bp人工神经网络与遗传算法在型材挤压模具参数优化中的应用

《bp人工神经网络与遗传算法在型材挤压模具参数优化中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第$)卷第$期湘潭大学自然科学学报_67&$)Y6&$$((+年+月Y9:D<9734=;?4;]6D=:G]D?&$((+!"人工神经网络与遗传算法在型材挤压模具参数优化中的应用!#，$#%%#林高用，陈兴科，蒋杰，王芳，彭大暑（#&中南大学材料科学与工程学院，长沙’#(()%；$&华中科技大学塑性成形模拟及模具技术国家重点实验室，武汉’%((*’；%&云南省机械研究设计院，昆明+,((%#）［摘要］基于-./0.!平台，将!"人工神经网络与遗传算法应用于型材挤压模具参数优化设计

2、&首先利用!"神经网络来训练已有实验值，然后将训练后的神经网络作为知识源，通过曲线拟合与逼近求得设计变量与目标函数值的函数关系表达式，最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解&采用曲线拟合方法将其知识源转化成为了具体的函数表达式，直观地体现了神经网络的知识源，为后继的遗传算法提供了明确的适应度函数&数值模拟分析表明，对挤压模具结构的优化是合理的&关键词：!"人工神经网络；遗传算法；曲线拟合；挤压模具中图分类号：/1%*,文献标识码：.文章编号：#(((,2((（$((+）($(()2(+!""#$

3、%&’$()(*+,!-’$*$%$&#./0-&#./’1(-2&)34/)/’$%!#5(-$’67’(’6/,&-&7/’/-89"’$7$:&’$()(*,-(*$#/;<’-08$()=$/#，$，*+,#-.()/0#，1"2#$1.0%，32#$4%()%，5,#$6%789#!"#$%&’&()（#&34566768-9:;<=97>34=;?4;9?@A?B=?;;<=?B，C;?:<9736D:5E?=F;<>=:G，C59?B>59’#(()%；C5=?9$&3:9:;H;G09I6<9:6

4、79>:=4J6=:G6834=;?4;9?@/;45?676BG，PD59?’%((*’C5=?9；%&QD??9?-;459?=497R;>;9<45LM;>=B?S?>:=:D:;，HD?K=?B+,((%#C5=?9）【!>8’-&%’】!"9<:=8=4=97?;D<97?;:T66V:=K=O9:=6?68V<68=7;;WX:<

5、D>=6?@=;6?I9>;68:5;-./0.!86D?@9:=6?&/5;;WV;<=K;?:97@9:9T;<;:<9=?;@IG!"?;D<97?;:T6D7:>T;<;4D;:DV98=::=?B8D?4:=6?T5=45T9>D>;@=?:5;B;?;:=497B6<=:5KV<64;>>:6<;945:5;6V:=KDK&CD9VV7=;@:6:D6D<4;=?:6946?4<

6、;:;8D?4:=6?，V<6F=@=?B9I;::;>&YDK;<=497>=KD79:=6?>56T;@:59::5;6V:=K=O9:=6?68V<68=7;;W:=6?@=;=?:5;V<;>;?:V9V;<=><;9>6?9I7;&?/@1(-38：!"9<:=8=4=97?;D<97?;:T6=6?@=;近年来铝型材在建筑、交通、航天航空等各个领域均得到了广

7、泛的应用，但是型材挤压成形理论与技术的研究仍然落后于工业生产的发展&模具技术是铝型材生产的关键技术，传统的型材挤压模具设计主要依靠工程类比和设计经验，其设计流程一般是按照“设计—反复试模—反复修模、改模—反复调整［#］挤压工艺参数”的模式进行，不仅造成大量的人力与物力的浪费，而且严重影响生产效率和产品质量&毫无疑问传统的设计模式已无法满足现代工业发展的需要，因此在该领域建立C.MZC.AZC.-系统就显得优为重要&计算机技术的应用可实现对产品开发、产品分析、产品制造三个重要环节的工艺控制，从而有效优化产品及挤压模具设计，缩

8、短模具设计周期，减少反复试模、修模所造成的不必要的人力、物力的浪费&通过"R[A、E1、3[0SMP[RH等三维设计软件进行产品的三维建模，根据所建立的三维产品模型进行模具设计，利用.Y3Q3、MAJ[R-、-.RC、3E"ARJ[R1A等分析软件对所设计的挤压模具进行挤压过程的有限元模拟来获取目标函