基于人工神经网络的拉延筋力与形状参数预示研究

论文摘要

板料冲压成形是一种非常重要的钣金零部件加工方法,在汽车、飞机、电器仪表等工业领域有着广泛的应用。本文结合人工神经网络技术对计算拉延筋力和反求其形状参数进行了一些研究工作,并把关于拉延筋力的计算算法镶嵌到冲压成形CAE分析软件KMAS前处理中。论文阐述了拉延筋阻力和举力的产生机理,从板料通过拉延筋时弯曲和反弯曲变形机理着手,论述了拉延筋的摩擦阻力、板料应变硬化所产生的抗力、拉延筋的几何形状、拉延筋的参数、材料特性、润滑条件和变形速度等诸多方面的因素对拉延筋力的影响,从而使得对等效拉延筋力的计算和拉延筋形状参数的反求有了理论依据。接下来对人工神经网络的基本知识、工作原理、网络模型的确定、算法的分类进行了详细地全面的介绍,从而对后面的应用打下了基础。最后应用BP神经网络技术进行拉延筋力的计算以及形状参数的反求,并对测试结果进行了测试分析。

论文目录

• 提要
• 第一章 绪论
• 1.1 选题的依据和意义
• 1.2 本领域的研究概况
• 1.3 本文的主要研究内容
• 第二章 拉延筋力的形成及其影响因素
• 2.1 拉延筋力的形成机理
• 2.1.1 拉延筋起作用条件
• 2.1.2 弯曲和反弯曲变形力
• 2.1.3 通过拉延筋的摩擦阻力
• 2.1.4 应变硬化产生的抗力
• 2.2 拉延筋力的影响因素
• 2.2.1 拉延筋形式的影响
• 2.2.2 拉延筋形状参数的影响
• 2.2.3 材料特性的影响
• 2.2.4 润滑条件的影响
• 2.2.5 变形速度的影响
• 2.2.6 压边力的影响
• 第三章 人工神经网络技术的研究
• 3.1 人工神经网络基础知识
• 3.1.1 神经元基础
• 3.1.2 人工神经网络的基本结构及工作方式
• 3.1.3 人工神经网络的类型
• 3.1.4 人工神经网络的工作方式
• 3.1.5 人工神经网络的学习方式
• 3.1.6 人工神经网络的训练方法
• 3.2 典型的前向网络——BP神经网络
• 3.2.1 BP神经网络引入
• 3.2.2 BP神经网络的基本思想
• 3.2.3 BP神经网络的学习过程
• 3.2.4 BP神经网络特点
• 第四章 拉延筋力的计算
• 4.1 圆筋拉延筋力的预测
• 4.1.1 训练样本的获取
• 4.1.2 网络结构的设计
• 4.1.3 传输函数的选择
• 4.1.4 训练样本的预处理
• 4.1.5 权值的初始化
• 4.1.6 权值的修正方式
• 4.1.7 训练方法及其参数的选择
• 4.1.8 实验结果及分析
• 4.2 方筋拉延筋力的预测
• 4.2.1 训练样本的获取
• 4.2.2 网络结构的设计
• 4.2.3 其它构成
• 4.2.4 实验结果及分析
• 4.3 本章小结
• 第五章 拉延筋形状参数的反求
• 5.1 反求圆筋形状参数的人工神经网络模型
• 5.1.1 训练样本的获取
• 5.1.2 网络结构的设计
• 5.1.3 其它构成
• 5.1.4 实验结果及分析
• 5.2 反求方筋形状参数的人工神经网络模型
• 5.3 本章小结
• 第六章 结论
• 参考文献
• 摘要
• Abstract
• 致谢