基于自适应GA-ANN的拉延筋阻力优化(英文)  

DRAWBEAD RESTRAINING FORCE OPTIMIZATION BASED ON ADAPTIVE GA-ANN

作　　者：黄玉萍[1] 王波[1] 阮锋[1] 

机构地区：[1]华南理工大学机械工程学院,广东广州510641

出　　处：《陕西科技大学学报（自然科学版）》2008年第1期24-29,共6页Journal of Shaanxi University of Science & Technology

基　　金：广东省工业攻关计划项目(编号:2004A11403002)

摘　　要：以某汽车的侧壁板的拉深成形为例,研究了基于神经网络的拉延筋阻力(DBRF)的优化和拉延筋反向设计方法.以反映拉深成形效果的参数最大等效应力、最大等效应变和板厚最大减薄率作为神经网络的输入参数,记为:x1,x2,x3.以拉延过程中不同位置拉延筋的拉延阻力为输出参数,利用Dynaform进行有限元分析,为神经网络提供训练样本,利用训练好的神经网络模型对给定的成形性能指标进行计算,从而获得了优化的拉延筋阻力分布状态,表明根据等效拉延筋阻力的解析模型结合优化算法可以反求拉延筋几何参数.为了克服BP算法训练神经网络具有收敛速度慢和易于陷入局部最优的缺陷,采用遗传算法(GA)训练神经网络,以提高网络计算精度.针对简单遗传算法(SGA)采用固定交叉率和变异率在处理非线性问题时效果不好的缺陷,作者在进行遗传运算时采用自适应交叉率和变异率,组成自适应GA-ANN以提高训练算法的收敛速度和求解精度.有限元仿真实验证明,通过这种方法进行DBRF优化有利于提高板料的成形质量和稳定性,利用该方法获得的设计参数可以对实际设计起到重要的指导作用.Drawbead restraining force（DBRF） is a very important factor to influence the quality of sheet metal forming. In this paper, the technique based on artificial neural network （ANN） was proposed to optimize the DBRF and then to design the drawbeads. For the BP algorithm has the drawback of convergency slowly and easy traped in local optimization, the genetic algorithm（GA）is proposed to training the ANN. In GA computing, the crossover rate and mutation rate are adaptive. The adaptive GA-ANN is more accuracy and convergen fast. The automobile side wall panel was presented to demonstrate the usefulness of the proposed procedure for industrial applications. Verifications of the obtained results have been carried out using finite element simulation to show the effectiveness of the approach.

关 键 词：拉延筋阻力 神经网络 自适应 反向设计 

分 类 号：TG386.32[金属学及工艺—金属压力加工] TP183[自动化与计算机技术—控制理论与控制工程]