基于LM算法的宽板V型自由弯曲参数的实时识别

在弯曲成形智能化控制过程的4个要素中，材料性能参数的实时识别占有极其重要的地位。为提高实时识别的精度和效率，根据宽板V型自由弯曲成形的特点，建立了宽板V型自由弯曲成形智能化控制过程材料性能参数实时识别的LM神经网络模型。训练结果表明，与改进的BP网络模型比较，LM网络模型的收敛精度和收敛速度均有明显的提高，为实现弯曲成形过程的智能化控制奠定了基础。     

轴对称曲面件智能化拉深成形过程的解析定量描述

成形过程的定量描述是板材成形智能化控制中在线识别材料参数和工况参数以及预测最佳工艺参数的理论依据，识别和预测精度取决于定量描述的准确程度。为了实现轴对称曲面件拉深过程的智能化控制，分析了轴对称曲面拉深件的共性特征，建立了完整的力学模型，在直线假设、面积不变假设和似直梁弯曲假设条件下，给出了拉深过程中拉深力－行程曲线的解析定量描述。用三种板材以锥形件拉深为例进行了实验验证。     

帽型件弯曲智能化控制过程的影响因素分析

在板材弯曲成形智能化控制系统中,准确确定实时识别和预测模型的输入、输出参数,是弯曲智能化控制成功与否以及回弹控制精度高低的关键。文章采用LS-DYNA软件,对影响帽型件弯曲智能化回弹控制过程的因素进行了数值分析,并对模拟结果进行了实验验证,得出了影响回弹规律的主要因素,为帽型件弯曲智能化控制神经网络参数识别,及预测模型输入、输出参数的选择提供依据。     

U形件弯曲影响回弹因素模拟分析

板材在弯曲过程中存在的最突出的问题是弯曲回弹难以精确控制.弯曲卸载后产生的回弹,使弯曲件的形状和尺寸与模具工作部分的形状和尺寸不符.弯曲件的最后形状与整个变形过程有关,模具几何参数、材料性能参数等都会对回弹产生很大影响.在板材弯曲成形智能化控制系统中,准确确定实时识别和预测模型的输入、输出参数是弯曲智能化控制的成功与否以及回弹控制精度高低的关键.本文采用Ls-dyna软件,对U形件弯曲影响回弹的因素进行了分析,得出了影响回弹规律的主要因素.为U形件弯曲智能化控制神经网络参数识别及预测模型输入、输出参数的选择提供依据.     

基于神经网络的材料性能参数和摩擦系数的实时识别

在板材拉深成形智能化控制过程中 ,为了避免缺陷的产生 ,必须适时地改变控制工艺参数 ,而最佳控制参数要根据材料的性能参数和摩擦系数来预测。根据拉深成形过程的特点及生产过程中自动化程度的要求 ,建立了材料性能参数和摩擦系数识别的人工神经网络模型。利用神经网络这种新一代信息处理工具实现了材料性能参数和摩擦系数的实时识别 ,为实现板材拉深成形过程的智能化控制奠定了基础     

可控拉深筋对帽形件弯曲回弹的影响规律

以帽形件为研究对象,对基于可控拉深筋技术控制板材的回弹进行研究。建立了帽形件弯曲仿真模型,根据模型分析了不同结构参数对帽形件成形后回弹角的影响,研究得出可控拉深筋各参数对帽形件弯曲回弹的影响规律,并对帽形件弯曲进行了实验研究。实验结果与仿真结果吻合,表明可控拉深筋可有效控制板材的金属流动,控制板材弯曲成形以得到较高的精度。     

轴对称件智能拉深系统中的神经网络参数识别

建立了轴对称拉深件的材料性能参数和摩擦系数实时识别前馈神经网络，采用LM算法优化网络，将参数识别精度提高到一个新水平，为智能化拉深成形的。实时预测和实时控制这两个基本要素提供了前提保证，为实现整个拉深成形过程的智能化控制奠定基础。     

宽板V型自由弯曲智能化控制过程的影响因素分析

在板材成形智能化控制过程中，参数的实时识别及预测是两个最关键的部分。神经网络识别及预测模型输入输出参数的选择，对智能化控制的成功与否以及控制精度高低起着至关重要的作用。本文利用ANSYS软件，通过对宽板V型自由弯曲及卸载过程的有限元数值模拟，研究了影响成形及卸载过程的因素，为宽板V型自由弯曲智能化控制神经网络参数识别及预测模型输入、输出参数的选择提供了依据。     

板材冲压成形摩擦系数实时测量系统设计研究

为了准确的反映板材成形过程中摩擦系数的真实情况,构建板材冲压成形摩擦系数实时测量系统,通过改变凸模圆角半径、凸模拱高和模面曲率半径、拉深筋圆角半径等几何参数,利用有限元软件计算不同模具模面下板材冲压及胀形过程中材料流动的变化情况,得到了材料流动量随各种参数变化的规律曲线,并以此优化设计了板材拉深及胀形模具模面,确定了组合式特征传感器的安装位置,为板材成形摩擦系数实时测量平台的建立提供了指导依据.     

盒形件智能化拉深过程中材料性能参数的识别

智能化拉深过程中材料性能参数实时识别是关键技术之一。盒形件拉深难以用精确的力学模型来描述,文章引入基于LM算法的神经网络模型对材料参数进行识别,并仔细研究了在盒形件拉深过程中的适用性。针对盒形件提出了拉深初期采用恒定压边识别的方案,并采用平均值和去除奇异数据的方法大幅度地减小了识别误差,在该文的样本数据范围内,4种材料性能参数的最大识别误差在2%以内,为实现整个拉深成形过程的智能化控制奠定了基础。     

Analysis on Influence Factors of Real-time Identification of Neural Network in Sheet Intelligent Bending

The scheme of intelligent control system of cap-bending has been advanced in this paper using the neural network technology, based on the prominent problem that bending springback difficult to control accurately during the forming process of cap-bending. The key technology of real-time identification for material performance parameter and friction coefficient was researched, and the back-propagation neural network of real-time identification for material performance parameters and friction coefficient was e...     

一种旋转折弯成形的数值模拟方法及实验验证

旋转折弯成形是板料的一种特殊的自由折弯成形方法,准确预测其回弹误差是控制旋转折弯角精度的前提。鉴于Dynaform软件无法直接实现旋转折弯成形的模拟,在分析Dynaform前处理器所生成的DYN文件的基础上,通过定义旋转动模的惯性张量参考坐标系、惯性张量、旋转坐标轴、自由度和旋转运动曲线等参数值,提出了一种旋转折弯成形的数值模拟方法。通过模拟结果与实验结果的对比,验证了该数值模拟方法的可行性和有效性。该模拟方法为旋转折弯成形的回弹误差预测及回弹控制提供了一种有效途径,对其他类似旋转成形的数值模拟具有一定的实际参考价值。     

宽板U形自由弯曲智能化控制过程的解析定量描述

根据板材弯曲理论,在平面变形假设的前提下,考虑了材料的硬化、各向异性及弹性变形,建立了U形件自由弯曲理论分析模型,对宽板U形件自由弯曲进行了理论分析,得出了弯曲力随弯曲行程变化规律及目标弯曲角计算公式,并对各种影响弯曲力和回弹的因素进行了分析,理论计算与实验及模拟结果进行了比较,为宽板U形件自由弯曲智能化控制中参数识别及预测模型输入层和输出层变量的确定提供了理论依据。     

板料自由弯曲成形及回弹理论解析

对宽板自由弯曲成形及弹复过程进行理论分析,将弯曲过程分为板料未包覆凸模和已包覆凸模两个成形阶段,在每个成形阶段将弯曲板料分为弹性和弹塑性变形区。基于单向应力和小变形假设,分别建立了两个成形阶段的回弹计算模型,导出了任一成形阶段中性层上任一质点卸载前后的转角和弯曲半径数学表达式。基于VC++软件平台,对回弹计算模型进行编程计算,并进行了实验验证,计算结果与实验结果吻合较好,最大误差为0.58°。     

宽板V型自由弯曲智能化控制过程的解析定量描述

板料在弯曲卸载过程中,由于弹性变形回复,从而产生回弹。回弹的结果使弯曲件的精度降低。影响回弹的因素很多,也很复杂。根据弹塑性弯曲理论,在平面变形假设的前提下,考虑了材料的硬化、各向异性及弹性变形,对宽板V型自由弯曲应力应变进行了分析,得到了弹塑性交界处曲率半径,推导出了弯曲力及目标弯曲角随弯曲行程变化的关系式。理论计算与实验及数值模拟结果进行了比较,为宽板V型自由弯曲智能化控制中参数识别及预测模型输入层和输出层变量的确定提供了理论依据。