مقاله Using genetic algorithm-back propagation neural network prediction and finite-element model simulation to optimize the process of multiple-step incremental air-bending forming of sheet metal به همراه ترجمه - دانلود فایل
دانلود فایل Using genetic algorithm back propagation neural network prediction and finite element model simulation to optimize the process of multiple step incremental air bending forming of sheet metal
دانلود فایل مقاله Using genetic algorithm-back propagation neural network prediction and finite-element model simulation to optimize the process of multiple-step incremental air-bending forming of sheet metal به همراه ترجمه عنوان انگلیسی مقاله
Using genetic algorithm-back propagation neural network prediction and finite-element model simulation to optimize the process of multiple-step incremental air-bending forming of sheet metal
بهینه نمودن روند شکل دهی افزایشی خم آزاد ورق به صورت چندمرحله ایی با استفاده از الگوریتم ژنتیک و شبکه ی عصبی پس انتشار خطا
چکیده مقاله ی انگلیسیUsing neural network to predict punch radius based on the results of air-bending experiments of sheet metal is a high efficiency work in spite of little error. A three-layer back propagation neural network (BPNN) is developed to best fit this discrete engineering problem involving many parameters of air-bending forming. A genetic algorithm (GA) is used to optimize the weights of neural network for minimizing the error between the predictive punch radius and the experimental one. Then, with the predicted punch radius and other geometrical parameters of a tool, 2D and 3D ABAQUS finite-element models (FEM) are established, respectively. The original forming process of multiple-step incremental air-bending of sheet metal, obtained from geometric planning for semiellipse-shaped workpiece, is simulated using the FEM. This process is further adjusted with simulation-optimization results, because of existing large errors in
the workpiece simulated with the original forming process. Finally, a semiellipse-shaped workpiece, with average errors of +0.61/0.62 mm, is manufactured with the optimized adjustment process. The experimental results show that the punch design method is feasible with the prediction model of GA-BPNN, and the means of optimizing process with FEM simulation is effective. It can be taken as a new approach for punch and process design of multiple-step incremental air-bending forming of sheet metal.
Keywords: Incremental air-bending forming of sheet, metal , Process optimization design , Genetic algorithm , Finite-element simulation
چکیده:با توجه به نتایج آزمایشات خم آزاد ورق (فلز) ، کاربرد شبکه عصبی در پیش بینی شعاع سنبه علیرغم داشتن کمی خطا دارای عملکرد بهتری می باشد. در این بررسی ابتدا از شبکه عصبی پس انتشار(خطا) 3 لایه (BPNN) به منظور برازش بهتر این مسئله (مهندسی گسته) که شامل بسیاری از پارامترهای شکل دهی خم آزاد است استفاده شد و همچنین از الگوریتم ژنتیک (GA) به منظور بهینه سازی وزن های شبکه عصبی در حداقل نمودن خطای بین پیش بینی شعاع سنبه و آزمایش های صورت گرفته اعمال شد، سپس با استفاده از شعاع سنبه پیش بینی شده و سایر پارامترهای مربوط به ابزار ژئومتری یا هندسی ، مدل های المان محدود (FEM) در محیط نرم افزار آباکوس به صورت سه بعدی و دو بعدی شبیه سازی شد. فرآیند شکل دهی اصلی خم آزاد ورق (فلز) به صورت چندمرحله ایی (روش پیشنهادی) از برنامه ریزی هندسی برای ایجاد قطعه کار به شکل نیمه الیپس با استفاده از مدل المان محدود شبیه سازی شد. این فرآیند به دلیل وجود میزان خطاهای بیشتر در شبیه سازی قطعه کار (فرآیند شکل دهی اصلی) با استفاده از نتایج روش بهینه سازی - شبیه سازی تنظیم یا مطابقت داده شده و در نهایت ، قطعه کار به شکل نیمه الیپس با میانگین خطای 0.61+ / 0.62- میلی متر (mm) با فرآیند تنظیم یا میزان بهینه سازی تولید می شود. نتایج تجربی در این بررسی نشان می دهد که روش طراحی سنبه با مدل پیش بینی GA-BPNN امکان پذیر بوده و فرآیند بهینه سازی با استفاده از شبیه سازی المان محدود یا FEM عملکرد بهتری داشت و این فرآیند می تواند به عنوان یک رویکرد جدیدی در طراحی سنبه و فرآیند شکل دهی افزایشی خم آزاد ورق (فلز) به صورت چندمرحله ایی مورد استفاده قرار گیرد.
کلمات کلیدی : شکل دهی افزایشی خم آزاد ورق (فلز) ، طرح بهینه سازی فرآیند ، الگوریتم ژنتیک ، شبیه سازی المان محدود.
سال انتشار : 2010
مقاله انگلیسی : 11 صفحه دو ستونی
شماره تلفن های پشتیبانی :09145289188 - 09011704493