高强度钢板热冲压模具冷却系统多目标优化运行分析-multi - objective optimization operation analysis of cooling system of hot stamping die for high-strength steel plate.docxVIP

摘要本文主要研究通过多目标粒子群算法对热冲压模具冷却系统进行优化设计， 为热冲压模具冷却系统设计提供理论依据。首先介绍了热冲压成形及数值模拟基 本理论和模具与各部位之间的热传递途径。结合有限元模拟理论，建立模拟热冲 压工艺过程的有限元模型。根据有限元模拟结果，通过响应曲面法建立优化目标 函数，并对多目标粒子群算法存在的问题进行改进，提出改进的多目标粒子群算 法(Improved Multi-objective Particle Swarm Optimization Algorithm，IMOPSO)，对 模具的冷却系统进行优化设计。通过研究对丰富高温塑性变形理论和热冲压模具 冷却系统优化设计具有重要的理论意义和实际应用价值。全文主要研究内容及结 论如下：① 基于基本粒子群算法和多目标问题的原理和特点对多目标粒子群算法进 行改进，提出了全局最优位置自适应选取策略，使种群均匀且快速地向当前 Pareto 最优前沿飞行；通过限制外部档案的规模，防止其规模过小时，粒子过于聚集在 某些区域；采用非均匀变异机制，增加种群多样性，防止算法早熟收敛，以提高 算法的收敛性。② 对热冲压模具冷却系统中冷却水管直径、数量和空间排布进行了初步设计。 利用 MSC.Marc 软件建立了模拟热冲压工艺过程的有限元模型，研究了热冲压过 程中模具温度场分布和演变规律，揭示了热冲压过程中高温板料对热冲压模具的 主要热影响区域。③ 在数值模拟结果的基础上利用响应面法建立冷却系统与冷却效率、冷却均 匀性和模具寿命相关的目标模型，通过方差分析和拟合优度检验，验证了响应曲 面模型的有效性，并利用多目标粒子群算法对冷却系统水管直径和空间排布进行 优化设计。④ 建立了 U 形件热冲压工艺实验装置，制定了合理的典型件热冲压试制流程， 利用实验数据，分析了工艺过程中模具表面温度场的分布和演变规律；将实验数 据与模拟结果进行对比，验证了所建模型及相关设计方案的可靠性。关键词：热冲压，粒子群算法，冷却系统，多目标优化，有限元模拟ABSTRACTThe paper mainly studies the optimization of cooling system for hot stamping mold using Multi-objective Particle Swarm Optimization Algorithm, to provide a theoretical basis for the design of hot stamping mold cooling system. First, the basic theory of numerical simulation and hot stamping forming, and the heat transfer path between mold and each parts was introduced. Combined with the finite element theory, a finite element model of hot stamping process was established. According to the result of finite element simulation, the optimization target functions was established by response surface methodology, an Improved Multi-objective Particle Swarm Optimization Algorithm Based on Global Best Adaptive Selection (IMOPSO) is proposed to optimize the design of the mold cooling system. The research results show the important theory significance and practical application value in high temperature plastic deformation theory and hot stamping mold cooling system optimization design. The main research contents and conclusions are as follows:① The position of the best particle of the entire swarm adaptive selection strategyis raised b