基于神经网络和粒子群算法的管材弯曲工艺参数优化  

Optimization of process parameters in tube bending based on neural network and particle swarm algorithm

作　　者：贾美慧[1] 王成林[1] 孙卫华[1] 

机构地区：[1]北京物资学院物流学院,北京101149

出　　处：《制造业自动化》2014年第24期109-113,共5页Manufacturing Automation

基　　金：国防基础科研项目(B2220060048);北京市物流系统与技术重点实验室资助项目

摘　　要：针对弯管成形质量受多个工艺参数耦合影响的问题,提出基于神经网络和粒子群算法相结合的工艺参数优化方法。以压模压力、压模助推力、芯轴间隙、芯轴伸出量作为优化对象,以壁厚减薄率、横截面畸变率和起皱值最小为优化目标,通过神经网络构建优化对象和优化目标之间的非线性函数关系,并以此作为粒子群优化算法的适应度函数,实现管材弯曲的多目标工艺参数优化,最后进行了理论分析和实验验证。

关 键 词：管材弯曲 神经网络 粒子群算法 工艺参数优化 

分 类 号：TG355[金属学及工艺—金属压力加工]