APP下载

基于神经网络和遗传算法的平台的汽车前隔板成形工艺参数优化研究

2020-11-06曹会元

关键词:参数优化遗传算法神经网络

摘 要:基于神经网络和遗传算法的汽车前隔板成形工艺参数多目标优化技术,减少破裂和降低起皱缺陷,为企业提供了最佳技术解决方案。

关键词:前隔板;神经网络;遗传算法;参数优化

0 引言

汽车覆盖件形状千差万别,形状的差别自然造成了冲压工艺的不同。对于汽車覆盖件冲压成形这类变形力复杂,应力应变难以定量计算,在压力机的安装使用下很难控制变形过程。由于工艺参数值多、模具结构复杂、生产设备精度的限制,模具零件加工质量很难得到保证,很难单靠通过经验得到最佳的工艺参数值。在汽车覆盖件优化设计过程中,必须考虑使多个目标在给定条件下均尽可能最佳的优化问题,但这些目标在实际加工生产时是相互矛盾的,即一个目标的改变有可能引起另一个目标的变化,如拉深压边力变化下,材料的缺陷破裂和起皱等问题的矛盾就很难平衡。

1 基于神经网络和遗传算法的汽车覆盖件成形多目标优化设计集成系统的建立

冲压成形数字化分析与优化设计系统是要建立优化问题、通过CAD/CAM进行分析、利用软件建立有限元模型进行冲压成形的数字化研究,在分析大量的结果过程中,对最终优化结果进行分析比对,验证优化结果的有效性。其中多目标遗传算法优化模块更有针对性地解决技术上的问题。根据神经网络模型预测,通过计算获得迭代进化过程中个体的适应度值,采用具有全局收敛性的多种群并行遗传算法,对所要优化的问题采用基于Pareto遗传算法进行多目标优化。

在Pareto方法的平台上的多目标遗传算法,通过求解多个局部目标函数的最终确定最优解,实现了基于CAD/CAM技术的优化系统集成。本文通过试验建立了一个集数字化、人工神经网络和遗传算法于一体的汽车覆盖件优化设计模型,构建模具的成型部件尺寸和加工工艺的参数与优化目标函数值之间的神经网络映射关系,通过模型的建立及变量的设定,个体适应度值的实时快速求解,得到最佳的解体方案。

2 实例验证

本项目以汽车前隔板零件为研究对象,产品三维图如图1所示,零件的表面形状较为复杂且拉延深度较深。但由于其产品深度大,形状公差要求严,所以往往是工艺难点。针对这一特点,工艺上采用了两次拉延,为保证第一次拉延角部不破裂,工艺上采取了拉延前落料的工艺。对于法兰面,拉延后由于进料大,所以不能保证产品要求的平面度,故在拉延筋的同时,在翻边压筋工序上增加了校平工艺。由于法兰边上的筋和孔距离较近,为保证孔变形,所以单独零件上的边孔。零件的材料为冲压钢BLD,其板料厚度为0.8mm。根据其特点初步确定该零件的成形工艺流程为:拉延—切边—冲孔,最后进行翻边和整形。确定了零件的工艺补充面和板料的尺寸后,需要对零件的工艺参数进行优化,成形过程的可控变量选择拉延筋阻尼系数和压边力大小。前隔板有限元模型设计变量分布如图2所示,在零件的分模面的外围设置了一圈拉延筋,由于零件具有近似对称的特点,将a1段的阻尼系数定义为f1,a2和a6的阻尼系数定义为f2,a3和a5的阻尼系数定义为f3,a4的阻尼系数定义为f4,整个试验采用单因素试验来初步确定成形工序中各段拉延筋阻尼系数和压边力大小的范围,其中f1取值范围为[10%—20%],f2取值范围为[10%—15%],f3取值范围为[10%—20%],f4取值范围为[10%—15%],BHF取值范围为[20kN—30kN]。

试验设计法采用中心复合试验,以拉延筋阻尼系数f1、f2、f3、f4和压边力大小BHF作为设计变量,以起皱趋势函数、破裂趋势函数和厚度不均匀函数作为结果响应,建立正交中心试验,得到数据在Dynaform中建立有限元模型,采用MATLAB编写成形性评价指标计算以获取各成形缺陷的具体数值,形成完整的试验设计矩阵。采用基于Pareto集的遗传算法进行约束条件下的多目标参数优化。

在选择解的过程中,采用基于欧式范数的理想点法来确定最优化工艺参数,最终获取优化工艺参数组合结果如下:

3 汽车覆盖件模具整体抬料板设计

抬料板由前到后做成一个整体如图3所示,料带的所有工序都在一块抬料板上送料,送料平稳,结构简单。但设计时,要注意整体抬料板结构会增加模具一定的加工和物料成本,还会增加模具宽度,设计结构简单,在保证送料稳定情况下,也减少后期改模成本,故综合考虑。设计时抬料板尽可能减少避空,整体式抬料板通常自制导向装置,这样在实际生产过程中更快捷、高效。

4 结束语

将优化后的最优工艺参数组合试验结果应用到企业实际生产中,对其外观检测发现破裂缺陷已经完全消除,零件成形性好,完全满足实际工厂的生产要求。

参考文献:

[1]柳玉起.汽车覆盖件冲压成形CAE最新技术[J].中国车身制造与装备技术交流,2009.

[2]刘林强.油底壳整体拉深成形中的破裂现象研究[J].汽车工艺与材料,2004.

[3]段来根.多工位级进模与冲压自动化[M].机械工业出版社,2012.

[4]刘长荣.基于UG系统汽车覆盖件拉延模具设计的研究[J].拖拉机与农用运输车,2007.

本课题为2018年东莞职业技术学院科研基金资助项目,项目编号:2018a09

作者简介:曹会元(1972-),男,辽宁抚顺人,本科,副教授,主要从事模具设计与制造方面教学研究工作。

猜你喜欢

参数优化遗传算法神经网络
基于人工智能LSTM循环神经网络的学习成绩预测
基于图像处理与卷积神经网络的零件识别
基于自适应神经网络的电网稳定性预测
基于遗传算法对广义神经网络的优化
基于遗传算法对广义神经网络的优化
基于遗传算法的临床路径模式提取的应用研究
基于遗传算法的临床路径模式提取的应用研究
遗传算法在校园听力考试广播系统施工优化中的应用
物流配送车辆路径的免疫遗传算法探讨
三次样条和二次删除相辅助的WASD神经网络与日本人口预测