基于动态遗传神经网络和灰色关联的板料成形多目标优化
2021-01-14孙士平
计算机集成制造系统 2020年12期
孙士平,杨 威,胡 政
(南昌航空大学 航空制造工程学院,江西 南昌 330063)
0 引言
金属板料拉深成形存在起皱、破裂、回弹等质量缺陷,借助有限元模拟和优化技术进行基于代理模型的成形工艺优化能有效提高板料成形质量,避免传统工艺设计的反复试错[1-2]。但是,构造满足精度要求的代理模型通常要选取较多的样本并计算样本响应,而板料成形过程的非线性响应分析又较为耗时,这将导致构造代理模型的过程要耗费较高的计算成本,从而降低了成形工艺优化的效率。鉴于一次选取样本构造代理模型(静态代理模型)存在全局精度低和样本量过大等问题,采用更少的样本量动态构造满足精度要求的代理模型成为提高板料成形优化效率的一种有效途径,如Wang[3]采用多项式响应面模型代理板料成形过程,通过在迭代中更新优化解邻域样本实现了代理模型预测精度的逐渐提高,完成了汽车前板成形工艺优化;陈国栋等[4]构造出一种自适应径向基函数(Radial Basis Function, RBF)模型,通过动态更新当前优化解邻域的样本,提高了代理模型在该区域的预测精度,实现了薄板冲压成形优化;Hamdaoui[5]则通过动态增加优化解邻域和预测误差最大区域的样本数,逐渐提高了Kriging代理模型的预测精度,实现了板料成形工艺优化。上述研究多通过在迭代过程动态增添优化解邻域的样本来逐渐提高代理模型的局部预测精度,而板料成形优化常需要综合评估多个质量目标,各目标间的相互制约关系会使得多目标协调解位于单目标最优区域之外,仅提高动态代理模型优化解区域的局部精度不能有效地促进多目标优化收敛到非劣解解集。……
登录APP查看全文
