【作 者】李宇;趙博寧;李國堅

　　【前 言】

　　神經網絡和遺傳算法相結合可以解決很多參數優化類的問題,在機械行業的應用也越來越廣泛. 利用有限元軟件Dynaform 對汽車消聲器連結法蘭盤的圓孔翻邊過程進行模擬分析,影響其成形質量的因素主要有凸模圓角半徑、壓邊力、摩擦系數和凸凹模間隙[１].

　　從理論上建立起成形質量影響因素與試驗結果的對應關系是非常復雜的,準確描述兩者之間關系的數學模型是很難建立的. 在這種情況下,利用人工神經網絡可以逼近非線性函數的特點,首先進行法蘭盤沖壓成形工藝參數對成形結果的預測,再結合遺傳算法尋找最優的沖壓成形工藝參數.

　　利用神經網絡和遺傳算法對法蘭盤沖壓件工藝參數的優化未見報道. 因此,先利用Dynaform 軟件對法蘭盤零件的沖壓成型過程進行數值模擬并記錄相關數據進行研究分析,然后提出一種基于神經網絡與遺傳算法的沖壓成形工藝參數優化方法,最后通過實際的沖壓試驗驗證該尋優方法的可行性.

　　【結 語】

　　使用 Dynaform 軟件,對汽車消聲器連結法蘭盤零件模擬沖壓,獲取２７組試驗數據. 將BP神經網絡反歸一化后的預測值作為適應度函數來找到最優值以及實現最優值的試驗條件為: 壓邊力６８kN ,凸模圓角半徑１２mm,摩擦系數０．１２,凸凹模間隙２．５mm. 經過現場實際沖壓試驗,觀察該零件,成形質量完好,孔口處未見明顯的開裂,說明將神經網絡和遺傳算法相結合優化法蘭盤沖壓成形工藝參數的方法是可行的. 與傳統的試錯法和正交試驗優化參數相比,該算法尋優范圍更大,獲取的最優值也更加準確,提高了企業的生產效率和降低成本.

　　以下是正文：