冯美强，谢延敏，王东涛，郭元恒

(西南交通大学 机械工程学院， 成都 610031)

有限元仿真技术在冲压成形工艺开发上的应用能有效地减少开发时间与成本。然而板料成形是一个非线性过程，仿真计算复杂，仍然十分耗时。于是，通过反复调用仿真模型进行试验的方法优化板料成形工艺，但仍十分繁琐。将代理模型优化方法应用到板料成形工艺开发上可以提高效率，缩短开发周期。常用的代理模型有径向基函数(RBF)、人工神经网络(ANN)、Kriging、支持向量回归机(SVR)等[1]。Kriging代理模型是方差估计最小的无偏估计随机过程，具有提供预测响应和预测方差的能力，在工程优化领域受到了广泛关注。Feng等[2]基于Kriging模型对板料成形过程变压边力进行优化，提高了零件的成形质量。Hamdaoui等[3]基于Kriging模型对CPU密集型钣金成形进行多目标优化，减小了成形件的回弹，并消除了起皱与拉裂现象。岳跃鹏等[4]使用Kriging与水平集方法对压边圈结构进行优化，提高了十字杯型件成形的均匀性。

使用合适的加点策略对Kriging模型完成更新，可以提高代理模型的预测精度与算法的效率[5]。Jonse等[6]提出了期望最大加点准则(EI)，该准则同时考虑代理模型的预测值与预测方差，很好地平衡了算法的全局搜索与局部探索。Zhong等[7]将EI加点准则与最小响应面加点准则相结合，发展了一种并行加点策略。谢延敏等[8]基于EI加点准则提出一种并行加点准则，提高了建模精度与算法收敛速度，并对翼子板成形工艺进行了优化。王超等[9]使用最小响应面加点准则(MSP)对EI加点准则进行改进，提高了算法后期的收敛精度与速度。……