基于SA-RBF神经网络的冲压成形拉延筋优化

摘要：

为提高神经网络预测精度,利用模拟退火算法对基于k-均值聚类的RBF(radical basis function)神经网络进行了结构优化.首先,以NUMISHEET 02翼子板冲压成形为研究对象,以6条等效拉延筋力作为输队变量,基于Spearman相关分析和拉丁超立方抽样抽取相关性系数较小的数据作为SA-RBF(simulated annealing-RBF)神经网络的训练样本;其次,将训练样本进行Dynaform数值仿真,以起皱缺陷和拉裂缺陷建立的成形质量评价函数为目标函数,通过SA-RBF神经网络建立等效拉延筋力与目标函数间的非线性映射关系;再次,利用NSGA-Ⅱ 算法对其进行求解得到Pareto最前沿,通过灰色关联分析理论确定最佳拉延筋力;第三,利用优化的拉延筋力对翼子板成形进行数值仿真分析,成形极限图结果表明,优化后的成形件起皱显著减少,而巨塑性变形更加均匀,提高了成形质量.

关键词：拉延筋、模拟退火算法、RBF神经网络、NSGA-Ⅱ算法

所属期刊栏目：52

分类号：TG386(金属压力加工)

资助基金：国家色然科学基金资助项目51005193;国家大学生创新创业训练计划项目201710613033

在线出版日期：2017-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：970-976,993