阳湘安,阮 锋,许晓安

(1.广东技术师范学院机电学院,广东广州,510635;2.华南理工大学机械与汽车工程学院,广东广州,510640;3.广东技术师范学院科研处,广东广州,510635)

回弹是汽车覆盖件成形中的一个主要质量缺陷。出于汽车安全性和轻量化的要求,高强度板和铝合金板在汽车制造中得到大量应用,而其特殊的材料性能使得回弹问题更为突出[1-2]。

随着数值模拟精度和计算效率的提高,采用有限元数值方法结合优化策略可以很好地解决回弹问题[3]。但是,由于板料成形是一个高度非线性的过程,数值模拟无法直接给出待定设计参数与优化目标之间的显式函数关系,同时,数值模拟是一个非常耗时的计算过程,因此,需要建立优化代理模型来解决这一问题[4],如Kriging模型、响应面(RSM)模型和径向基函数(RBF)神经网络模型等。

源自统计理论的Kriging模型是一种估计方差最小的无偏估计模型,能够拟合非常复杂的函数关系,但是其计算时间较长,对于多设计变量模型而言其计算精度较低,且形式较为复杂,因而在板料成形优化中应用较少;基于统计理论的响应面法能够构建多维设计空间中优化目标与设计变量的显式函数关系,是一种常用的代理模型构建方法[5],但是,当问题的非线性非常复杂时,采用响应面法往往难以得到正确的优化解,在多项式的阶数较高时,还容易出现过拟合现象;径向基函数神经网络模型在样本数量足够多的情况下能够有效地拟合目标函数与设计变量之间的非线性关系[6]。……