基于灰色理论和GA-BP的拉延筋参数反求

采用灰色关联分析对影响拉延筋阻力的因子进行分析,获得主要的影响因子.利用拉丁超立方试验设计方法对主要因子进行取样,利用DYNAFORM软件对方盒件成形进行仿真,得到样本数据.以成形件中的减薄、增厚和主应变为输入,以拉延筋几何参数为输出,建立拉延筋参数的反求模型.利用遗传算法优化反向传播(Back propagation,BP)网络权值,通过与单纯使用BP进行映射得出的几何参数预测值进行比较,该模型的精度得到很大提高,表明基于遗传算法(Genetic algorithm,GA)优化的BP神经网络的模型能极大提高预测能力.基于GA-BP模型,以拉延筋几何参数为输入,增厚为输出目标,利用训练好的优化权值,获得拉延筋几何参数与成形件增厚的非线性映射关系式,并再次利用遗传算法对其优化,获得最佳的拉延筋几何参数.通过比较优化前后的数值仿真结果,优化后的拉延筋能极大地提高板料成形性能.     

改进的等效拉延筋阻力模型及其应用

提出了一种改进的等效拉延筋阻力模型，采用三维有限元分析方法对客货箱右／左后门柱内板连接板的拉延成形工序进行模具设计和毛坯几何形状的优化。结合改进的等效拉延筋阻力模型，采用非线性约束优化算法对拉延筋结构进行了优化设计。根据有限元分析和优化设计结果进行实冲实验可得到质量良好的覆盖件产品，并且其典型截面的厚度分布与实验结果吻合良好，证明了改进的等效拉延筋阻力模型能准确反映板料通过拉延筋时的摩擦和弯曲阻力。     

基于Kriging插值和回归响应面法的冲压成形参数的优化及对比分析

首先采用拉丁方试验设计方法进行样本数据设计,同时,为了提高计算效率,将基于Kriging插值和响应面近似模型引入板料成形优化设计的复杂系统中,并基于初始化变量进行优化,采用Kriging插值和响应面近似方法对样本点和优化过程中形成的优化点重新进行响应面构造,以确定优化范围内新的初始值并将约束减小到一定范围;随后采用遗传优化算法对更新的设计变量初始值和约束范围进行优化。如此循环,直至得到最优解。计算结果表明,在汽车覆盖件行李箱盖的压边力、拉延筋阻力最优设置以及避免出现拉裂、起皱现象方面,Kriging插值近似建模技术优于多项式回归响应曲面近似建模技术,其预测精度高,自由度高,建模效率高。     

神经网络与遗传算法在拉延筋参数反求中的应用

以某车型前地板角支撑板的拉延工序为例,讨论BP神经网络技术与遗传算法在拉延筋几何参数反求中的综合应用问题,建立能描述反映成形效果的三个参数与半圆形拉延筋几何参数之间非线性映射关系的神经网络模型,并运用遗传算法对神经网络结构进行了优化。提出逐次局部密化样本点的样本点设计方法。该方法有助于加快神经网络的设计进程,提高神经网络的模拟精度。当训练样本数据可通过有限元法自动获得时,使用该方案则更为便利。     

遗传算法在覆盖件拉延筋参数优化中的应用

指出拉延筋几何参数（拉筋高度，拉筋圆角）是影响拉延筋阻力的主要因素。提出在拉延成形中，拉延筋，凹模圆角参数设计需满足拉延筋各几何参数间的约束，筋参数变化约束以及“协同变化”原则，将遗传算法应用于拉延筋几何参数的优化设计，并用实例验证。     

汽车覆盖件成形中拉延筋的设计与数值模拟

汽车覆盖件冲压成形中容易出现未充分变形、起皱、变薄、拉裂等缺陷。为了提高成形质量,通常在模具上设置拉延筋来控制坯料的流动,从而提高成形质量。在有限元模拟仿真中,为了简化网格划分,减少计算时间,通常采用等效拉延筋,因此给出了等效拉延筋的拉延阻力和最小压边力计算模型。使用有限元分析软件Autoform模拟了某汽车覆盖件的拉延成形,并通过改变拉延筋的几何尺寸,改善了拉延成形工艺,缩短了模具的开发周期,降低了设计成本。     

基于响应面法的复杂件回弹有限元模拟优化设计

由于单元多、复杂件的回弹很难预测和控制。基于应变增加降低回弹理论,采用变拉延筋阻力方法,对复杂覆盖件的回弹进行了控制研究。拉延筋阻力的预测,采用二维平面应变有限元法。考虑到拉延筋设计的困难,提出了基于数据挖掘,进行拉延筋反向设计的思想。采用响应面方法对拉延筋阻力进行了优化设计,提出采用未充分变形区的面积作为目标函数,通过响应面模型拟合得到了一个优化的阻力。采用该阻力进行模拟,发现成型件中未充分变形区得到消除,模拟发现回弹大大降低,达到设计要求。     

拉延筋对回弹的影响机理研究

采用拉延筋影响试验、平板拉伸试验,研究了板料过拉延筋后几何参数和材料参数的变化情况,结合翻边回弹试验和回弹一维分析方法,研究了拉延筋对回弹的影响机理。研究表明,板料过拉延筋后板内的残余应力和材料的硬化是影响回弹的关键因素;等效拉延筋模型即使能提供准确的拉延阻力,一般也难以满足精确计算回弹的要求。     

瑞风商务车托架拉延成形数值模拟及工艺参数优化

基于逆向工程建立瑞风商务车托架零件的几何模型,并基于Dynaform软件平台对不同工艺参数下该零件的拉延成形过程进行数值模拟。在此基础上,以压边力、拉延筋高度和拉延筋圆角半径作为设计变量,以零件不发生破裂为优化目标,以有限元数值模拟结果作为虚拟样本,建立目标函数的人工神经网络预测模型;将人工神经网络预测模型作为优化算法的知识源,采用遗传算法对压边力、拉深筋几何参数等工艺参数进行了优化设计。试验结果表明,数值模拟、神经网络预测和工艺优化是可靠的,从而可为制定金属板料最佳的冲压成形工艺提供一条先进、合理的途径。     

基于ANN/GA的汽车覆盖拉延件要领设计专家系统

提出了要领设计的新概念， 即通过该环节为汽车覆盖拉延件成形的有限元模拟提供初始条件， 分析了要领设计的必要性和特点。提出将流入量 （从压料面下进入凹模型腔的局部材料线素长度） 作为衡量局部成形阻力的指标。通过人工神经网络由覆盖件侧壁高度得到局部流入量， 将其添加在拉延件轮廓 （在成品件上添加工艺补充得到） 外侧， 即得初始毛料外形。把拉延筋的设计原则转化为约束条件， 将遗传算法和神经网络用于拉筋及凹模圆角几何参数的优化设计。另外还阐述了特征建模、面向对象知识库的应用。