学位论文 > 优秀研究生学位论文题录展示

拉弯成形智能控制关键技术的研究

作　者: 孙凌逸
导　师: 王俊彪
学　校: 西北工业大学
专　业: 航空宇航制造工程
关键词: 拉弯成形材料性能参数在线识别零点校正误差补偿神经网络回弹预测
分类号: V261
类　型: 硕士论文
年　份: 2005年
下　载: 107次
引　用: 3次
阅　读: 论文下载

内容摘要

拉弯成形工艺在航空、航天、武器装备和汽车型材弯曲件的制造中应用非常广泛。但成形过程受工件的塑性变形特性和摩擦条件等诸多非线性因素的影响,回弹等成形缺陷比较严重,极大的影响了制件的成形精度。因此,研究拉弯成形的智能控制技术,提高拉弯成形件精度尤为重要。本文由此入手,对拉弯成形中材料性能参数的在线识别及拉弯成形回弹预测进行了研究。为保证在材料性能出现变化和波动时,依然保持较高的成形精度,本文对拉弯成形中材料性能参数的在线识别进行了研究,建立了集实时监测和在线识别功能为一体的材料性能参数在线识别系统,通过拉弯变形初始阶段的主缸拉力—位移曲线,利用数字滤波和曲线拟合技术,实现了拉弯成形中材料性能参数的在线识别。对参数识别中存在的误差进行了分析研究,结合拉弯设备的结构特点,建立了零点校正以及变形误差补偿模型,有效地解决了识别误差问题。这项研究为回弹的实时控制及拉弯成形智能化系统的建立奠定了基础。本文利用神经网络技术对预测拉弯回弹进行了研究,建立了拉弯回弹预测神经网络模型,实现了拉弯过程中的成形条件与拉弯回弹的非线性映射。利用BP神经网络建立了拉弯回弹智能预测系统,根据给定的成形条件,对等边角型材拉弯变形的回弹进行了预测,取得了理想的预测精度,表明了神经网络技术在预测回弹方面的可靠性和优越性。

全文目录

摘要  2-3
ABSTRACT  3-7
第一章绪论  7-13
  1.1 引言  7-8
  1.2 板材成形智能化研究现状及国内外发展趋势  8-11
    1.2.1 弯曲成形智能化研究  9-10
    1.2.2 拉弯智能化的研究  10-11
  1.3 课题背景  11
  1.4 选题意义与主要研究内容  11-12
  1.5 论文章节安排  12-13
第二章拉弯成形工艺分析  13-20
  2.1 拉弯成形方式  13-14
  2.2 拉弯加载方式  14-15
  2.3 力控制模式与位移控制模式  15
  2.4 拉弯成形工艺参数  15-16
  2.5 拉弯过程的基本控制参数及其作用  16-18
    2.5.1 基本控制参数  16-17
    2.5.2 控制参数的作用结果  17-18
  2.6 型材性能参数及其对拉弯成形精度的影响  18-19
    2.6.1 型材的性能参数  18-19
    2.6.2 型材性能参数对拉弯成形精度的影响  19
  2.7 本章小结  19-20
第三章材料性能参数的在线识别  20-36
  3.1 在线监测量和在线识别量的确定  20-22
  3.2 在线监测量的滤波处理  22-24
  3.3 材料性能参数的识别  24-27
    3.3.1 弹性模量E的识别  24-25
    3.3.2 屈服强度σ_s的识别  25-26
    3.3.3 硬化指数n、强度系数B及极限强度σ_b的识别  26-27
  3.4 材料参数识别应用分析  27-34
    3.4.1 型材拉伸试验及结果分析  27-28
    3.4.2 零点校正  28-30
    3.4.3 主／补拉装置总体弹性系数计算模型  30-31
    3.4.4 误差补偿模型验证  31-33
    3.4.5 硬化指数n、强度系数B  33-34
  3.5 材料性能参数识别程序的实现  34-35
  3.6 本章小结  35-36
第四章人工神经网络与智能预测  36-48
  4.1 人工神经网络概述  36-37
  4.2 神经网络的结构  37-40
    4.2.1 人工神经元模型  37-38
    4.2.2 人工神经网络的结构  38
    4.2.3 几种常见的神经网络模型  38-40
  4.3 神经网络的泛化能力  40-44
    4.3.1 泛化能力是神经网络的重要技术指标  40
    4.3.2 影响神经网络泛化能力的主要因素  40-41
    4.3.3 提高神经网络泛化能力的方法  41-44
  4.4 神经网络预测方法  44-47
    4.4.1 神经网络在预测中的应用  44-45
    4.4.2 基于神经网络的智能预测系统实现  45-47
  4.5 本章小结  47-48
第五章基于神经网络的拉弯回弹预测  48-62
  5.1 回弹量的评估  48
  5.2 BP神经网络应用于回弹预测  48-52
    5.2.1 BP网络的原理  49-51
    5.2.2 BP算法及其改进  51-52
  5.3 输入层和输出层变量的确定  52-53
  5.4 训练样本数据的采集及处理  53-55
    5.4.1 拉弯试验引用标准  53-54
    5.4.2 试验设备  54
    5.4.3 试验材料  54
    5.4.4 试验结果及训练样本  54-55
  5.5 基于BP神经网络的回弹预测  55-60
    5.5.1 网络层数和节点数目的选取  55-57
    5.5.2 选择网络训练工具  57
    5.5.3 BP网络的训练  57-59
    5.5.4 预测结果及精度分析  59-60
  5.6 本章小结  60-62
第六章拉弯成形过程智能控制系统  62-67
  6.1 拉弯成形过程智能控制系统的构成  62-63
  6.2 预拉力控制及工艺参数估算  63-65
  6.3 拉弯成形回弹预测及工艺参数修正  65-66
  6.4 本章小结  66-67
第七章结束语  67-69
  7.1 工作总结  67-68
  7.2 论文的创新之处  68
  7.3 后续工作  68-69
参考文献  69-73
附录拉弯成形试验数据表  73-75
攻读硕士学位期间承担的科研任务与主要成果  75-76
致谢  76-77

拉弯成形智能控制关键技术的研究

内容摘要

全文目录

相似论文