基于GA–BP神经网络的汽车内饰板虚拟制造研究

摘要：

目的 以某汽车内饰板为研究对象进行虚拟制造,以提前得到相对准确的工艺参数并减少成形缺陷的产生.方法 研究了工艺参数对产品拉延成形质量的影响,并确定了拉丁超立方抽样区间,在抽样区间内抽取60组样本数据,以最大减薄率为目标值,以前50组样本数据为测试集、后10组样本数据为预测集,使用基于GA–BP神经网络的遗传算法得到最优工艺参数,并将其代入有限元分析软件DYNAFORM中进行虚拟制造.结果 训练后GA–BP模型的预测值与期望值最大误差为0.2997％,最大预测误差率为1.74738％;遗传算法预测的最大减薄率为16.548％,虚拟制造得到的减薄率为16.167％,虚拟制造值与预测值的大小仅相差0.318％,仿真误差的误差率为2.36％.结论 虚拟制造结合先进算法的优化方法可以指导后续生产.

关键词：DYNAFORM、GA—BP神经网络、内饰板

所属期刊栏目：14

分类号：TG302;TG386.3(金属压力加工)

资助基金：江苏省盐城市515创新领军人才项目;河南省科技攻关项目;郑州市科技局产学研项目

在线出版日期：2022-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：41-49