基于人工免疫算法和RBF神经网络的板料成形变压边力优化.pdfVIP

2015年 4月 机床与液压 Apr．2015 第43卷 第7期 MACHINETOOL ＆ HYDRAULICS Vo1．43No．7 DOI：10．3969／j．issn．1001—3881．2015．07．002 基于人工免疫算法和 RBF神经网络的板料成形变压边力优化 田银 ，谢延敏 ，孙新强，何育军 (西南交通大学机械工程学院先进设计与制造技术研究所，四川成都 610031) 摘要：针对人工免疫算法有哪些信誉好的足球投注网站时间长、效率低等缺点 ，对其进行了改进 ，使其在保持种群多样性的同时，提高了收敛 速度。为了减少板料成形工艺参数试错时间，运用数值模拟建立近似模型。以方盒件为例 ，利用Dynaform软件仿真获得训 练数据 ，通过人工免疫算法优化 RBF神经网络，获得隐层中心位置和数量，并采用伪逆法确定输出层的权值。利用改进后 的人工免疫算法对该模型进行优化，获得变压边力加载曲线。研究结果表明，采用优化后 的变压变力控制曲线能有效地提 高板料成形质量。 关键词：板料成形 ；免疫算法；RBF神经网络；变压边力 中图分类号 ：TG386 文献标志码：A 文章编号：1001—3881(2015)7-005—5 OptimizationofVariableBlankHoldingForceBasedonArtificial ImmuneAlgorithm andRBFNeuralNetwork TIANYin，XIEYanmin，SUNXinqiang，HEYujun (InstituteofAdvancedDesignandManufacturing，SouthwestJiaotong University，ChengduSichuan610031，China) Abstract：Accordingtothedisadvantagesofartificialimmunealgorithm tose~chforlongtimeandlow efficiency，itwasmade someimprovement，SOastokeepthepopulationdiversity，atthesametimeimprovetheconvergencespeed．Toreducethetrialander． rortimeofsheetmetalformingprocessparameters，numericM simulationwasusedtoestablishtheapproximatemode1．Toboxasanex- ample，softwareDynaformwasusedtoobtainthetrainingdatastoestablishtheRBFneuralnetworkapproximationmode1．RBFneural networkwasoptimizedbytheartificialimmunealgorithm togetthepositionandthenumberofhiddenlayercentrals，andtheoutput layerweightsweredetemr inedbythepseudoinversemethod．Themodelwasoptimizedbyusingartificialimmunealgorithm improvedto obtaintheloadcunreofvariableblankholdingforce．Researchresultsshow thattheoptimizedvariablepressurecunrecaneffectively improvethequalityofsheetmetalforming． Keywords：Sheetmetalforming；Immunealgorithm；RBFneural network；Variableblankholdingforce O 前言