网络可以对薄板装夹变形进行有效预测,研究结果对进一步开展车身焊装夹具设计和机身薄壁件定位布局研究具有参考价值。
|
| 关 键 词： | 车辆工程 车身薄板 定位布局 NSGA-Ⅱ算法 RBF神经网络 |
| 收稿时间： | 2018/12/22 0:00:00 |
| 修稿时间： | 2019/5/27 0:00:00 |
Research on location and layout of auto-body sheet metal based on NSGA-Ⅱ and RBF neural network |
| |
| WANG Peng,XU Jiachuan,CAO Fan and LI Di.Research on location and layout of auto-body sheet metal based on NSGA-Ⅱ and RBF neural network[J].Journal of Hebei University of Science and Technology,2019,40(3):189-198. |
| |
| Authors: | WANG Peng XU Jiachuan CAO Fan and LI Di |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《河北科技大学学报》浏览原始摘要信息 |
| 点击此处可从《河北科技大学学报》下载免费的PDF全文 |
|
