基于BSO-BP神经网络的吸能盒多道次拉深系数优选方法研究

吸能盒高径比大,需多道次拉深成形,拉深系数对吸能盒成形质量影响重大,为客观合理确定每道次的拉深系数,提出一种基于BSO-BP神经网络的吸能盒多道次拉深系数优选方法。以某型汽车吸能盒为研究对象,将吸能盒的最大减薄率和FLD成形安全域占比作为成形质量评判标准。首先,以每道次拉深系数作为实验因素,应用拉丁超立方实验设计方法并结合有限元分析技术建立实验样本;其次,基于天牛群优化算法(BSO)优化BP神经网络的权重和阈值,建立多道次拉深系数的BSO-BP神经网络模型;再次,应用多目标粒子群算法(MOPSO)在建立的BSO-BP神经网络模型内进行寻优计算获得满足成形质量评判标准的最优多道次拉深系数值;最后,经过实际生产验证了所提方法的有效性,可为工程中深拉深制品的拉深系数客观合理确定提供一种可供参考的新方法。