孙新强
- 作品数：6 被引量：48H指数：5
- 供职机构：西南交通大学机械工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：金属学及工艺更多>>
- 基于鱼群RBF神经网络和改进蚁群算法的拉深成形工艺参数优化被引量：6
- 2014年
- 针对基本蚁群算法只能应用于离散问题的缺陷,借鉴鱼群算法中人工鱼移动机制,提出了一种连续蚁群算法。为了减少板料成形工艺参数优化时间,建立工艺参数与成形目标之间的RBF神经网络近似模型。以板料成形中分块压边力为设计变量,以板料成形后增厚和减薄为成形目标,通过拉丁超立方抽样,运用Dynaform软件进行仿真以获得训练样本,基于人工鱼群算法建立分块压边力与成形质量间RBF神经网络近似模型,最后采用连续蚁群算法对该模型进行优化,获得最优分块压边力。并以油底壳零件为例进行工艺参数优化,通过与整体压边力对比,证明该方法可以有效提高成形件质量,并为快速计算最优分块压边力提供了依据。
- 田银谢延敏孙新强何育军
- 关键词：鱼群算法蚁群算法RBF神经网络
- 基于灰色关联的铝合金板拉深成形扭曲回弹工艺参数优化被引量：7
- 2015年
- 针对铝合金板成形工艺参数如何选取的难点,利用灰色关联准则对铝合金板成形质量进行分析,通过因子关联度的方差分析,获得铝合金板成形工艺中的主要影响因子。为了减少板料成形工艺参数优化时间,以铝合金板成形中主要影响因子为设计变量,以板料成形后扭曲回弹、增厚、减薄为成形目标,使用拉丁超立方抽取样本,通过Dynaform软件进行数值模拟获得训练样本,利用人工免疫算法训练RBF神经网络,建立主要影响因子与成形目标之间的RBF神经网络近似模型,最后采用人工免疫算法对该模型进行优化,获得最优工艺参数。以Numisheet'96 S梁为研究对象,利用本文所提出的方法进行拉深成形研究,通过对比分析优化前后的成形结果,证明了该方法能极大地提高铝合金板的成形质量。
- 谢延敏田银孙新强何育军
- 关键词：铝合金板灰色关联RBF神经网络
- 基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化被引量：17
- 2016年
- 针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明:采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。
- 谢延敏孙新强田银何育军卓德志
- 关键词：高强钢参数优化小波神经网络粒子群算法
- 基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化被引量：10
- 2015年
- 针对铝合金复杂件冲压后出现的较大回弹缺陷,同时为减少冲压成形工艺参数的优化时间,使用有限元仿真软件DYNAFORM对冲压成形及回弹过程进行数值模拟,在确保数值模拟与试验结果基本一致的基础上,利用代理模型对回弹进行了优化研究。以NUMISHEET'96 S梁为研究对象,凸模圆角半径、凹模圆角半径、压边力、板料厚度作为影响因素,成形后最大回弹值作为成形目标,运用拉丁超立方抽样,通过数值仿真获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用粒子群算法对该模型迭代寻优获得最优工艺参数。结果表明:小波神经网络能较好地描述板料工艺参数与回弹之间的映射关系,优化后成形件的回弹量大大减小。
- 孙新强谢延敏田银何育军
- 关键词：铝合金回弹小波神经网络粒子群算法
- 热冲压成形数值仿真及模具冷却系统参数研究被引量：9
- 2015年
- 在热冲压成形过程中,为更进一步认识热冲压成形过程,提高零件冷却性能和模具自身冷却能力,数值模拟了高强钢板料的热冲压成形和淬火过程,并对模具冷却系统参数做了研究。运用ABAQUS建立了基于热力耦合的弹塑性有限元模型,数值模拟了22Mn B5高强钢板U型件的热冲压成形和淬火过程,并将数值仿真结果与试验结果对比,验证了数值仿真模型的有效性。通过正交试验设计和灰色关联分析,以成形件最高温度、成形件最大温差、模具最高温度为目标,对模具冷却系统中冷却水流速和管道孔几何参数进行了灰色关联分析。分析结果表明,对上述3个目标影响重要度依次是冷却管道孔径、冷却管到模具表面距离、管道间距、水流速度。
- 何育军谢延敏田银孙新强
- 关键词：高强度钢热成形数值仿真
- 基于人工免疫算法和RBF神经网络的板料成形变压边力优化被引量：2
- 2015年
- 针对人工免疫算法搜索时间长、效率低等缺点,对其进行了改进,使其在保持种群多样性的同时,提高了收敛速度。为了减少板料成形工艺参数试错时间,运用数值模拟建立近似模型。以方盒件为例,利用Dynaform软件仿真获得训练数据,通过人工免疫算法优化RBF神经网络,获得隐层中心位置和数量,并采用伪逆法确定输出层的权值。利用改进后的人工免疫算法对该模型进行优化,获得变压边力加载曲线。研究结果表明,采用优化后的变压变力控制曲线能有效地提高板料成形质量。
- 田银谢延敏孙新强何育军
- 关键词：板料成形免疫算法RBF神经网络变压边力
