轴对称件智能拉深系统中的神经网络参数识别

建立了轴对称拉深件的材料性能参数和摩擦系数实时识别前馈神经网络,采用LM算法优化网络,将参数识别精度提高到一个新水平,为智能化拉深成形的实时预测和实时控制这两个基本要素提供了前提保证,为实现整个拉深成形过程的智能化控制奠定基础。

盒形件拉深智能化控制关键技术研究

在圆锥形零件拉深成形智能化控制的研究基础上,分析了盒形件拉深智能化控制需要解决的技术关键。采用LabVIEW虚拟仪器技术,可以令人满意地实现拉深过程中信号的监测与控制。采用神经网络技术,可实现材料性能参数的实时识别,利用LM(LevenbergMarquarat)优化算法达到了2‰的网络误差。最佳工艺参数的预测模型尚待深入研究,该文提出3种参考方案,即理论成形三极限预测模型、神经网络/模糊推论预测模型以及自适应反馈控制模型。

盒形件智能化拉深变压边力控制规律及其预测

智能化拉深过程中压边力规律的实时预测是关键技术之一。选择非轴对称件中的锥壁盒形件为研究对象,通过数值模拟和试验对成形过程中压边力随凸模行程的变化规律进行研究,得到能够提高成形质量的较优压边力变化趋势,提出破裂临界压边力控制原理,并将前馈神经网络模型引入盒形件智能化拉深压边力控制规律的预测,预测结果与试验吻合较好,实现较优压边力规律的实时预测,为实现盒形件拉深成形过程的智能化控制奠定基础。

盒形件智能化拉深过程中材料性能参数的识别

智能化拉深过程中材料性能参数实时识别是关键技术之一。盒形件拉深难以用精确的力学模型来描述,文章引入基于LM算法的神经网络模型对材料参数进行识别,并仔细研究了在盒形件拉深过程中的适用性。针对盒形件提出了拉深初期采用恒定压边识别的方案,并采用平均值和去除奇异数据的方法大幅度地减小了识别误差,在该文的样本数据范围内,4种材料性能参数的最大识别误差在2%以内,为实现整个拉深成形过程的智能化控制奠定了基础。

盒形件智能化拉深压边力规律的实时预测

拉深过程中,压边力规律的实时预测是实现变压边力实时控制的关键。以盒形件为研究对象,引入人工神经网络,研究了变压边力规律实时预测模型的拓扑结构,获得了样本数据与提高预测模型收敛精度和泛化精度的方法。结果表明:对输入样本进行归一化处理,采用正则化训练方法,并适当地选取训练样本数和隐层节点数,可使预测模型的泛化精度控制在10%以内。

智能化拉深控制中的法兰起皱临界条件

建立了轴对称件拉深法兰起皱的数学模型。从能量平衡原理出发,推导了考虑几何参数、摩擦系数和材料性能参数及板材皱曲时约束条件的轴对称拉深成形过程中法兰起皱临界压边力的变化规律,给出了皱曲判据。理论分析与实验吻合较好,为拉深过程的智能化控制提供了理论依据。

直线电机主传动系统在多工位深拉伸智能成型机上的应用

介绍了多工位深拉伸智能成型机的主要功能和应用领域,介绍传统压力机主传统系统结构,提出一种采用直线电机作为新型主传动系统的多工位深拉伸智能成型机,其整机性能优势明显,在压力机行业具有广阔的发展前景。

金属板材成形智能化控制技术研究及展望

对板材成形智能化控制技术进行了综述,介绍了智能化控制系统的4个基本要素,重点介绍了以板材V形弯曲智能化控制技术、板材拉深智能化控制技术为代表的板材成形过程中智能化控制原理,弯曲和拉深的实验证明该项技术实验效果良好,同时对该技术的进一步应用做出了展望,指出多学科研究成果的不断涌现加快了板材智能化成形工业应用进程。

多媒体定时器在高速智能液压机控制软件开发中的应用

分析了多媒体定时器在开发高速智能液压机应用程序中的优点,着重讨论了timeGetTime函数的实现方法。