留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于动态遗传神经网络的方盒件成形多目标优化

杨威 孙士平

引用本文:
Citation:

基于动态遗传神经网络的方盒件成形多目标优化

  • 基金项目:

    国家自然科学基金(11362017);江西省教育厅科技项目(GJJ160707)

  • 中图分类号: TG386

Multi-objective Optimization of Square Box Forming Based on Dynamic Genetic Neural Network Model

  • CLC number: TG386

  • 摘要: 针对板料成形优化中采用传统静态代理模型存在全局近似精度不高、超量选取样本点等问题,提出了多重近似精度收敛、逐步增添样本点的动态遗传神经网络(Genetic Algorithm Back Propagation Neural Network,GABP)建模方法。样本点增补策略根据动态模型的全局近似精度和局部近似精度分别按最大最小距离增补和局部最优解增补。将动态代理模型应用于NUMISHEET 93方形盒冲压成形优化问题,结合灰色关联理论将多目标问题转化为单目标问题并构造用于优化的迭代格式,实现了方盒件成形的多目标优化,有效地提高了方盒件成形质量和优化计算效率。
  • [1] Dwivedi R,Agnihotri G. Study of deep drawing process parameters[J]. Materials Today:Proceedings,2017,4:820-826.
    [2] 孙永光,李光耀,张勇,等. 基于有限元的板料拉延成形质量评价准则及工艺参数优化研究[J]. 固体力学学报,2009,30(1):70-78.
    [3] Chen G D,Han X,Liu G P,et al. Multi-objective optimization method based on surrogate model guiding sample[J]. Journal of System Simulation,2011,23(10):2103-2107.
    [4] 龙腾,郭晓松,彭磊,等. 基于信赖域的动态径向基函数代理模型优化策略[J]. 机械工程学报,2014,50(7):184-190.
    [5] Hamdaoui M,Oujebbour F Z,Habbal A,et al. Kriging surrogates for evolutionary multi-objective optimization of CPU intensive sheet metal forming applications[J]. International Journal of Material Forming,2015,8(3):469-480.
    [6] Hu W,Li E,Li G Y,et al. Optimization of sheet metal forming processes by the use of space mapping based metamodeling method[J]. Journal of Advanced Manufacturing Technology,2008,39(7-8):642-655.
    [7] Kitayama S,Yamazaki K. Sequential approximate robust design optimization using radial basis function network[J]. Journal of Mechanics and Materials in Design,2014,3(10):313-328.
    [8] Xie Y M,Yu H P,Chen J,et al. CAE-based robust optimization for deep-drawing process of sheet metal forming using grey relational analysis method[J]. Journal of Shanghai Jiaotong University,2007,12(3):301-307.
    [9] Sun G Y,Li G Y,Gong Z H,et al. Radial basis functional model for multi-objective sheet metal forming optimization[J]. Engineering Optimization,2011,43(12):1351-1366.
    [10] Köksoy O. Multiresponse robust design:mean square error (MSE) criterion[J]. Applied Mathematics & Computation,2006,175(2):1716-1729.
    [11] Hecht-Nielsen R. Theory of the back propagation neural network[C]//Internatinal Joint Conference on Neural Networks,2002,1(1):593-605.
    [12] 李国勇. 神经模糊控制理论及应用[M]. 北京:电子工业出版社,2009.
    [13] Danckert J. Experimental investigation of a square-cup deep-drawing process[J]. Journal of Materials Processing Technology,1995,50(1-4):375-384.
    [14] 黄晓忠,陈劼实,陈军. 板料冲压成形破坏判断准则的研究进展[J]. 机械工程学报,2011,47(4):23-31.
  • [1] 熊益明 . 深成份指数的灰色行业聚类关联与预测模型研究. 南昌航空大学学报(自然科学版), 2006, 20(2): 17-20,28.
    [2] 李昆赵刚 . 基于神经网络与遗传算法的短纤维复合材料注塑成型参数优化研究. 南昌航空大学学报(自然科学版), 2017, 31(2): 39-43. doi: 10.3969/j.issn.1001-4926.2017.02.007
    [3] 杨加明孙超杨水清 . 夹杂黏弹性阻尼层的复合材料结构多目标优化设计. 南昌航空大学学报(自然科学版), 2014, 28(2): 9-13,37. doi: 10.3969/j.issn.1001-4926.2014.02.002
    [4] 黎明杨小芹刘高航 . 基于多个前向神经网络和遗传算法的边界检测法. 南昌航空大学学报(自然科学版), 2000, 14(4): 1-4.
    [5] 李勇王细洋王学超 . 基于LabVIEW实现神经网络. 南昌航空大学学报(自然科学版), 2009, 23(1): 27-31.
    [6] 李动锋邱根胜 . 不可微多目标凸规划的对偶理论. 南昌航空大学学报(自然科学版), 2006, 20(1): 20-22,77.
    [7] 黎明杨小芹刘高航 . 基于Hamming神经网络聚类分析的进化策略. 南昌航空大学学报(自然科学版), 2000, 14(2): 7-11.
    [8] 邹水木王金林胡结梅 . 具有Fuzzy约束的多目标规划解的稳定性. 南昌航空大学学报(自然科学版), 1998, 12(2): 32-35.
    [9] 李动锋雒志鹏吴露邱根胜 . 一种新的广义凸多目标分式规划的对偶定理. 南昌航空大学学报(自然科学版), 2007, 21(3): 24-31.
    [10] 滕志臣蒋沅吴易耘黄汉江 . 基于自适应压缩感知与处理的雷达多目标跟踪. 南昌航空大学学报(自然科学版), 2018, 32(1): 14-22. doi: 10.3969/j.issn.1001-4926.2018.01.003
    [11] 邹水木胡结梅方霞 . 广义多目标规划有效解的存在性. 南昌航空大学学报(自然科学版), 1999, 13(4): 5-7,12.
    [12] 邱根胜 . 广义凸多目标分式规划解的充分条件及其对偶定理. 南昌航空大学学报(自然科学版), 2001, 15(1): 68-73.
    [13] 邱根胜 . 广义凸多目标规则划解的充要条件. 南昌航空大学学报(自然科学版), 1998, 12(4): 20-25.
    [14] 刘玉萍 . 重排算法在多目标雷达信号分辨中的应用. 南昌航空大学学报(自然科学版), 2000, 14(3): 47-52.
    [15] 熊邦书何明一冯燕 . 基于径向基函数神经网络的自由曲面重构. 南昌航空大学学报(自然科学版), 2002, 16(3): 8-12.
    [16] 戴锦 . 基于改进BP神经网络光伏发电量预测研究. 南昌航空大学学报(自然科学版), 2015, 29(3): 91-97. doi: 10.3969/j.issn.1001-4926.2015.03.016
    [17] 程玉桂戴爱明黎明 . 基于BP神经网络的城区基本用电负荷预测与验证. 南昌航空大学学报(自然科学版), 2009, 23(3): 79-83.
    [18] 毛恒王永初 . 时滞对象的神经网络Smith预测控制. 南昌航空大学学报(自然科学版), 2003, 17(1): 49-53.
    [19] 蔡虹叶水生 . 一种基于模糊聚类的组合BP神经网络数据挖掘方法. 南昌航空大学学报(自然科学版), 2005, 19(1): 19-23.
    [20] 郑远广黄承代 . 含快慢变量的Hopfield神经网络系统的张弛振荡和吸引盆. 南昌航空大学学报(自然科学版), 2012, 26(1): 7-14.
  • 加载中
图(1)
计量
  • 文章访问数:  281
  • HTML全文浏览量:  130
  • PDF下载量:  34
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-09-21
  • 录用日期:  2018-10-22

基于动态遗传神经网络的方盒件成形多目标优化

  • 南昌航空大学 航空制造工程学院, 南昌 330063
基金项目:  国家自然科学基金(11362017);江西省教育厅科技项目(GJJ160707)

摘要: 针对板料成形优化中采用传统静态代理模型存在全局近似精度不高、超量选取样本点等问题,提出了多重近似精度收敛、逐步增添样本点的动态遗传神经网络(Genetic Algorithm Back Propagation Neural Network,GABP)建模方法。样本点增补策略根据动态模型的全局近似精度和局部近似精度分别按最大最小距离增补和局部最优解增补。将动态代理模型应用于NUMISHEET 93方形盒冲压成形优化问题,结合灰色关联理论将多目标问题转化为单目标问题并构造用于优化的迭代格式,实现了方盒件成形的多目标优化,有效地提高了方盒件成形质量和优化计算效率。

English Abstract

参考文献 (14)

目录

    /

    返回文章
    返回