10.13700/j.bh.1001-5965.2015.0493
基于机器学习的管材数控弯曲质量预测
在管材数控(NC)弯曲过程中,可能出现起皱、过度减薄的质量缺陷,同时会不可避免地发生回弹,都将严重影响成形质量.为了对数控弯曲成形质量进行预测,提出了使用有限元模拟与机器学习相结合的方法,并建立了快速的成形质量预测方法.首先,建立了有效的管材数控弯曲的参数化有限元模型,在工艺参数取值范围中随机选择进行大量的模拟实验作为样本,完成学习数据的挖掘.随后,基于径向基函数(RBF)神经网络建立壁厚减薄与回弹程度的预测模型并使用支持向量机(SVM)建立管材起皱的预测模型.最后,使用模型对新的实例进行预测,并利用模拟与数控弯曲实验对预测模型进行验证.该方法可以对大直径薄壁管材数控弯曲质量进行有效的预测,提高弯曲管件零件设计效率.
管材数控(NC)弯曲、起皱、回弹、壁厚减薄、径向基神经网络、支持向量机(SVM)
42
V260.5;TG386.43(航空制造工艺)
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
1691-1697