板料优化中基于满排方案的启发式搜索算法

提出了一种适用于板料排样优化的基于满排方案的启发式搜索算法 ,它克服了现有众多排样算法执行效率低、对板料多规格缺乏支持的缺陷 。

板料优化排样问题

在材料加工领域,板料优化排样是实现薄板和厚板材料充分利用的一个常见问题。该问题是典型的NP完全问题,其求解过程复杂,求解耗时大,难以获得精确解。这不利于该问题的工程应用,为此,目前学术界提出了多种用于解决该问题的近似算法,求取在工程应用中可接受且耗时合理的优化排样方案。该文在对板料排样问题进行阐述的基础上,对近年来国内在板料优化排样问题方面所开展的研究进行了分析,对板料排样问题的发展前景进行了展望。

基于神经网络遗传算法函数寻优与回弹补偿的汽车横梁成形优化

利用神经网络遗传算法函数寻优结合回弹补偿法对某型汽车横梁进行了冲压成形工艺优化,以解决其严重的回弹缺陷。利用极差分析找出了影响回弹的两个主要因素:冲压速度和模具间隙;对其进行了拉丁超立方随机抽样,将抽样结果作为神经网络遗传算法函数寻优模型的数据基础。以两个主要因素作为输入量,最大回弹量作为输出量,构建了非线性映射关系。计算了预测结果的个体适应度值,以求出最大回弹量的最小值以及对应的冲压速度和模具间隙。最后,通过三次回弹补偿优化将回弹量降低至0.5 mm以下,达到了生产要求。

基于灰色关联度分析与响应曲面法的汽车驾驶室底板拉深成形优化

为解决某轻型卡车驾驶室底板在拉深成形过程中出现开裂的问题,以Dynaform软件为平台,利用灰色理论和响应面法,对拉深成形过程中的参数进行优化,首先将灰色理论和正交试验相结合,获得在不同参数组合下板料成形的最大减薄率,然后对试验数据进行灰色关联度分析,获取对最大减薄率产生影响的2个主要参数:压边力和模具零件间隙,最后将模具零件间隙和拉深筋的高度作为输入,最大减薄率作为输出,进行响应面法寻优得到最优解。通过对比优化前后的成形效果和试验结果可知,优化后的工艺参数改善了轻型卡车底板拉深成形质量。