CN107545105A - 一种基于pso的零件回弹成形工艺参数优化方法 - Google Patents

一种基于pso的零件回弹成形工艺参数优化方法 Download PDF

Info

Publication number
CN107545105A
CN107545105A CN201710724055.0A CN201710724055A CN107545105A CN 107545105 A CN107545105 A CN 107545105A CN 201710724055 A CN201710724055 A CN 201710724055A CN 107545105 A CN107545105 A CN 107545105A
Authority
CN
China
Prior art keywords
resilience
forming
optimization
svm
optimizing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710724055.0A
Other languages
English (en)
Inventor
梅益
杨幸雨
王莉媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou University
Original Assignee
Guizhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou University filed Critical Guizhou University
Priority to CN201710724055.0A priority Critical patent/CN107545105A/zh
Publication of CN107545105A publication Critical patent/CN107545105A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Bending Of Plates, Rods, And Pipes (AREA)

Abstract

本发明公开了一种基于PSO的零件回弹成形工艺参数优化方法，包括建立回弹预测数字模型、运用粒子群算法在CV‑SVM近似模型中迭代寻优、进行寻优参数优化后的成形工艺参数数值模拟验证；本发明通过粒子群算法，能够获得零件成形回弹后的最大位移量为0.54mm，小于开始的最大位移量0.7mm，满足零件的使用和装配要求，零件的最小厚度为tmin＝0.67mm，减薄率为25.6％，较好地优化成形工艺参数，降低零件缺陷，为实际生产提供理论依据。

Description

一种基于PSO的零件回弹成形工艺参数优化方法
技术领域
本发明属于SGCC板料复杂弯曲成形工艺领域，尤其涉及一种基于PSO的零件回弹成形工艺参数优化方法。
背景技术
随着汽车在生活、生产领域的迅速普及与更新，车窗升降板作为调节汽车窗口的重要活动零件，其装配性能和使用性能的好坏直接决定了车窗活动的平稳性和顺滑度，同时也在很大程度上影响人们的体验感受。由于车窗升降板的结构相对于其他大型覆盖件和结构件而言，具有形状复杂、曲率变化大、零件装配尺寸要求高的特点，导致在实际生产过程中为了获得质量上佳的零件，需要尽可能地减小零件回弹，避免造成零件尺寸精度的下降。
现阶段，在对冲压件进行回弹分析时，有较为成熟的解析求解法，但是只有在分析形状相对简单、容易成形的零件才有用，比如常见的U型件和V型件等。一旦涉及到形状复杂、特征较多的异形件时，解析求解法则无用武之地。同时有研究发现，在试验条件下的回弹量理论计算值均偏大，且平均相对误差高达88％，所以仅仅依靠理论公式的解析计算来预测零件回弹量是远远不可行的，甚至会给出错误的预测结果，误导实际应用。
发明内容
本发明要解决的技术问题是：提供一种基于PSO的零件回弹成形工艺参数优化方法，能够预测复杂弯曲件存在的缺陷和不足，为了降低车窗升降板的回弹量，以满足装配和使用性能，需要对成形工艺参数进行选择优化，使得回弹量最小，以解决上述现有技术中存在的问题。
本发明采取的技术方案为：一种基于PSO的零件回弹成形工艺参数优化方法，以CV-SVM近似模型为主体，以板料厚度、冲压速度、摩擦因数三个成形工艺参数的取值区间为约束条件，零件回弹的最小位移为优化目标，采用粒子群算法进行迭代寻优，获取其最优的成形工艺参数组合，将优化后的成形工艺参数导入DYNAFORM软件中进行数值模拟与验证，对比前后回弹数据的优化效果，该方法包括以下步骤：
(1)针对一种汽车异形弯曲件零件，建立回弹预测数字模型，首先把零件成形后发生回弹的最大位移量作为优化目标，同时根据零件回弹位移设立约束条件；
(2)运用粒子群算法在CV-SVM近似模型中迭代寻优，以K折交叉验证法获得最优惩罚因子C和核宽度σ，并以此构建支持向量机回归预测模型CV-SVM近似模型，用粒子群算法进行参数寻优；
(3)将CV-SVM近似模型中得到的寻优参数进行优化的成形工艺参数数值模拟验证，将获得的成形工艺参数输入至DYNAFORM软件中进行回弹数值模拟，将零件成形回弹后的最大位移量与厚度通过云图形式进行显示，显示出最大位移量数值与最小厚度。
优选的，上述步骤(2)中程序迭代寻优后获得的最优成形工艺参数是：板料厚度A＝0.900682mm、冲压速度B＝5933.782mm/s，摩擦因数C＝0.143287，预测零件回弹的最大位移量为y＝0.474205mm。
步骤(3)中零件成形回弹后的最大位移量最大值为0.54mm，零件的厚度最小厚度为tmin＝0.67mm，减薄率为25.6％。
本发明的有益效果：与现有技术相比，本发明效果如下：
(1)本发明通过CV-SVM近似模型代替车窗升降板成形工艺参数与零件回弹量之间的复杂联系，采用粒子群算法在成形工艺参数的约束区间内分别进行迭代寻优，找到使得零件回弹量(最大移动位移)最小的参数组合。经过对成形工艺参数进行数值模拟与分析验证，得出基于CV-SVM近似模型获得的工艺参数能够较大程度上降低零件回弹量，提升零件质量。并推荐出一组最佳的成形工艺参数，使得零件回弹量最小，产品质量最好。并进一步缩短产品的开发周期，降低生产成本；
(2)本发明通过K折交叉验证法获得的最优惩罚因子C和核宽度σ构建支持向量机回归预测模型CV-SVM为研究平台，用粒子群算法进行参数寻优。能够获得区间内最优成形工艺参数，并预测出零件回弹的最大位移量使整个工艺设计流程周期变短、设计效率更高、时间和材料成本降低，降低试模次数；
(3)通过DYNAFORM软件，将获得的成形工艺参数进行回弹数值模拟，通过数值模拟对比分析，获得零件成形回弹后的最大位移量为0.54mm，小于开始的最大位移量0.7mm，满足零件的使用和装配要求，零件的最小厚度为tmin＝0.67mm，减薄率为25.6％，较好地优化成形工艺参数，降低零件缺陷，为实际生产提供理论依据。
附图说明
图1为CV-SVM下粒子群算法寻优；
图2为车窗升降板复杂弯曲件三维模型；
图3为零件回弹最大位移量(CV-SVM)；
图4为零件厚度分布云图(CV-SVM)。
具体实施方式
下面结合附图及具体的实施例对本发明进行进一步介绍。
实施例：如图1-图4所示，一种CV-SVM近似模型中基于PSO的零件回弹成形工艺参数优化方法，该方法包括以下步骤：
(1)建立数学模型，确定优化目标与约束条件：由于本研究的分析对象为异形弯曲件车窗升降板，为了确保零件在后期进行装配的整体精度，把零件成形后发生回弹的最大位移量(blankmovement)作为优化目标，记为yi＝(blank movement)i，根据使用要求，在不发生破裂等不可修复性缺陷的前提下，最大位移量小于ymin＝0.7mm，即可满足装配使用条件，零件成形前后的最大位移量可在回弹后处理界面下直接显示。本文未选择零件不同截面弯曲角变化量(△θ)作为优化目标是因为该零件在装配过程主要考虑整体尺寸，细节尺寸对装配精度的影响程度不大。
min y＝f(A,B,C)＝yi
为了选取最佳的成形工艺参数，需要在初始成形工艺参数的基础上选择参数取值的变化区间，本文采取的区间确定方法是在对每个参数的初始值以80％和120％的比例计算最大值和最小值，结果如表1所示。
表1成形工艺参数的取值区间
优化变量 下限 平均值 上限
材料厚度A/mm 0.8 1.0 1.2
冲压速度B/mm·s-1 4000 5000 6000
摩擦因数C 0.100 0.125 0.150
根据约束区间设置目标函数的束条件。
(2)运用粒子群算法在CV-SVM近似模型中迭代寻优。以K折交叉验证法获得的最优惩罚因子C和核宽度σ构建支持向量机回归预测模型CV-SVM为研究平台，用粒子群算法进行参数寻优。粒子群算法的惯性权重ω设置为固定权重ω＝0.7298，学习因子c1＝c2＝1.4692，最大迭代次数为kCV＝100，在MATLAB软件下进行编程、调试。
程序迭代寻优过程如图1所示，获得的最优成形工艺参数是：板料厚度A＝0.900682mm、冲压速度B＝5933.782mm/s，摩擦因数C＝0.143287，预测零件回弹的最大位移量为y＝0.474205mm。
(3)通过DYNAFORM软件，将获得的成形工艺参数进行回弹数值模拟，通过数值模拟对比分析，获得零件成形回弹后的最大位移量为0.54mm，小于开始的最大位移量0.7mm，满足零件的使用和装配要求，零件的最小厚度为tmin＝0.67mm，减薄率为25.6％，较好地优化成形工艺参数，降低零件缺陷，为实际生产提供理论依据。
结果分析
(1)本发明通过CV-SVM近似模型代替车窗升降板成形工艺参数与零件回弹量之间的复杂联系，采用粒子群算法在成形工艺参数的约束区间内分别进行迭代寻优，找到使得零件回弹量(最大移动位移)最小的参数组合。经过对成形工艺参数进行数值模拟与分析验证，得出基于CV-SVM近似模型获得的工艺参数能够较大程度上降低零件回弹量，提升零件质量。并推荐出一组最佳的成形工艺参数，使得零件回弹量最小，产品质量最好。并进一步缩短产品的开发周期，降低生产成本。
(2)本发明通过K折交叉验证法获得的最优惩罚因子C和核宽度σ构建支持向量机回归预测模型CV-SVM为研究平台，用粒子群算法进行参数寻优。能够获得区间内最优成形工艺参数，并预测出零件回弹的最大位移量使整个工艺设计流程周期变短、设计效率更高、时间和材料成本降低，降低试模次数；
(3)通过DYNAFORM软件，将获得的成形工艺参数进行回弹数值模拟，通过数值模拟对比分析，获得零件成形回弹后的最大位移量为0.54mm，小于开始的最大位移量0.7mm，满足零件的使用和装配要求，零件的最小厚度为tmin＝0.67mm，减薄率为25.6％，较好地优化成形工艺参数，降低零件缺陷，为实际生产提供理论依据。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (2)

1.一种基于PSO的零件回弹成形工艺参数优化方法，其特征在于：以CV-SVM近似模型为主体，以板料厚度、冲压速度、摩擦因数三个成形工艺参数中的取值区间为约束条件，零件回弹位移最小化为优化目标，采用粒子群算法进行迭代寻优，获取其最优的成形工艺参数组合，将优化后的成形工艺参数导入DYNAFORM软件中进行数值模拟与验证，对比前后回弹数据的优化效果，该方法包括以下步骤：
(1)针对一种汽车异形弯曲件零件，建立回弹预测数字模型，首先把零件成形后发生回弹的最大位移量作为优化目标，同时根据零件回弹位移设立约束条件；
(2)运用粒子群算法在CV-SVM近似模型中迭代寻优,以K折交叉验证法获得最优惩罚因子C和核宽度σ，并以此构建支持向量机回归预测模型CV-SVM近似模型，用粒子群算法进行参数寻优；
(3)将CV-SVM近似模型中得到的寻优参数进行优化的成形工艺参数数值模拟验证，将获得的成形工艺参数输入至DYNAFORM软件中进行回弹数值模拟，将零件成形回弹后的最大位移量与厚度通过云图形式进行显示，显示出最大位移量数值与最小厚度。
2.根据权利要求1所述的一种基于PSO的零件回弹成形工艺参数优化方法，其特征在于：步骤(2)中迭代寻优后获得的最优成形工艺参数是：板料厚度A＝0.900682mm、冲压速度B＝5933.782mm/s，摩擦因数C＝0.143287，预测零件回弹的最大位移量为y＝0.474205mm。
CN201710724055.0A 2017-08-22 2017-08-22 一种基于pso的零件回弹成形工艺参数优化方法 Pending CN107545105A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710724055.0A CN107545105A (zh) 2017-08-22 2017-08-22 一种基于pso的零件回弹成形工艺参数优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710724055.0A CN107545105A (zh) 2017-08-22 2017-08-22 一种基于pso的零件回弹成形工艺参数优化方法

Publications (1)

Publication Number Publication Date
CN107545105A true CN107545105A (zh) 2018-01-05

Family

ID=60958907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710724055.0A Pending CN107545105A (zh) 2017-08-22 2017-08-22 一种基于pso的零件回弹成形工艺参数优化方法

Country Status (1)

Country Link
CN (1) CN107545105A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108872241A (zh) * 2018-03-30 2018-11-23 南京航空航天大学 一种基于svm算法的机车轮对踏面损伤检测方法
CN111061219A (zh) * 2019-12-16 2020-04-24 南京航空航天大学 一种快速确定成形工艺参数的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799735A (zh) * 2012-07-24 2012-11-28 湖南大学 一种基于工艺参数控制的回弹补偿方法
CN102831269A (zh) * 2012-08-16 2012-12-19 内蒙古科技大学 一种流程工业过程工艺参数的确定方法
CN103646280A (zh) * 2013-11-28 2014-03-19 江苏大学 一种基于粒子群算法的车辆悬架***参数优化方法
CN105956235A (zh) * 2016-04-20 2016-09-21 杭州电子科技大学 基于svr-pso的超声加工特种刀具优化设计方法
CN107025354A (zh) * 2017-04-15 2017-08-08 贵州大学 一种基于极差分析的车窗升降板成形工艺优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799735A (zh) * 2012-07-24 2012-11-28 湖南大学 一种基于工艺参数控制的回弹补偿方法
CN102831269A (zh) * 2012-08-16 2012-12-19 内蒙古科技大学 一种流程工业过程工艺参数的确定方法
CN103646280A (zh) * 2013-11-28 2014-03-19 江苏大学 一种基于粒子群算法的车辆悬架***参数优化方法
CN105956235A (zh) * 2016-04-20 2016-09-21 杭州电子科技大学 基于svr-pso的超声加工特种刀具优化设计方法
CN107025354A (zh) * 2017-04-15 2017-08-08 贵州大学 一种基于极差分析的车窗升降板成形工艺优化方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
付阳，李昆仑: "支持向量机模型参数选择方法综述", 《电脑知识与技术》 *
化春键，周海英: "聚类和优化支持向量机的冷轧带钢表面缺陷分类", 《塑性工程学报》 *
向国齐，殷国富: "基于支持向量机和粒子群算法的稳健优化", 《机械设计与研究》 *
杨旭静，冯小龙，郑娟，郭水军: "SVM 和改进粒子群算法在冲压成形优化中的应用", 《汽车工程》 *
王莉媛，梅益，刘闯，杨幸雨: "车窗升降板弯曲成形回弹缺陷的影响因素分析与成形工艺优化", 《锻压技术》 *
聂立新等: "粒子群算法优化双核支持向量机及应用", 《振动、测试与诊断》 *
陆梓端; 高茂庭: "基于改进遗传算法的支持向量机参数优化", 《现代计算机(专业版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108872241A (zh) * 2018-03-30 2018-11-23 南京航空航天大学 一种基于svm算法的机车轮对踏面损伤检测方法
CN111061219A (zh) * 2019-12-16 2020-04-24 南京航空航天大学 一种快速确定成形工艺参数的方法

Similar Documents

Publication Publication Date Title
CN110378799B (zh) 基于多尺度深度卷积网络的氧化铝综合生产指标决策方法
CN103593719B (zh) 一种基于板坯与合同优化匹配的轧制节能方法
CN104765912A (zh) 一种铝板冲压工艺的稳健性优化方法
CN103745273A (zh) 一种半导体制造过程的多性能预测方法
CN103543719B (zh) 一种基于工况的流程行业操作模式自适应调整方法
CN104375478B (zh) 一种轧钢生产过程产品质量在线预测与优化的方法及装置
CN104077439A (zh) 一种新型高强钢轮辐拉深冲孔复合工序的数值模拟方法
CN105740467A (zh) 一种C-Mn钢工业大数据的挖掘方法
CN106709654A (zh) 一种加氢裂化流程全局运行状况评估与质量追溯方法
CN107545105A (zh) 一种基于pso的零件回弹成形工艺参数优化方法
Feng et al. Optimization of variable blank holder force in deep drawing based on support vector regression model and trust region
CN107025354A (zh) 一种基于极差分析的车窗升降板成形工艺优化方法
CN111651929A (zh) 一种基于Dynaform与智能算法融合的多目标优化方法
CN107292029A (zh) 一种基于成形缺陷预测板料成形工艺参数的确定方法
CN116629059A (zh) 一种轮辋多工序成形参数优化方法、装置及可读介质
CN115169453A (zh) 基于密度聚类协同深度残差网络的热连轧宽度预测方法
CN107092745A (zh) 一种基于方差分析的车窗升降板成形工艺优化方法
CN109948174B (zh) 集中质量法计算框架结构固有频率的质量分配方法
CN102621953A (zh) 一种橡胶硬度的在线自动质量监控和预测模型更新的方法
CN103544349A (zh) 汽车盘式制动器***振动稳定性的优化方法
CN115952597A (zh) 一种汽车翼子板锐棱成形模具磨损仿真方法
CN106326677A (zh) 一种pta装置醋酸消耗的软测量方法
CN104537167B (zh) 基于鲁棒区间极限学习机的区间型指标预报方法
CN107563029A (zh) 一种基于k折交叉验证法的支持向量机近似模型优化方法
CN112613146B (zh) 一种校直自适应优化方法、***、存储介质及计算设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180105

RJ01 Rejection of invention patent application after publication