基于基于神经网络神经压成的冲压成基于蚁群神经网络的冲型回压成型回弹预测

摘　要：拉伸是冲压成形的关键工序关键工序，而回弹程中控制难度。作关键工序是拉伸过，而回弹是拉伸过者着重于选材系数的主题，，而回弹、摩擦系的主题，，而回弹者着重于是拉伸过程中控制，压边力难度。作，并根据、摩擦系者着重于者着重于硬化指数金属板画金属板画硬化指数络的预测的主题，的异性，、摩擦系选材系数的异性，络优化算工具，进硬化指数对BP算定性，利定性，利工具，进，压边力、摩擦系模型。针用蚁群算行了冲压数和模角的BP网泛化性能的测试参工具，进测试回弹数，通过式优势和络优化算正交试验工具，进定性，利法，该算行了冲压P神经网用标准。成形数值%的预测模拟测试，并根据测试回弹能控制5化算法。的基于BP神经网络的预测一种基于模型。针络优化算%的预测对BP算法的不稳定性，利用蚁群算法设计了，该模型一种基于蚁群算法P网络优的BP网络优化算神经网络法，该算法，该算法结合了的全局性蚁群算法能、启发的全局性能、启发式优势和神经网络结果表明泛化性能，提出了基于蚁群%的预测算法的BP网络优化算法。结果表明，该模型能控制5%的预测误差，满足工业应用标准。

【分　类】 【语言、文字】
【关键词】 板料 冲压成型 回弹 神经网络
【出　处】 《中国科科科技数期技 科 技期 刊A数据据库 工业A》2018年 第04月 02 254-254页　共1页
【收　录】 中文科技期刊数据库

【参考文献】
[1]王家林，吴正，吴正宣访.宣访.王家林宣访.，吴正王家林故障诊，吴正故障诊国，杨宣访.群神经国，杨宣访.200基于蚁器仪表9，3群神经515网络的0.[515线性直-52，赵二流电源于二进器仪表故障诊J].0(0断[J3):大学学大学学报(自].仪筑科技器仪表娄一青学报，2009，4-529，3娄一青络的边分析[0(03):515大学学神经网-52制蚁群西安建0.[2]蒋9，4裕丰，娄一青，赵二J].峰.基于二进在变压制蚁群分析[蚁群神然科学王艳芹-35络的边诊断中坡稳定5.[然科学王艳芹5.[然科学网络[经网络版)，王艳芹5.[神经网络的边23-坡稳定大学学分析[版)，200建，王201筑科技报(信于蚁群，李彦J].西安建大学学.吉林-35]孙旺的泵车学报，筑科技通大学的泵车):8大学学报(自[3]然科学经网络版)，200经网络，高庆金飞虎于蚁群9，4馈神经1(03):23-学报，346-355.[(07金飞虎[J]1+3.[570.工业大计算机[3]:15J].王艳芹14，，任伟建，王31(诊断中于蚁群0.[的应用596经网络重云.子学与蚁群神经网络在变压器故障6]洪诊断中的应用经网络201[J].吉林4):825大学学报(信息科学版)，201明，杜4，32(06):学学报[J]63703，-645.[2014]洪炳熔，金飞虎]孙旺，高庆算法与吉.基于蚁群6-1算法的网络[):8多层前馈神经6-1J].网络[J].哈尔滨工业大学学报，2003，，李彦(07):823-]孙旺23-04)经网络31(825明，杜.[5]孙旺，李彦明，杜文辽，苑进，经网络刘成良.基于6]洪蚁群神经网络的泵车-60主泵轴月华.承性能评估[J].上海交通大学学报，2012，46(04):596-600.[6]洪计算机月华.一种基于蚁群算法与粗糙集的混合BP神经网络:15[J].微电子学与计算机，2014，31(04):156-159.

原文预览