基于动态GABP模型的板料成形多目标优化及稳健设计

摘要

板料成形被广泛应用于汽车制造、航空制造等领域。板料成形优化中，通过对成形工艺参数、模具尺寸、摩擦条件等进行优化可以显著改善零件成形质量。此外，针对最优工艺条件下零件成形质量波动问题，通过稳健设计可明显降低零件失效概率，提高成形质量稳定性。本文简要叙述了板料成形优化及稳健设计的研究背景，分析回顾了板料成形优化及稳健设计的研究现状。在此基础上，开展了基于动态GABP代理模型的板料成形优化及稳健设计研究。本文的主要研究内容如下： 1、结合试验设计方法、BP神经网络和遗传算法，以最小预测均方误差为目标，对固定网络结构的权值和阈值进行优化设计，构建了 GABP代理模型。在此基础上，为了减少函数评估次数，降低优化成本，提高优化效率，结合拉丁超立方抽样和最大最小距离排序加点准则，提出了 GABP模型的动态更新策略。该策略保证了模型在全局区域和局部最优区域的近似精度逐步提高直至收敛。通过典型数学测试函数验证了GABP代理模型构建方法及其动态更新策略的有效性、高效性。 2、基于动态GABP代理模型方法和灰色关联决策开展了方形盒零件拉深成形质量减薄、起皱的多目标优化设计研究。以压边力、凸模圆角半径、摩擦系数作为设计变量，采用试验设计样本基于有限元响应建立了高成形预测精度的代理模型。运用灰色关联决策方法将多目标优化变换为以灰色关联度为目标的单目标优化问题，构建了方形盒零件拉深成形的多目标优化求解流程。优化结果表明，与传统静态代理模型方法相比，动态 GABP代理模型方法能够减少有限元调用次数，提高优化效率。此外，采用灰色关联决策的多目标处理能够简化优化流程，获得了成形质量减薄、起皱的有效协调解，提高了方形盒的成形质量。 3、为了解决传统最优工艺条件下板料成形质量波动问题，提出了基于 Dual-GABP模型和KS函数的板料成形多目标稳健设计方法。采用拉丁超立方抽样和有限元仿真获取试验样本，建立了成形质量与设计变量的第一重 GABP模型，实现了成形质量的高精度预测。根据设计变量的波动范围，结合Monte Carlo模拟获得成形质量指标的均值和标准差，建立了成形质量指标均值和标准差的第二重GABP模型。引入KS函数处理多目标优化问题，避免了多目标优化权重系数选取困难。方形盒零件拉深成形多目标稳健设计结果表明，减薄指标的标准差降低了41.51%，起皱指标的标准差降低了18.05%。除成形质量指标均值略有增加，标准差均显著降低，说明成形质量波动明显减小，稳健性得到提高。

目录

第1章 绪 论

1.1研究背景及意义

1.2板料成形研究现状

1.3目前研究中存在的问题

1.4本文的研究内容

第2章 板料拉深成形及动态GABP代理模型技术

2.1 引言

2.2 板料成形有限元方法及数值模拟

2.3 GABP网络代理模型

2.4 GABP代理模型动态更新策略

2.5数学测试函数

2.6小结

第3章 方形盒拉深成形多目标优化设计

3.1引言

3.2方形盒成形实验与有限元仿真验证

3.3定义设计参数和成形质量指标

3.4方形盒拉深成形多目标优化

3.5小结

第4章 基于Dual-GABP模型的板料拉深多目标稳健设计

4.1引言

4.2基于Dual-GABP模型的稳健设计方法

4.3方形盒拉深成形多目标稳健设计

4.4小结

第5章 总结与展望

5.1研究总结

5.2展望

参考文献

攻读硕士学位论文期间发表的学术论文

主持或参与的科研项目

致谢

声明