版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、沖壓成形是一項(xiàng)十分重要的零件制造方法,在汽車、飛機(jī)等工業(yè)領(lǐng)域得到了廣泛的應(yīng)用,是工業(yè)制造領(lǐng)域中的重要組成部分。對(duì)于一些形體表面極為復(fù)雜的零部件來(lái)說(shuō),在生產(chǎn)過(guò)程中需要通過(guò)調(diào)整壓邊力大小來(lái)嚴(yán)格控制板料不同成形階段或區(qū)域位置的流動(dòng),從而減少甚至消除因流動(dòng)速度差別過(guò)大而造成的拉裂、起皺和回彈等成形缺陷。
在一個(gè)新產(chǎn)品的開發(fā)過(guò)程中,需要通過(guò)反復(fù)地試模來(lái)獲得滿足生產(chǎn)要求的模具,其中經(jīng)常會(huì)因人為因素的緣故而造成整個(gè)模具的報(bào)廢,這無(wú)形中就增加
2、了制模成本和周期。將數(shù)值模擬和近似模型優(yōu)化技術(shù)應(yīng)用到板料成形中,不僅可以極大縮短新產(chǎn)品的開發(fā)周期,而且能夠準(zhǔn)確獲得最優(yōu)工藝參數(shù)組合?;诖?,本文結(jié)合數(shù)值模擬和近似模型優(yōu)化技術(shù),對(duì)板料成形中壓邊力進(jìn)行了如下研究:
首先,在充分考慮板料成形拉裂、起皺和回彈等多目標(biāo)情況下,采用灰色關(guān)聯(lián)分析的方法對(duì)影響板料成形的工藝參數(shù)進(jìn)行關(guān)聯(lián)分析,獲得了各個(gè)因子與板料成形質(zhì)量的關(guān)聯(lián)度,通過(guò)比較關(guān)聯(lián)度,驗(yàn)證了壓邊力的控制對(duì)提高板料成形質(zhì)量的重要性。<
3、br> 其次,基于人工免疫算法,在保證種群多樣性的同時(shí),為了提高收斂速度,將適應(yīng)度概率與濃度抑制概率相結(jié)合,并加入精英交叉,改進(jìn)了人工免疫算法搜索性能。依據(jù)RBF神經(jīng)網(wǎng)絡(luò)的基本原理,將人工免疫算法用于RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練中,獲得了較優(yōu)的中心和寬度參數(shù),建立了一種基于人工免疫算法的RBF神經(jīng)網(wǎng)絡(luò)近似模型。
最后,以NUMISHEET標(biāo)準(zhǔn)考題中的方盒和S梁作為研究對(duì)象,以變壓邊力作為設(shè)計(jì)變量,以板料成形后最大增厚、最大減薄為成形質(zhì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 拉深成形變壓邊力神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的板料成形工藝優(yōu)化研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的工業(yè)過(guò)程建模與優(yōu)化研究.pdf
- 基于遺傳優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)聲紋識(shí)別研究.pdf
- 基于差分進(jìn)化算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的期權(quán)定價(jià)研究.pdf
- 基于蟻群算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化算法.pdf
- 基于DW-RBF神經(jīng)網(wǎng)絡(luò)的軸箱結(jié)構(gòu)參數(shù)優(yōu)化研究.pdf
- 基于近似模型的變壓邊力優(yōu)化設(shè)計(jì)研究.pdf
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究.pdf
- 基于rbf神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)研究綜述
- 基于RBF神經(jīng)網(wǎng)絡(luò)入侵檢測(cè)模型的研究.pdf
- 基于LM改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)的研究.pdf
- 基于遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)控制器.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的故障診斷.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的PID整定.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的盲均衡算法.pdf
評(píng)論
0/150
提交評(píng)論