基于改进SVR算法的模具棱线磨损预测方法研究

为研究汽车覆盖件模具棱线几何特征参数及成形工艺参数对棱线磨损的影响,实现对模具棱线磨损的精准预测,提出了一种基于改进SVR算法的模具棱线磨损预测模型.通过利用改进的拉丁超立方抽样(ILHS)方法获取模具棱线磨损有限元计算的实验样本,进而构建预测模型的输入参数集.通过耦合混沌理论、动态权重方法对蝗虫优化算法(GOA)进行改进,利用改进后的蝗虫优化算法(IGOA)对SVR算法关键参数进行寻优.构建了基于IGOASVR算法的模具棱线磨损预测模型,结合粒子群寻优算法(PSO)建立多目标优化模型,实现对模具棱线磨损的高精度预测以及几何特征参数和成形工艺参数优化.对比5种常规预测模型,基于IGOA-SVR算法的预测模型在采样点处的预测误差分别为8.546%、8.497%、8.473%,较GOA-SVR预测模型分别提高25.9%、26.2%、26.4%,预测精度相比于其他预测模型也有不同程度的提高.结果表明改进后的IGOA-SVR算法具有更高的精度.

铝合金翼子板锐棱成形模具磨损仿真研究

为了研究铝合金锐棱成形模具的磨损规律,以采用锐棱造型设计的某车型铝合金翼子板为研究对象,利用CATIA软件构建了翼子板拉延成形模具的三维几何模型,并借助Autoform有限元仿真平台对翼子板拉延成形过程进行了数值模拟。基于数值模拟结果和Archard磨损模型应用Python进行二次开发,建立了可在Autoform有限元仿真平台进行模具磨损分析的模拟方法和流程,从而快速获得翼子板锐棱成形模具的磨损仿真结果。根据磨损仿真结果,对翼子板锐棱成形模具进行了针对性的表面强化处理,提高了翼子板锐棱成形模具的耐磨性,通过大批量生产验证,翼子板锐棱成形模具无过度磨损,可以满足连续应用的需求。研究表明,将Python二次开发应用于Autoform有限元仿真平台,能够高效、准确地得出锐棱成形模具的磨损规律。