基于正交试验设计神经网络预测扁挤压筒受力状况.pdfVIP

___________________________________________________________________________ 基于正交试验设计神经网络预测扁挤压筒受力状况1 李燕，冯秋红，刘全坤 合肥工业大学材料科学与工程学院（230009） email:hgdly@163.com 摘 要：不同结构尺寸的扁挤压筒在不同工作状态下受力状况不同，按主要影响因素设计正 交试验，用ANSYS 数值模拟得出每组结构尺寸和工作内压力作用下对应的扁挤压筒受力状况 作为训练样本在 Matlab6.5 平台下训练一个BP 神经网络，找出扁挤压筒结构尺寸、工作状 态与受力之间的映射关系，并在结构尺寸合理的范围内随机产生一定的测试样本测试该神经 网络的泛化能力，效果很好。训练好的神经网络可以用来预测扁挤压筒受力情况，减少数值 模拟的工作量，并为后续遗传算法优化扁挤压筒结构尺寸奠定基础。 关键词：扁挤压筒；正交试验设计；Matlab ；神经网络；等效应力 1. 引言 生产加工大型整体壁板主要用与产品有几何相似性的组合式扁挤压筒挤压完成。挤压筒 在高温、高压、高摩擦的恶劣条件下工作，如何提高挤压筒的强度，延长其寿命显得尤为重 要。在设计扁挤压筒时，应准确分析其受力状况，合理分配各层厚度及配合面上的过盈量， 获得最优结构尺寸，充分发挥模具材料的潜力，确保挤压筒的最佳工作性能。 通常，采用理论计算或有限元模拟的方法分析扁挤压筒受力状况。前者，通过保角映射 理论将扁挤压筒内孔型腔映射成单位圆，计算过程相对复杂[1]。后者对于每一个结构尺寸 的些微变化都要重新建立相应的有限元模型进行分析计算，反应较慢。本文借助神经网络的 思想，按影响扁挤压筒受力的主要因素（各层直径、各层过盈量及工作内压）设计正交试验， 用ANASYS有限元模拟得到每组结构尺寸和工作内压力下对应的扁挤压筒受力状况（单纯过 盈装配下的最大等效应力、工作状态下的最大和最小等效应力）作为训练样本，在Matlab6.5 平台下训练一个BP神经网络，找出扁挤压筒结构尺寸、工作状态与受力之间的映射关系， 以便随时根据给定的挤压筒结构尺寸、工作压力快速得出相应的等效应力，并反馈给设计， 从而保证设计的合理性、最优性。 2.分析扁挤压筒受力的影响因素 在用扁挤压筒挤压型材过程中，扁挤压筒通常采用组合结构，其受力状况与工艺参数（挤 压速度、工模具和坯料预热温度等）、模具参数（扁挤压筒的各层厚度、各层过盈量、工作 压力等）和材料参数（弹性模量、泊松比、密度、屈服强度、硬化指数、速度敏感系数、热 传导系数等）有关。其中，工艺参数和坯料的材料性能参数直接影响挤压过程中金属对扁挤 压筒产生的挤压力大小及分布，即工作内压力，所以，对扁挤压筒而言，在内孔型腔和外形 1 1本课题得到高等学校博士学科点专项科研基金（项目编号：20030359002 ）资助 ___________________________________________________________________________中国科技论文在线 尺寸一定的情况下，影响其应力状态的主要因素可归结为各层直径分配、各层过盈量选择及 工作压力分布。 以80MN挤压机上使用的内孔尺寸为670x250mm的三层组合扁挤压筒为例，如图1所示， 图1 三层组合扁挤压筒结构尺寸示意图 为了便于分析，用各层外半径（R1 ，R2 ，R3 ）反映层厚分配，各层相对过盈（a1,a2 ）表示 过盈量选择，用均布内压（p ）简化工作内压分布。扁挤压筒所用材料为H13钢（4Cr5MoSiV1 ）， 挤压过程中，坯料与挤压筒内表面摩擦系数为0.15 ，型腔表面温度为500℃, 中层温度为450 ℃，外层外表面温度为300℃。按文献[2]指出的三层圆挤压筒各层套合理直径比值范围和最 佳过盈量的取值范围类比确定本文研究对象的各参数取值范围，见表1。 表1 三层组合扁挤压筒各参数取值范围 参数名称