[发明专利]一种板料成形工艺优化设计方法

说明书

本申请公开的板料成形工艺优化设计方法，与现有技术相比，包括以下步骤：S1、确定决策空间和目标函数；S2、实验设计：通过拉丁超立方试验设计方法在所述决策空间内进行抽样，获得均匀分布的样本点，对每一个所述样本点进行仿真分析；S3、构建响应面代理模型；S4、响应面代理模型精度检验；S5、优化求解：基于多目标梯度增强型粒子群算法对所述响应面代理模型进行优化求解，得到所述目标函数的权衡曲线，根据具体的工程要求，在所述权衡曲线上选取满意解；S6、仿真验证。相较于现有技术而言，其基于多目标梯度增强型粒子群算法，能够有效提高板料成形优化效率，快速确定最优的成形工艺参数组合，保证零件加工质量，提高生产效率。

技术领域

本申请涉及板料成形优化技术领域，更具体地说，尤其涉及一种板料成形工艺优化设计方法。

背景技术

板料冲压成形是利用金属板料塑性变形的特点，使其在冲压设备上，借助模具对板料施加一定的压力，通过压力的作用，使板料产生塑性变形，从而得到不同形状的成形零件。影响板料成形的工艺参数非常多，包括板料的材料参数，冲压速度，压边力，模具间的间隙，模具的倒角，摩擦力系数等。如果这些参数的选取不恰当，会影响零件的加工精度和表面质量，甚至会产生起皱、破裂和反弹等形式的失效。

板料成形是一个复杂的高度非线性过程，优化过程计算繁杂求解耗时，目前板料成形优化设计中都是基于智能算法进行优化求解，通过经验反复调整工艺参数进行实验直到获得满意的成形结果，这种方法费时费力，确定的工艺参数也不是最优的参数组合，并且智能优化算法求解非常费时，影响优化效率。

因此，如何提供一种板料成形工艺优化设计方法，其基于多目标梯度增强型粒子群算法，能够有效提高板料成形优化效率，快速确定最优的成形工艺参数组合，保证零件加工质量，提高生产效率，已经成为本领域技术人员亟待解决的技术问题。

发明内容

为解决上述技术问题，本申请提供一种板料成形工艺优化设计方法，其基于多目标梯度增强型粒子群算法，能够有效提高板料成形优化效率，快速确定最优的成形工艺参数组合，保证零件加工质量，提高生产效率。

本申请提供的技术方案如下：

本申请提供一种板料成形工艺优化设计方法，包括以下步骤：S1、确定决策空间和目标函数：对零件成形的过程进行模拟仿真，分析其成形特性，确定优化目标以及目标函数，并通过单因素实验分析，确定零件成形的设计参数及其大致取值范围；S2、实验设计：通过拉丁超立方试验设计方法在所述决策空间内进行抽样，获得均匀分布的样本点，对每一个所述样本点进行仿真分析，得到所述目标函数的仿真值；S3、构建响应面代理模型：基于样本点的数据，构建响应面代理模型，并通过所述响应面代理模块构建所述设计参数与所述目标函数的映射关系；S4、响应面代理模型精度检验：对所述响应面代理模型进行精度分析，若精度满足工程要求，则跳转至下一步骤；若精度不满足工程要求，则跳回步骤S2，通过拉丁超立方试验设计方法增加所述样本点的数量，继续构键所述响应面代理模型，直到所述响应面代理模型的精度满足工程要求；S5、优化求解：基于多目标梯度增强型粒子群算法对所述响应面代理模型进行优化求解，得到所述目标函数的权衡曲线，根据具体的工程要求，在所述权衡曲线上选取满意解；S6、仿真验证：对所述满意解进行仿真验证，验证优化结果的可靠性。

进一步地，在本发明一种优选方式中，所述基于多目标梯度增强型粒子群算法对响应面代理模型进行优化求解的步骤包括：

S501、初始化种群、初始化参数：设置最速下降项系数c₁、全局学习因子c₂和排斥方向系数c₃，最大迭代次数k_max，拥挤区域判断比例S，搜索空间的上限u_n和u_l，算法的收敛精度ξ，以及粒子速度的上下限v_max和v_min；初始化种群和外部集，随机生成种群中每个粒子的初始位置和初始速度；