基于神经网络遗传算法的深腔型零件拉深工艺参数优化

摘要

目的 解决冲压成形中工艺参数优化难的问题.方法 以一种深腔型零件的冲压成形为例.首先,借助灰度关联分析法对有限元中的工艺参数进行分析,获取该零件冲压成形中影响成形质量的2个主要因素——冲压速度和压边力.其次,借助拉丁超立方抽样法对上述2个因素进行随机取样,并借助DYNAFORM软件对其进行逐一模拟.再次,将冲压速度和压边力作为输入,最大减薄作为输出,训练在MATLAB中建立的BP神经网络,并借助遗传算法对其进行寻优.结果 最优成形压边力为1.372 MN,最优加载速度为1.5366 m/s.结论 与神经网络遗传算法预测相比,有限元结果的相对误差小于2％,零件试制结果的相对误差小于6％,该方法有较高的预测精度.