优化法在材料成形工艺参数优化中的应用.pdfVIP

学兔兔 第4期(总第185期) 机 械 工 程 与 自动化 NO．4 2014年O8月 MECHANICAL ENGINEERING ＆ AUT0MATION Aug． 文章编号：1672—6413(2014)04—0109—02 优化法在材料成形工艺参数优化中的应用米 孟艳敏 ，刘劲松 (1．佛山广播电视大-9，广东 佛山 528000；2．沈阳理_T-大学，辽宁 沈阳 110159) 摘要：基于均匀设计法、神经网络-9遗传算法，对不锈钢薄壁管材推弯成形工艺进行了参数优化，优化后的 结果具有均匀可靠性、全局优化特性、网络预测推理功能，运用了神经网络的非线性映射，最后得出最优结 果。通过不锈钢薄壁管材推弯成形工艺进行验证，证明该方法高效、可靠，可为实际生产提供有效的优化平台。 关键词：神经网络；遗传算法；均匀设计；参数优化 中图分类号：TP3O1．6 文献标识码：A 0 引言 其中：E为误差向量；A 为网络误差； 是第J个单元 在不锈钢薄壁管材推弯成形工艺中，管材内部需 的权值； 是第i个单元和第J个单元的联接权值。 要填充滚珠防止失稳，压下过程中滚珠对管壁压力、反 推压力、摩擦因数与珠粒直径之间的参数关系难以用 显函数表达，优化设计中存在影响因素多、耗时长、效 率低，难以获得全局最优结果等问题。本文采用将神 经网络、遗传算法和均匀设计法_1 三者结合的方法求 解材料成形工艺中的最佳参数。以不锈钢薄壁管材推 弯成形为例，首先采用均匀设计法建立试验样本，然后 通过有限元模拟获得神经网络的训练样本，经过训练 学习得到稳定的神经网络模型，最后利用遗传算法找 图1 BP神经网络结构模型 出目标值最大的优化参数作为管材推弯工艺参数_2]。 选取样本开始均匀设计 1 神经网络、遗传算法和均匀设计法 1．1 均匀设计法 有限元模拟 均匀设计法具有布点均匀、代表性好、试验次数明 显比其他方法少、试验效益高_3]的特点。从均匀设计 FEM结果提取 法手册 推荐的表中选择适合的表进行试验设计，对 样本归一化处理 于试验范围较大并且因素水平多的试验，效果较好。 1．2 神经网络 训练学习 在此采用误差反向传播的神经网络模型(简称BP 算法)，BP神经网络的训练模型如图1所示，神经网络 神经网络测试 训练流程如图2所示。BP算法可以实现多层前馈神 经网络的训练，训练过程如下： I堡皇 三 丝 ! 型 l (1)初始化设置，在[一1，1]区问内随机选取权值 图2 神经网络训练流程 和阈值的初始值。 (4)计算网络输出的误差状态： (2)输入向量 ( 一1，2，…，m 和期望输aY (q一 E 一“ a 一 一EAJYJ(1 )． (2) z a ，a ¨ ，‘ 1，2，…，k)的值。 (3)计算隐层单元的误差状态： 其中