基于NSGA-Ⅱ与RBF神经网络的车身薄板定位布局研究

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

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金51505263

在线出版日期：2019-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：189-198