基于归纳学习的挤压锻造模智能优化技术.pdfVIP

维普资讯 40 模《具工业》2005．No．11总297 基于归纳学习的挤压锻造模智能优化技术 尹纪龙，李大永，彭颖红 (上海交通大学，上海 200030) 摘要：分析了基于人工智能中的归纳学习方法，提出了一种针对挤压锻造工艺优化的基于数值仿真归 纳知识的混合优化方法，并通过一个挤压锻造的实例验证了该方法的有效性。 关键词：挤压锻造工艺；归纳学习；优化 中图分类号：TG375．41 文献标识码：B 文章编号：1001—2168(2005)11一OO4O一04 IntelligentOptimization Technology forExtrusion Forging Dieon theBasisofInductiveLearning Abstract：Artificialintelligence-basedinductivelearningmethodwasanalyzed．Compoundoptimization tedll~ ebasedOilnumericalshDu．lationinductionknowledgefortheoptimizationofextl21~onforging techniquewasputforward．An experimentofextursionforgingprovedthistechniquetobevalidand feasible． Keywords：e=jdTu forging technique；inductive learnnig；optimization 1 引 言 如遗传算法或者模拟退火方法由于只需要 目标函数 挤压锻造是中小锻件进行体积成形的主要加 在某点上的取值，而不必求该点处的梯度，虽然能够 工工艺。在该过程中，金属主要存在锻造和挤压 2 处理这种病态问题 ，获得全局优化结果，然而，往往 种变形流动模式，其主要由模具形状所控制。当前 需要的仿真次数还要更多，因此对基于挤压锻造中 数值仿真技术特别是有限元技术获得了广泛的应 的大规模数值仿真的优化问题也是不实际的 2【】。因 用，已成为产品设计的主要验证手段。基于仿真结 此提出一种基于归纳学习的混合智能优化方法，该 果，对模具形状进行优化可以提供最佳设计，一直 方法首先对设计参数进行试验设计，然后基于试验 是企业追求的目标n】。然而，基于梯度的优化算法， 设计的仿真结果进行离散化，以此为参照，自动划分 在进行 自动搜索时需要在搜索的每一步对 目标进 各个设计参量的子空间，然后采用归纳学习的方法 行评价，然后依据评价结果来决定下一个更优的设 从中推导出可以获得最佳结果的参数区间，大大缩 计。由于挤压锻造是一个经历强烈非线性特征的过 减搜索空间，再采用基于梯度优化方法进行搜索，从 程，有限元求解过程中需要采用通过隐式反复迭代 而在有限的仿真次数下获得最优化的模具形状。 才能完成，仿真需要较多时间，这么多的仿真次数 显然是不现实的。而且，基于梯度的优化方法通常 2 基于仿真知识的混合智能优化方法 假设 目标函数和约束函数是连续的、平滑的、处处 基于知识发现的混合智能优化设计方法如图1 有定义的。仿真求解器经常不能满足这些条件，这 所示。锻造模具被设计出来之后，首先确定设计性 就使得该类问题的直接优化难以实现。基于梯度的 能的度量方法，如最小飞边宽度、最小载荷、最大挤 优化方法也容易陷入局部最优。非梯度的优化方法 压高度等，然后识别出设计中影响产品性能的各个