BP神经网络在盒形件坯料外形预测中的应用.pdfVIP

维普资讯 模具技术 1999No．5 15 I ) BP神经网络在盒形件坯料外形预测中的应用 姚 华 陈 军 (海交通大学塑性成形●_系。_-__一l二海2000,30) 仰 占 摘 要 确定坯料外形是拉深件工艺设计中的一项重要工作。本文应用基于 BP算法的 神经 网络能较好处理非线性 问题的特点，建立起能描述工艺参数 (材料参数、几何参数 等)和毛坯外形的映射关系的神经网络模型；结合研究对象的特点，提 出了确定最优网络 结构的方法。计算结果与有限元预测结果进行 了比较。 关键词盒形件毛坯外形预测人工神经网络BP算法网络结构 丰亘朱 Abstract Determination ofblank shapeisan importanttask in deep drawing process．0n accountofthatBP neuralnetworksolvesnonl earproblemswel1． a BP neuralnetwork issetup tomaptherelation between processpraameters (materialparametersandtools’geometryparameters)andblank shape．A me· thodisproposedto design optimum networkra chitecturec0rresp0ndingto the problem inthispaper．Theresultsarecomparedwith thosefrom FEM Keywords blank shape ANN back·propagation algorithm network archi· tectu．re 0 引言 坯料外形 的确定是拉深工艺设计中 。个很重要的问题。合理的毛坯外形不仅可 以减少加工用 料，而且能减少馘至免除后续的修边工序，大大地降低了生产成本。 ’方面，合理的毛坯外形能 改善成形过程 中材料变形，减轻局部变薄 ，因而有利于提高产品质量 。因此，国内外的许多研究工 作都围绕在这个问题 。 盒形件是典型的非对称性拉深件 ，在拉深过程中材料的变形较为复杂 ；另 ‘方 f，在实际生产 过程 中，工件多为非对称形状，因此 以盒形件为研究对象更有实际意义。 确定盒形件毛坯外形的研究方法 ，主要有五类 ：①边界元方法 (BEM)；②有限元 方法 (FEM)；③几何映射法；④平面应变滑移线场分析：⑤ 电模拟法。在上述五类方法中，FEM 法、几 何映射法 、平面应变滑移线场分析法的研究占相当的比重 。 FEM 方法所采用的模型塌为精确，因而结果与实验最为接近。在初始设计阶段，工艺尚未准 备 ．如工序安排、润滑条件、压边力大小、压边圈形状、材料特性等末确定，因而此阶段的FEM 代 码是 类简化的FEM代码 ，用于确定毛坯的合理外形。几何映射法主要利用几何建模技术．从 收稿 口期 1999-0322 姚 华 ：男．1970年生 博士研究生 维普资讯 i6 Dieand M ouldTechnologyNo5 1999 零件 的最终几何形状入手 ，应用金屈扳料存成形前后…积不变 的假设，对零件进行几何展开，最终 获得毛坯的台理外形。在映射过程 中，由于引,X~i(1i积不变的假设，几何映射会 现几何点不重合 (即坯料不连续)的现象 ，需对lf¨积不变假设作 定‘修正，最终根据几何变化计算H=i应变量 ，由此得 到理想毛坯外形。平 fIf应变滑移线场分析法应用滑移线场 (SLF)理论，认为工件法兰部分的板料 处于平嘶应变状态，因而在 定程度上影响了