基于BPNN与PSO的薄板件钻孔夹具定位布局多目标优化

针对薄板件钻孔夹具定位布局设计存在多个目标和有限元仿真成本高的问题,提出一种基于反向传播神经网络(BPNN)与粒子群优化(PSO)算法的薄板件钻孔夹具定位布局多目标优化方法。通过有限元仿真分析获取不同夹具定位布局下薄板件钻孔后的最大变形和整体变形,将仿真结果作为训练样本,建立定位布局与薄板件最大变形和整体变形之间的多目标神经网络预测模型。在此基础上,以夹具定位布局为设计变量,以工件的最大变形和整体变形最小化为目标,结合神经网络预测模型与粒子群优化算法,得到钻单个孔时的夹具定位布局Pareto最优解集。最后,通过平板和曲板两个实例验证了所提方法的可行性和有效性。

基于分形接触理论的薄板件钻孔夹具定位布局建模

为了提高薄板件钻孔夹具定位布局仿真模型的薄板件变形预测精度,提出一种基于分形接触理论的薄板件钻孔夹具定位布局建模方法。首先采用半弹性接触模型近似代替定位元件与薄板件之间的接触,并通过法向弹簧—阻尼单元模拟接触面的刚度和阻尼特性,然后借助分形接触理论获得定位点接触区域法向接触力与接触刚度、阻尼的关系,接着在通过有限元仿真得到各定位点处的法向接触力的基础上,求解每个定位点处的法向接触刚度与阻尼,最后建立薄板件钻孔夹具定位布局仿真模型,对薄板件钻孔后的变形进行预测。通过平板和曲板两个实例验证了所提建模方法的可行性和有效性。