基于RBF神经网络的变压边力优化研究-机械制造及其自动化专业论文.docxVIP

研究生优秀毕业论文  西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西 南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．必威体育官网网址口，在 年解密后适用本授权书； 2．不必威体育官网网址囤／磕用本授权书。 (请在以上方框内打“寸’) 学位论文作者签名： 1司左良 燃：磷髟配 日期：≥口Jrr、—厂 日期：cb心．r、名 万方数据  西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1．对板料成形中压边力的研究现状进行了综述，在充分考虑板料成形拉裂、 起皱和回弹等多目标情况下，采用灰色关联分析的方法对影响板料成形的工艺参 数进行关联分析，验证了压边力的控制对提高板料成形质量的重要性。 2．基于人工免疫算法，将适应度概率与浓度抑制概率相结合，并加入精英 交叉，改进了人工免疫算法有哪些信誉好的足球投注网站性能。将人工免疫算法与RBF神经网络相结合， 建立了一种基于人工免疫算法的RBF神经网络近似模型。 3．利用人工免疫算法和RBF神经网络近似模型，对板料成形中的变压边力 进行了研究。以NUMISHEET标准考题中的方盒和S梁作为研究对象，分别建 立了随行程、时间和位置变化的变压边力与成形质量之间的RBF神经网络近似 模型，采用人工免疫算法对模型进行优化，获得最优压边力。通过与恒定压边成 形进行比较，表明板料成形中采用变压边力能够有效提高成形件的成形质量。 4． 在板料成形中，采用随行程或者随随时间变化的变压边力对成形质量的 改善是一致的，而且在条件允许的情况下，可将其与分块压边成形相结合，较好 的提高板料成形质量，而且成形件所需的最优变压边力在形式上总体呈先增大后 减少。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得 的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经 发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作 了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名： ＼砒艮 日期：≯Ⅸ、S、巧 万方数据  西南交通大学硕士研究生论文 第1页 摘要-■●·■■’、 冲压成形是一项十分重要的零件制造方法，在汽车、飞机等工业领域得到了 广泛的应用，是工业制造领域中的重要组成部分。对于一些形体表面极为复杂的 零部件来说，在生产过程中需要通过调整压边力大小来严格控制板料不同成形阶 段或区域位置的流动，从而减少甚至消除因流动速度差别过大而造成的拉裂、起 皱和回弹等成形缺陷。 在一个新产品的开发过程中，需要通过反复地试模来获得满足生产要求的模 具，其中经常会因人为因素的缘故而造成整个模具的报废，这无形中就增加了制 模成本和周期。将数值模拟和近似模型优化技术应用到板料成形中，不仅可以极 大缩短新产品的开发周期，而且能够准确获得最优工艺参数组合。基于此，本文 结合数值模拟和近似模型优化技术，．对板料成形中压边力进行了如下研究： 首先，在充分考虑板料成形拉裂、起皱和回弹等多目标情况下，采用灰色关 联分析的方法对影响板料成形的工艺参数进行关联分析，获得了各个因子与板料 成形质量的关联度，通过比较关联度，验证了压边力的控制对提高板料成形质量 的重要性。 其次，基于人工免疫算法，在保证种群多样性的同时，为了提高收敛速度， 将适应度概率与浓度抑制概率相结合，并加入精英交叉，改进了人工免疫算法搜 索性能。依据RBF神经网络的基本原理，将人工免疫算法用于RBF神经网络训 练中，获得了较优的中心和宽度参数，建立了一种基于人工免疫算法的RBF神 经网络近似模型。 最后，以NUMISHEET标准考题中的方盒和S梁作为研究对象，以变压边 力作为设计变量，以板料成形后最大增厚、最大减薄为成形质量指标，利用拉丁 超立方进行抽样，使用仿真软件Dynaform进行成形仿真获得训练样本。以人工 免疫算法为RBF神经网络的训练方法，分别建立随行程、时间和位置变化的变 压边力与成形质量之间的近似模型，采用人工免疫算法对该模型进行优化，获得 最优变压边力。通过与恒定压边成形进行比较，表明板料成形中采用变压边力能 够有效提高成形件的成形质量。 关键词：板料成形；变压边力；RBF神经网络；人工免疫算法 木国家自然科学基金资助项目 万方数据  西南交通大学硕士研究生论文 第1I页 Abstract Stamping forming was a very important manufacturing method，and Was