10.3969/j.issn.1009-0134.2014.24.028
基于神经网络和粒子群算法的管材弯曲工艺参数优化
针对弯管成形质量受多个工艺参数耦合影响的问题,提出基于神经网络和粒子群算法相结合的工艺参数优化方法。以压模压力、压模助推力、芯轴间隙、芯轴伸出量作为优化对象,以壁厚减薄率、横截面畸变率和起皱值最小为优化目标,通过神经网络构建优化对象和优化目标之间的非线性函数关系,并以此作为粒子群优化算法的适应度函数,实现管材弯曲的多目标工艺参数优化,最后进行了理论分析和实验验证。
管材弯曲、神经网络、粒子群算法、工艺参数优化
TG355(金属压力加工)
国防基础科研项目B2220060048;北京市物流系统与技术重点实验室资助项目
2015-01-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
109-113,126