胡溧[1]2003年在《基于神经网络的板料折弯成形有限元分析研究》文中认为传统上采用样品试制的方式进行折弯加工。由于这种办法需要对板料进行多次试验性加工以获取加工参数，有费用偏高，试制周期长等诸多弊端，而且对于新产品的开发有很大的限制。为了实现柔性生产和加工参数的智能化控制，提出了利用人工神经网络控制板料折弯成形加工参数的设想。 基于神经网络的板料折弯成形有限元分析研究是一个典型的多学科交叉领域，它涉及机械加工中的板料加工成形、有限元分析建模、人工神经网络控制等相关技术。这种参数控制的方法极大的简化了生产加工的过程，节约了加工生产的费用，以及缩短了产品开发研制的周期，具有很大的经济效益和广阔的应用前景。同时也为新的科学技术应用于传统的机械生产加工开辟了一个全新的领域。 针对当前计算机技术的广泛应用和各种软件功能的迅猛发展，本文成功的将计算机仿真技术和辅助制造技术应用于生产参数的控制，研究了有限元模拟生产加工和神经网络模拟人脑思考，实现了加工参数的智能化控制的功能。 本文介绍了板料折弯成形的一些基本理论，特别是单次折弯成形。在分析金属成形过程中，采用有限元法分析金属成形问题，应用了计算机仿真软件ANSYS进行有限元建模，对轴对称和平面应变条件下的金属冲压成形过程板料与模具应力场、应变场(包括弹性与塑性应变)、金属的成形过程以及模具的受力及失效原因等进行详细的叁维动态模拟，建立了板料加工成形的有限元模型，而且通过实践证明这个模型的有效性和准确性。 利用已经建立的有限元模型，取代实际的加工试验来获取加工的样本数据，其中还应用正交试验设计来得到了充分的数据信息，简化了数据处理过程。 对人工神经网络进行了初步的研究，特别是对BP神经网络进行了深入的研究。应用神经网络技术，并利用已经获取的加工样本数据，建立起工艺参数与折弯角之间的人工神经网络模型。通过这个神经网络模型，输入备选的加工参数，可以迅速的得到的加工结果；再通过预测值与期望值的比较，为参数选择的调整提供有效快捷的指导。 最后，对所建立的模型的应用进行了简要的说明，指明了模型的实践用途和实际意义。 应用这种预测模型，避免了加工过程中工艺参数的获取需要的对大量的原材料进行很多次的反复试验，而造成的大量的人力物力资源的浪费，生产成本的倍增。从而提高了生产效率，节约了生产成本，创造了可观的经济效益和社会效益。
付泽民[2]2010年在《高强度金属板多道次渐进折弯成形及回弹研究》文中认为板料折弯是一种重要的成形方法。单一道次的折弯只适合简单型面工件的成形,对高强度大型复杂工件难于通过单道折弯加工而成。需采用多工步逐道渐进折弯成形的方法,该方法是一种柔性的板料成形工艺。它把工件复杂型面逐道离散化,将工件型面复杂的几何信息转换成一系列单一道次的折弯参数,通过计算机数字控制每一道次的板料进给量和凸模下压位移参数来渐进成形高精度工件。这种工艺尤其适合大型起重机的吊臂,水泥泵车伸缩折迭承载臂、石油天然气压力管道、桥梁臂、船体型线外板等中小批量新产品的开发,可以大大缩短产品开发周期、降低生产成本。板料的渐进折弯成形是弹-塑性变形的一种方式,不可避免的存在回弹现象。回弹的存在将降低零件的几何精度、影响后续的装配、增加试修模以及成形后校形的工作量,延长了产品的开发周期,制约着渐进折弯成形的进一步推广和应用,尤其是对用高强度高回弹钢板成形大型工件的应用。渐进折弯成形回弹问题是一个十分复杂的问题,影响因素很多且相互耦合,表现出高度的非线性。这些使得对板料折弯的回弹预测、回弹建模及回弹修正的研究不易深入,对涉及回弹要素的大型工件渐进折弯成形工艺及回弹翘曲变形分析的研究报导更是鲜见。因此探索渐进折弯成形工艺,研究有效的回弹预测、建模与补偿方法,提高渐进折弯成形工件的形位精度及消除工件的翘曲变形,是板材渐进折弯成形领域迫切需要解决的难题。本文针对高强度板料折弯成形的特点,在正交试验的基础上,以人工神经网络技术为研究手段,建立了回弹预测模型,并引入遗传算法对BP神经网络权值和阈值进行优化,有效避免了BP神经网络易陷入局部极小收敛性而得到全局最优解。相比基于遗传神经网络的回弹预测模型具有更高的预测精度和稳定性。以量纲分析方法建立了回弹数学模型,引入了物理定律的量纲齐次原则和用于量纲分析建模的Buckingham pi定理,推导出含各物理变量的计算公式,定量求解了折弯回弹与模具参数、板材参数之间的非线性关系。以离线闭环成形控制技术建立了回弹优化修正模型。将自动控制理论中反馈控制思想引入多道次渐进折弯成形,提出一种基于傅立叶结合小波变换的离线闭环控制迭代算法,进行折弯凸模型面修正,实现回弹误差的精确补偿。上述叁个模型结合数值模拟技术为实际生产中解决多道次渐进折弯成形工艺、折弯模具设计、回弹、翘曲变形等问题提供了一条新的途径。本文基于板材成形弹塑性本构模型,提出Hill各向异性屈服准则、Swift硬化准则、平面应变假设条件下高强度钢板折弯成形的理论问题；推导了板料折弯时应力应变的弹塑性本构方程；建立了用于渐进折弯成形数值模拟的ABAQUS叁维弹塑性有限元模型；解决了成形工艺中板料进给、凹模开口、凸模位移加载等关键技术。利用适合动态和非线性分析的ABAQUS/Explicit显式模块模拟板料成形过程,适合静态和稳态分析的ABAQUS/Standard隐式模块模拟板料的回弹过程。并将其应用于一大型半椭圆形工件逐道成形与逐道回弹的数值模拟,包括成形工艺模拟及翘曲缺陷模拟。该方法不仅能获得优化的折弯模具参数与最佳的成形工艺参数,还揭示了板材属性整体不均及折弯力冲压所致的折弯机床身非均匀变形是引起工件扭曲错位、翘曲变形的主要原因。本文将数值模拟技术与回弹预测、数学、修正叁模型相结合,应用于高强度大型半椭圆U形工件的渐进折弯成形加工,工程应用结果表明,该方法对优化折弯模具参数与成形工艺参数、提高高强度工件的成形精度及消除工件翘曲变形缺陷等均获得满意的效果。
李亨[3]2012年在《提高大型数控折弯成形精度的关键技术研究》文中研究指明高速铁路、工程机械等装备制造业的发展使得金属构件趋于大型精密化,提高大型数控折弯件的成形精度和折弯模关键零件的精度指标具有重大意义。本文围绕影响大型数控折弯成形精度的若干关键技术问题,开展精密折弯的实用化研究。对大型数控折弯机滑块和工作台受载时的挠度变形及加凸补偿技术进行研究。应用Timoshenko梁理论建立折弯加载解析模型,考虑形状、尺寸、惯距等因素对折弯精度的影响,推导得出折弯机滑块与工作台的变形规律为长度方向各点处的挠度与载荷成正比；挠度变形曲线是一元四次方程。折弯机的变形使得大型折弯件全长方向上的角度无法保证一致性,本文分别从几何式、液压式和机械式叁方面研究折弯机的变形补偿技术,提出多组不同角度楔块相互配合的同步补偿思路,利用数值模拟及实测方法获得的准确挠度补偿数据,开发了一种新型机械式挠度补偿装置,实现了折弯整体挠度补偿自动化。实验发现未采用补偿装置的3m长折弯件端部与中间的直线度差值为1.28mm,角度由中间向两端逐渐增大,偏差达到士1。；而采用补偿装置后的折弯件直线度控制在0.30mmm之内,角度偏差控制在士25’范围内。高于国标I级精度标准。研究了关键工艺参数对大型折弯角度的影响,开发了一种新型开口可调式下模,实现了模具开口“无级”调节。以工程常用的8mm厚低碳高强钢板折弯为例,采用数值模拟方法研究下模开口大小、下模入口处圆角半径、上模圆弧半径和上模压下量四个关键参数对折弯过程中的应力、应变和回弹后残余应力分布的影响,发现随着上模压下量的增加,回弹角逐渐减小,减小趋势趋于平缓。结合正交试验方法和数值模拟技术建立25组不同参数的试验,采用直观和极差方法分析四个关键参数对折弯角度的影响顺序为上模弧面半径>上模压下量>下模圆角半径>下模开口。在正交试验的基础上通过响应面法计算得到折弯角度预测模型,借助Delphi平台开发折弯角度快速预测模块。结合免疫算法和模拟退火算法优点编制程序,以关键参数作为待优化变量,以折弯角度与目标角度的偏差最小值为优化目标,对采用插块式可调下模的折弯成形工艺进行优化,比较模拟预测和试验结果可知两者具有较好的一致性。为使下模开口达到可调范围内的任意大小,开发了一种新型开口可调式折弯下模,通过系列传动零件配合实现模具开口“无级”调节,扩大了折弯件加工范围。针对现有热处理工艺的不足进行了改进,采用等效热容法处理材料相变潜热,对折弯模镶条淬火冷却过程进行了数值模拟及试验研究,解决了折弯模关键零件镶条的淬火硬度均匀性问题和淬火后变形导致的孔距变化问题。研究发现镶条横截面的温度场分布由两表面交接处至心部呈递进式梯度变化,在镶条进入淬火液后0-15s之间,表面换热边界条件对温度场分布起主导作用,导致镶条表面与心部温差很大,最大值为256.29℃。在15-60s之间,内部的热传导逐步取代表面换热边界条件对温度场分布起主导作用,镶条表面的冷却速度小于内部的冷却速度。在65s左右时发生马氏体转变释放潜热,使得冷却速度有较大幅度降低。试验发现镶条表面整体硬度稳定在57±2HRC,硬度均匀性比原有工艺的57±4HRC有所提高。淬火后镶条伸长0.52mmm,其中两端孔距增加0.42mmm,对于一体化的长尺寸镶条,钻孔时对孔间距需考虑“放量”。拟合试验数据获得线性公式△x1=3.885x10-4x+0.1057(0<x≤4000),用于一般精度要求的放量计算；二次多项式△x2=-3.819×10-7x2+5.281×10--4x+0.0996(0<x≤4000)用于精度要求较高的放量计算。本文的研究成果,可以为高精度大型折弯件生产提供技术支持；设计发明的新型机械式挠度补偿装置和开口自动可调下模,已成功应用于实际生产。
徐天发, 陈作炳, 胡溧, 叶泽刚, 易振民[4]2004年在《C形管筒折弯成形预测模型研究》文中进行了进一步梳理将人工神经网络理论应用于板料折弯成形工艺的研究 ,采用正交试验原理进行样本数据设计 ,在试验和有限元分析基础上获取样本试验数据 ,建立板料折弯成形中上下模半径、下模开口、板料厚度、折弯力工艺参数与折弯角之间的人工神经网络数学模型。该模型的建立为板料折弯成形这种多变量、非线性系统问题的解决提供了一个有效的工具。
赵晓乐[5]2014年在《大尺寸U形截面梁弯曲成形工艺的有限元模拟》文中研究指明采用高强钢板的大尺寸U形截面梁在成形时易产生较大的回弹、翘曲以及旁弯等缺陷，而高精度的尺寸要求更会增加其加工难度。本文提出了叁种不同的大尺寸U形截面梁弯曲成形工艺，均可通过一道次折弯加工得到满足要求的工件。利用ABAQUS软件模拟成形过程，通过试算分析，归纳出适合于一道次折弯成形高强钢U形件的模具结构、下压行程、侧推行程等工艺参数，获得较高的成形精度。根据有限元仿真结果，分析了叁种不同工艺的成形载荷、回弹后板料轮廓的形状分布以及板料的应力应变分布情况，在此基础上对工艺进行了优化与改进。由于采用了高强钢板，板料在成形时会产生较大的回弹，这会极大地影响模具的开发和工件的成形精度。板材的弯曲回弹是一个复杂的问题，其影响因素多且相耦合，存在着高度的非线性。本文根据U形截面梁弯曲成形的特点，设计了一组基于有限元模拟的正交试验，通过极差分析确定了板料回弹半径的影响因素，按其影响大小依次为凸模半径Rd，材料参数σs/E和板材厚度。在此基础上通过回归分析得到了板料回弹半径的数学模型，并验证了此模型的准确性。当板料的回弹程度很大时，此模型的准确性较差。采用BP神经网络来研究回弹半径，预测误差均小于5%，能够较准确地预测U形截面梁弯曲成形的回弹半径。
陈蔚[6]2015年在《大尺度曲面板材零件渐进双曲折弯成形的数值模拟》文中进行了进一步梳理本文探讨了大尺度曲面板材成形的一种新的渐进折弯的整体冷成形加工方法。相对于传统的水火弯板成形,提高了生产效率,并且可以改善工人的工作环境,提高工艺的合理性与经济性。首先通过拉伸实验测定高强度金属板WELDOX900的弹塑性材料力学参数并导入到有限元分析软件之中。利用ABAQUS里固有的本构模型和单元,构建大幅面钢板渐进双曲折弯成形的叁维弹塑性有限元模型。通过有限元数值模拟对比渐进折弯中的关键因素,包括凹凸模半径、凹模开口、凸模进给量对折弯以及回弹的影响,在此基础上优化了凸凹模渐进折弯大尺度曲面板材的成形工艺参数。本文通过理论推导和有限元模拟分析,确定了凸凹模半径及工件成形的几何规划。并通过有限元模拟取得了较好的成形效果,最后通过实验验证了模拟以及工艺规划的有效性及可行性。对于模拟中碰到的起皱缺陷问题,进行了理论上的分析探讨和模拟研究,并且通过改变关键工艺参数消除了起皱的缺陷,对于加工过程具有实际指导意义。通过有限元模拟大尺度等曲率鞍形面和帆形面板料成形的折弯过程,得出的折弯规律,有助于今后进一步研究复杂曲面的成形过程。
郭哲锋[7]2017年在《薄板的折弯回弹及拉深成形预测模型的研究》文中进行了进一步梳理折弯和拉深是钣金成形领域中应用较为广泛的加工方法,非常适合进行大批量零件的生产。为了避免在进行大批量零件生产时出现大范围的零件加工缺陷,需要对折弯和拉深成形工艺进行深入的研究。本文以折弯和拉深成形为研究对象,对折弯板材参数的反求、折弯回弹的预测、杯形件二次拉深的应力分析及杯形件成形质量的预测等进行了研究,并开发了适用于数控设备集成应用的钣金成形预测系统。本文为数控折弯和成形设备提供了必要的算法和技术上的支持,对于相关产品的开发具有重要意义。联合径向基函数法和粒子群优化算法,开发了一种动态近似优化模型。其相对于静态近似优化方法具有计算量小和计算精度高的优点。将其作为优化算法,以折弯回弹的实验数据为基准,联合折弯回弹的有限元模拟结果,以实验和模拟结果之间偏差最小为优化目标,对B340LA钢板的塑性参数进行了反求,反求的参数通过与真实的材料参数进行对比,显示出较高的反求精度。本文通过折弯实验数据对材料参数进行反求的方法,为获取材料的塑性参数提供了一种高效而简单的实现方式。对折弯回弹补偿算法进行了研究,目的是为了获取类似于DELEM系统的折弯角预测模型。通过一系列的公式推导和整理,获得了较为实用的回弹折弯角计算模型,由于在推导的过程中假设较多,而且引入了经验公式项,使得计算模型与DELEM系统之间偏差较大。因此,以DELEM系统的测试数据为基准,对计算模型经验公式中的相关参数进行了反求,根据反求参数的曲线表现形式,给出了与其相对应的参数计算公式,并将其带入原计算公式进行替换,如此即对原计算模型进行了改进。改进后的计算模型基本达到了 DELEM系统的精度水平。考虑到误差反馈神经网络(BPNN)具有较强的数据拟合能力,联合平滑的样条曲线函数(Spline),开发了折弯回弹BPNN-Spline预测模型。以精确的有限元模拟结果为基准,应用正交试验方法,建立了 BPNN的训练样本集,最终获得了精确的BPNN-Spline预测模型。其相对于传统的BPNN模型具有两大优势:较易获得精确的BPNN训练结果和折弯角与上模下行位移之间单调递减的关系比较容易保证。通过对长度比例缩放系数的影响分析,得到了折弯角与长度比例缩放系数无关的结论,由此将BPNN-Spline模型的应用范围进行了扩展,BPNN-Spline模型具有了较强的通用性。BPNN-Spline模型对于各种工况下的折弯都表现出较高的预测精度。考虑到二次拉深成形理论方面成果严重匮乏的研究现状,本文对杯形件二次拉深时的应力变化情况进行了分析和讨论,获得了面内径向应力随凸模拉深行程变化的分析计算模型。以此为基础,获得了凸模拉力的计算公式。分别通过有限元模拟和实验的方法,对其计算精度进行了检验,分析模型显示出较高的计算精度,仅在某些特殊的位置出现了偏差较大的情况。这是由于分析模型考虑的较为理想化,与二次拉深成形不完全一致所致。通过成形参数的影响分析可以发现,减小板料的初始半径,增大杯形件直壁半径、压边圈圆角半径和凹模圆角半径都能够减小最大凸模作用力。为了在不同的材料和尺寸条件下,快速准确的预测杯形件的成形质量,联合BPNN和Spline开发了用于杯形件成形质量预测的BPNN-Spline模型。其具有较强的通用性、较高的预测精度和较快的计算速度,非常适合作为一种控制算法应用于数控设备当中。通过与各种拉深工况下的有限元模拟和实验测试实例的对比,预测模型都显示出较高的预测精度。以杯形件成形质量BPNN-Spline预测模型作为求解器植入遗传算法,开发了用于杯形件成形参数优化求解的优化模型,并通过优化实例对其进行了测试,优化模型显示出较高的优化效率和优化精度。为了方便用户应用本文的折弯和拉深成形预测模型,开发了钣金成形的预测系统。当前版本的系统能够实现对折弯角的预测、杯形件成形质量的预测和杯形件成形参数的优化等功能。系统通过调用MATLAB函数程序实现预测计算功能,应用界面和计算内核相互分离,有利于系统后期的维护。钣金成形预测系统对于提升相关企业的生产效率和技术水平都有积极意义。
武锐[8]2011年在《折弯机机械补偿及结构优化技术研究》文中认为板料折弯机是一种使用广泛的压力机床。使用较简单的通用模具即可完成对板料不同角度的弯曲成型。在配备相应的工艺设备的条件下,还可完成拉伸、冲孔、冲槽、压波纹等工艺。随着计算机技术、计算力学特别是有限元理论的发展,利用现代设计方法对折弯机进行设计研究成为可能。本文以某型号100t折弯机为研究对象,以解决在折弯机加工中出现的板料折弯精度差的问题为目的,深入发掘引起此问题的原因,了解解决此问题的各种方法并着重对机械补偿方式进行深入的研究。其主要研究内容如下：1.依据弹性力学理论,深入分析引起折弯机折弯精度差的主要原因。在此基础上,了解并研究各种解决此问题的方法。2.对比分析了各种挠度补偿措施的优缺点后,选用机械补偿方式作为解决折弯机挠度变形的方法。提出并设计制造了一种全新结构机械式楔块补偿器,并在拉伸试验机上对楔块补偿器和矩形板组成的模型进行了实际测试,在此基础上验证有限元方法在解决此问题上的可行性。3.通过用测试数据修正得到正确有限元模型的基础上,以大型通用有限元软件ABAQUS作为分析平台,对折弯机进行整机参数化建模并进行线性静态分析,得到折弯机各部件的强度及刚度。4.在不影响折弯机折弯性能的基础上,应用基于有限元的结构优化理论对折弯机各部件的强度及刚度进行结构优化,得到折弯机整机的最优结构。5.在参数化建模和有限元仿真计算的基础上,对基于折弯机整机的机械式楔形补偿器的结构形式及尺寸进行了设计。在此基础上,以有限元仿真的方式检验折弯机挠度补偿前后模具之间压力均匀性的变化。
马家鑫[9]2011年在《大型平板类冲压件非均匀局部变形诱发翘曲回弹的预测与控制方法研究》文中研究指明大型平板类冲压件作为底板、基体类零件在家用电器等工业中应用十分广泛,这类冲压件常包含许多非均匀分布的局部成形特征。对于复杂的大型平板类冲压件,由于非均匀局部变形,会出现严重的翘曲回弹现象,影响到产品的外观和质量。对于回弹现象,虽然近年来国内外学者在提高回弹预测精度和回弹控制方面做了大量的工作,但对于大型平板类冲压件的翘曲回弹仍难准确预测和控制,目前还没有一个较为成熟的评价冲压件整体翘曲回弹的指标,关于翘曲回弹控制的研究也较少。针对非均匀局部变形诱发的翘曲回弹现象,本文基于某液晶电视模座背板,分析总结了非均匀局部变形诱发翘曲回弹的力学机理,建立两种能反映非均匀局部变形诱发翘曲回弹现象的近似模型,以有限元软件LS-DYNA为平台,综合运用动力显式和静力隐式有限元方法对实际零件和近似模型进行了拉深成形和回弹过程的模拟,回弹模拟过程采用垂直悬挂约束。结果表明,实际零件回弹量的数值模拟结果较实际测量值偏高,但整体翘曲回弹的分布、变化趋势与实际测量结果基本一致。基于上述成形和回弹模拟的有限元模型,本文提出了平板平整度的概念,并将其作为评价大型平板类冲压件翘曲回弹的指标,利用该指标,分析了压边力大小、摩擦系数、凸凹模间隙对于翘曲回弹的影响,研究发现,翘曲回弹量随着压边力大小和摩擦系数的增加而减小;凸凹模间隙对翘曲回弹的影响无单调性,凸凹模间隙对于翘曲回弹无明显抑制作用。研究结果可以为大型平板类冲压成形翘曲回弹的控制提供指导。基于建立的翘曲回弹近似模型,采用变压边力技术进行了翘曲回弹控制方法的研究。文中分别在十种变压边力加载曲线和局部变压边力条件下,进行回弹控制数值模拟。结论认为,压边力加载曲线为渐增、峰形和成形最后阶段加大压边力型模式均能有效减小回弹;将板料有成形特征的区域同无成形特征的区域分块压边,增大有成形特征区域的压边力能有效抑制翘曲回弹。研究结果可以为变压边力翘曲回弹控制技术的研究提供新的思路。同时,本文采用成形特征反压的方法对翘曲回弹的控制进行研究。总结了成形特征反压的叁种类型,分析了成形特征反压的叁种不同反压类型以及反压量对于翘曲回弹的影响规律,选取较优的反压量和反压类型,对翘曲回弹进行控制。分析了板料折弯对于翘曲回弹的控制作用,通过数值模拟,研究了折弯半径和折弯高度对于翘曲回弹的影响,研究发现,翘曲回弹量随着折弯半径的增加而增大,根据板料上成形特征分布区域设定不同的折弯高度,增加成形特征分布较多的边部的折弯高度,能有效抑制回弹。研究结果为企业实际翘曲回弹的控制提供了技术支持。
曹志勇[10]2017年在《建模与优化中的特征变量降维与元模型技术研究》文中提出工程中的建模问题,例如大尺寸U型折弯件的弯曲回弹模型,齿轮坯预锻件模型,氧化石墨烯复合有机涂层厚度模型的构建及优化是一些非常复杂的问题。这些模型都呈现出一些共性问题,即特征变量较多且模型具有高度复杂的非线性特性,其无法通过简单的函数模型来描述。实际工程中往往应用反复试错的经验法或有限元(FEM)法来模拟计算这些工程模型,尽管计算机性能日新月异,但是复杂模型的FEM计算仿真分析仍然非常耗时。因此,在实际工程中,如何采用一种通用的解决办法,即用近似(压缩)模型来替代这种耗时昂贵的仿真模拟就显得非常必要。元模型方法通过构造近似简化模型以代替复杂昂贵的仿真目标模型,在工业界得到了普遍应用。但是,传统的元模型构建方法大多是基于梯度的数学解析方法,其时间成本仍然较高。元模型技术的最新发展主要体现在与机器学习方法的融合上,而到目前为止,鲜有将特征变量降维和元模型技术进行有效结合的研究。因此,本研究主要通过特征变量降维技术来构建并优化极限学习机(ELM)、BP神经元网络(BPNN)和支持向量机(SVM)/支持向量回归回归(SVR)等机器学习元模型,在尽可能保证目标模型精度的情况下,使计算迭代时间得到了大大减少。高斯过程隐变量模型(GPLVM)是一种非常有潜力的特征变量降维技术,但是由于该模型只考虑到观察样本本身而没有考虑到样本的回归约束条件,其泛化能力在实际应用中显得不足。鉴于此,我们提出了一种改进的回归约束-高斯过程隐变量模型(R-GPLVM),该模型以观测空间的相关回归信息为约束拓扑,克服了原GPLVM模型预测和泛化性能不足的缺点,且非常适合高维数据的小样本。回归分析实验表明R-GPLVM在多种维度空间的表现均优于原GPLVM模型。另外,由于机器学习元模型的精度主要依赖模型训练数据的精度,而生成精确的训练数据集的代价是高昂的。因此,本研究首次将R-GPLVM降维方法应用到各种机器学习元模型的构建中,并从以下两个方面改进了原机器学习元模型,第一,有效降低了生成精确的训练数据集所需的样本维度和时间维度,大大降低时间成本;第二,建立了有效的ELM,SVM/SVR,BPNN等机器学习元模型,并获得高保真的输入变量和高泛化、高预测性能的元模型。本文第1章,介绍了课题的目的和意义、特征变量筛选和提取的降维方法,并介绍了变量保真元模型和多目标优化技术;第2章,详细介绍了 R-GPLVM目标泛函的构建过程,使用转换共轭梯度(SCG)法推导了最大化观测数据的后验概率,以输出最优的隐变量与超参数。另外,文中利用平均影响值(MIV)改进的SVR,减少了原分支界限(BB)筛选算法的搜索时间,并且,基于二次ε-SVR,提出了改进的递归核矩阵SVR方法,并部署到BB枚举算法中,以筛选出最优的特征子集,该方法大大节省了迭代收敛计算量,并且仍能保证模型的精度;第3章,介绍了变量保真元模型的基本概念,并基于SVM的推导方法,推导出了最小二乘支持向量机(LSSVM),且在单目标LSSVM的基础上对多目标LSSVM进行了推导。最后利用多输出LSSVM构建了高保真变量(HF)和低保真变量(LF)之间的转换函数,并创建了变量保真(VF)-LSSVM元模型;第4章,针对原预锻件极限学习机(ELM)回归分析模型的泛化性能表现不佳、可靠性和稳定性不足的问题,提出了利用遗传算法(GA)来调整适应度函数的策略,并优化了各层ELM网络的连接参数。优化结果表明,GA-ELM方法比BP、差分进化(DE)-ELM和ELM模型有更高的稳定性和更精确的预测结果,本章节最后采用多目标优化方法来获取最优的预锻件;第5章,利用提出的R-GPLVM模型对弯曲回弹LSSVM元模型进行了变量筛选和降维,确保了回弹过程的变量保真(VF),本章节最后提出一种按需分割最少层的策略以避免生成不必要的非支配前端,并采用近邻比较策略,从而高效识别非支配单体,并采用差分进化(DE)算子改进非支配排序算法(NSGS)算法的性能,快速获得最优的折弯工艺参数解集,给弯曲模具回弹补偿机构提供有效的弯曲回弹补偿量设计依据;第6章,针对氧化石墨烯(GO)电层积有机涂层厚度参数控制问题,利用提出的R-GPLVM-ELM元模型,筛选出了沉积时间和沉积电压这两个重要的变量,并利用第2章提出的MIV改进的SVR方法对变量进行预排序,减少了原BB法的搜索时间,最后,利用第2章提出的改进的SVR递归核矩阵方法筛选出最优的特征子集,该方法大大节省了迭代收敛计算量,并且仍能保证元模型的精度。
参考文献：
[1]. 基于神经网络的板料折弯成形有限元分析研究[D]. 胡溧. 武汉理工大学. 2003
[2]. 高强度金属板多道次渐进折弯成形及回弹研究[D]. 付泽民. 华中科技大学. 2010
[3]. 提高大型数控折弯成形精度的关键技术研究[D]. 李亨. 合肥工业大学. 2012
[4]. C形管筒折弯成形预测模型研究[J]. 徐天发, 陈作炳, 胡溧, 叶泽刚, 易振民. 中国机械工程. 2004
[5]. 大尺寸U形截面梁弯曲成形工艺的有限元模拟[D]. 赵晓乐. 华中科技大学. 2014
[6]. 大尺度曲面板材零件渐进双曲折弯成形的数值模拟[D]. 陈蔚. 上海应用技术学院. 2015
[7]. 薄板的折弯回弹及拉深成形预测模型的研究[D]. 郭哲锋. 东南大学. 2017
[8]. 折弯机机械补偿及结构优化技术研究[D]. 武锐. 扬州大学. 2011
[9]. 大型平板类冲压件非均匀局部变形诱发翘曲回弹的预测与控制方法研究[D]. 马家鑫. 上海交通大学. 2011
[10]. 建模与优化中的特征变量降维与元模型技术研究[D]. 曹志勇. 华中科技大学. 2017
标签：金属学及金属工艺论文; 有限元论文; 折弯机论文; 预测模型论文; 折弯机模具论文; 神经网络模型论文; 加工精度论文; 预测控制论文; 控制变量论文; 过程控制论文; 数值模拟论文;