基于神經(jīng)網(wǎng)絡(luò)的薄板沖壓成形中的反演問題研究.pdf

1、薄板沖壓成形是一種非常重要的制造技術(shù)，在汽車、航空、電器和國防等工業(yè)都有廣泛的應(yīng)用，薄板沖壓工藝與模具設(shè)計則是薄板沖壓成形技術(shù)的關(guān)鍵。在工程實際中，薄板沖壓工藝與模具大多憑經(jīng)驗設(shè)計，或借助CAE技術(shù)對設(shè)計方案進(jìn)行驗證。本研究則將薄板沖壓工藝與模具設(shè)計視作一個反問題，即己知零件的形狀尺寸和預(yù)期成形質(zhì)量，反求工藝參數(shù)、模具參數(shù)和板料毛坯形狀等，開展了薄板沖壓成形反演問題的反演方法及應(yīng)用研究。本文對常用的參數(shù)反演方法——神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了較為

2、深入的研究，針對如何設(shè)計神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，提高其泛化能力的問題，提出了三種基于泛化的多層前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計方法，并將其應(yīng)用于拉延筋幾何參數(shù)反求、沖壓件的毛坯反求、變壓邊力反求等典型的薄板沖壓成形反演問題中，通過反演計算快速得到可行的或者指導(dǎo)性的薄板沖壓工藝與模具設(shè)計方案。 本研究的主要創(chuàng)新點包括以下幾個方面：(1)綜合運用泛化能力的多種改進(jìn)方法，即交叉測試法和最優(yōu)停止法、在測試樣本中增加少量的高斯噪聲，在網(wǎng)絡(luò)性能函數(shù)中添加Ga

3、uss先驗分布的正則化項等方法，來提高網(wǎng)絡(luò)的泛化能力和魯棒性。 (2)從神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的全局優(yōu)化的角度，針對常用的隱層結(jié)點激活函數(shù)為S形函數(shù)的多層前向神經(jīng)網(wǎng)絡(luò)，開展了遺傳算法在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計中的應(yīng)用研究，提出了一種基于改進(jìn)遺傳算法IP-μGA(amodifiedmicrogeneticalgorithmwiththestrategyofIntergenerationProiection)的多層前向網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計方法(Struc

4、tureoptimizationofmultilayerfeedforwardnetworkusinggeneticalgorithm，簡稱SOMFNGA)，編制了相應(yīng)的計算程序。在SOMFNGA方法中，運用改進(jìn)的遺傳算法IP-μGA搜索與給定樣本相適應(yīng)的多層前向網(wǎng)絡(luò)結(jié)構(gòu)，其間綜合運用網(wǎng)絡(luò)泛化能力的多種改進(jìn)方法以及快速搜索機(jī)制確定學(xué)習(xí)速率、動量系數(shù)、跳躍因子和正則化系數(shù)的方法，對解空間中個體對應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練。數(shù)值算例結(jié)果表明，運用

5、SOMFNGA方法設(shè)計的神經(jīng)網(wǎng)絡(luò)不僅具有較好的訓(xùn)練精度，而且具有較強(qiáng)的泛化能力和魯棒性。以某車型前地板角支撐板的拉延工序為例，運用SOMFNGA方法研究了給定沖壓件成形效果衡量指標(biāo)反求拉延筋幾何參數(shù)的方法。該方法的實際應(yīng)用效果表明，反求得到的設(shè)計方案對于實際應(yīng)用具有重要的指導(dǎo)意義。與此同時提出了基于初始訓(xùn)練樣本集的漸進(jìn)式局部密化樣本點的樣本設(shè)計方法，研究結(jié)果表明該方法可加快神經(jīng)網(wǎng)絡(luò)設(shè)計進(jìn)程，提高網(wǎng)絡(luò)計算精度。 (3)從構(gòu)造的角度

6、，針對常用的隱層結(jié)點激活函數(shù)為S形函數(shù)的多層前向神經(jīng)網(wǎng)絡(luò)，開展了神經(jīng)網(wǎng)絡(luò)的動態(tài)結(jié)構(gòu)設(shè)計研究，提出了一種基于泛化的多層前向網(wǎng)絡(luò)動態(tài)結(jié)構(gòu)設(shè)計方法(Dynamicstructuredesignofmultilayerfeedforwardnetwork，簡稱DYNSDMFN)，編制了相應(yīng)的計算程序。在DYNSDMFN中，基于OckhamsRazor原則，從一個較小的基本網(wǎng)絡(luò)開始，通過動態(tài)增加隱結(jié)點或隱層，綜合運用網(wǎng)絡(luò)泛化能力的多種改進(jìn)方法，改

7、進(jìn)的BP算法(帶跳躍因子的附加動量法)以及快速搜索機(jī)制和全局搜索機(jī)制相結(jié)合確定學(xué)習(xí)速率、動量系數(shù)、跳躍因子和正則化系數(shù)的方法，采用網(wǎng)絡(luò)權(quán)值的局部和全局調(diào)節(jié)方案，對多層前向網(wǎng)絡(luò)進(jìn)行動態(tài)結(jié)構(gòu)設(shè)計。數(shù)值算例結(jié)果表明，運用DYNSDMFN方法設(shè)計的神經(jīng)網(wǎng)絡(luò)不僅具有較好的訓(xùn)練精度，而且具有較強(qiáng)的泛化能力和魯棒性。分別以帶法蘭的低方形盒和某車型B柱零件為例，開展了綜合運用有限元網(wǎng)格映射法、一步模擬法和神經(jīng)網(wǎng)絡(luò)方法的板料毛坯反演研究。討論了薄板沖壓成

8、形毛坯反求神經(jīng)網(wǎng)絡(luò)的設(shè)計方法和途徑，研究了毛坯反求神經(jīng)網(wǎng)絡(luò)設(shè)計中的一些關(guān)鍵的技術(shù)問題，如：毛坯形狀的描述、訓(xùn)練樣本的合理設(shè)計、神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)設(shè)計等。分別運用DYNSDMFN和SOMFNGA方法進(jìn)行低方形盒毛坯反求神經(jīng)網(wǎng)絡(luò)的設(shè)計研究結(jié)果表明，兩種方法設(shè)計的網(wǎng)絡(luò)計算精度均能滿足工程計算的要求，不失為較好的多層前向網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計方法；其中運用DYNSDMFN方法設(shè)計的低方形盒毛坯反求神經(jīng)網(wǎng)絡(luò)計算精度比SOMFNGA方法更好一些。 (

9、4)針對常用的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，開展了動態(tài)結(jié)構(gòu)設(shè)計問題研究，提出一種基于泛化的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的動態(tài)結(jié)構(gòu)設(shè)計方法(Dynamicstructuredesignofradialbasisfunctionnetwork，簡稱DYNSDRBF)，編制了相應(yīng)的計算程序。該方法將RBF網(wǎng)絡(luò)學(xué)習(xí)問題分為兩個階段，即粗調(diào)階段和精調(diào)階段。在粗調(diào)階段，只按正交最小平方法動態(tài)增加隱結(jié)點的數(shù)目及選取相應(yīng)的樣本輸入作為數(shù)據(jù)中心，直至隱結(jié)點數(shù)滿足一定要求；在

10、精調(diào)階段，用改進(jìn)BP算法對粗調(diào)得到的RBF網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，其中包括數(shù)據(jù)中心、擴(kuò)展常數(shù)和連接權(quán)值的動態(tài)調(diào)整等。調(diào)整過程中，綜合運用神經(jīng)網(wǎng)絡(luò)泛化能力的多種改進(jìn)方法來提高網(wǎng)絡(luò)的泛化能力和魯棒性。在以上兩個階段中所涉及的擴(kuò)展常數(shù)的初值、給定的最多隱結(jié)點數(shù)和正則化系數(shù)則運用IP-μGA算法來確定。數(shù)值算例結(jié)果表明，運用DYNSDRBF方法設(shè)計的神經(jīng)網(wǎng)絡(luò)不僅具有較好的訓(xùn)練精度，而且具有較強(qiáng)的泛化能力和魯棒性。以翻邊回彈預(yù)測和某車型B柱零件拉延工序中的

11、變壓邊力反演為例，分別運用DYNSDRBF、DYNSDMFN和SOMFNGA方法開展了回彈預(yù)測神經(jīng)網(wǎng)絡(luò)設(shè)計和變壓邊力反演研究。研究發(fā)現(xiàn)，三種方法設(shè)計的網(wǎng)絡(luò)計算精度均能滿足工程計算要求，不失為較好的多層前向網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計方法。三種方法在上述兩個具體問題中的應(yīng)用結(jié)果表明：在翻邊回彈預(yù)測問題中，運用SOMFNGA方法設(shè)計的網(wǎng)絡(luò)計算精度更好一些；而在變壓邊力反演問題中，運用DYNSDRBF方法設(shè)計的網(wǎng)絡(luò)計算精度更好一些。在實際應(yīng)用中，可從三種方法

12、中選擇較為合適者來進(jìn)行神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計。此外，變壓邊力反演研究結(jié)果表明，只要沖壓回彈仿真計算準(zhǔn)確，利用上述求解方法可有效地提高沖壓件的成形質(zhì)量，節(jié)省大量反復(fù)試模修模過程所耗費的人力和物力。 (5)在采用等效拉延筋的拉延筋幾何參數(shù)反演中，等效拉延筋阻力計算是反演研究所必須解決的正問題的一個組成部分。本文提出了一種綜合考慮多種因素影響的等效拉延筋阻力的模擬計算方法，編制了相應(yīng)的計算程序。在該方法中，采用平面應(yīng)變假設(shè)，針對不同的材料

13、類型，選用不同的屈服準(zhǔn)則；考慮了Bauschinger效應(yīng)、應(yīng)變速率敏感性、板料變形過程中板厚的變化以及中性層偏移等多種因素對拉延筋阻力的影響。并與經(jīng)典的Nine試驗數(shù)據(jù)進(jìn)行比較，驗證了該方法的有效性。 綜上所述，本研究在常用的參數(shù)反演方法——神經(jīng)網(wǎng)絡(luò)的泛化能力的改善和結(jié)構(gòu)設(shè)計方面取得了一些成果，提出了三種基于泛化的多層前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計方法以及漸進(jìn)式局部密化樣本點的神經(jīng)網(wǎng)絡(luò)樣本設(shè)計方法，為多層前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計探索了一