文献

J-GLOBAL ID：201702279203586463   整理番号：17A0160237

改良した粒子群最適化(PSO)とウェーブレットニューラルネットワーク(の)に基づく高強度鋼の曲げスプリングバック技術のパラメータ最適化に基づいて【JST・京大機械翻訳】

Optimization of Parameters in Twist Springback Process for High-strength Sheets Based on Improved Particle Swarm Optimization Algorithm and Wavelet Neural Network

著者 (5件)： Xie Yanmin (School of Mechanical Engineering,Southwest Jiaotong University) ,  Sun Xinqiang (School of Mechanical Engineering,Southwest Jiaotong University) ,  Tian Yin (School of Mechanical Engineering,Southwest Jiaotong University) ,  He Yujun (School of Mechanical Engineering,Southwest Jiaotong University) ,  Zhuo Dezhi (School of Mechanical Engineering,Southwest Jiaotong University)
資料名： Jixie Gongcheng Xuebao  (Jixie Gongcheng Xuebao)
巻： 52  号： 19  ページ： 162-167  発行年： 2016年 
JST資料番号： W0292A  ISSN： 0577-6686  CODEN： CHHKA2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 有限要素シミュレーションソフトウェアDYNAFORMを用いて,高強度鋼復雑件のスプリングバック現象を解析し,そして,複雑なスプリングバックの程度を評価するための指数を,有限要素解析ソフトウェアソフトウェアを用いて,提案した。実験的設計とウェーブレットニューラルネットワークモデルを用いて,ねじりスプリングバックを最適化した。曲げスプリングバックを研究対象として,ねじれスプリングバックを成形目的として,直交試験設計によって,スプリングバックに及ぼす大きな影響を持つプロセスパラメータを,影響因子として選択した。ラテンハイパーキューブを用いて影響因子をサンプリングし、数値シミュレーションによりサンプルデータを獲得し、影響因子と成形目標の間のウェーブレットニューラルネットワークの代理モデルを構築し、改良した粒子群最適化アルゴリズムを用いて、このモデルの反復最適化に対して最適パラメータを獲得した。結果は以下を示す。最適化された技術的パラメータを用いて,曲げのスプリングバックを効果的に減少させることができ,この方法は,複雑なスプリングバックのスプリングバックを減少させるための有益な指針を提供する。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 実験計画法 ,  ねじり ,  プロセスパラメータ ,  *最適化 ,  高強度鋼 ,  直交性 ,  *スプリングバック
準シソーラス用語： 最適パラメータ ,  数値シミュレーション ,  影響因子 ,  有限要素解析 ,  有限要素 ,  *パラメータ最適化 ,  *ウェーブレットニューラルネットワーク ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： high-strength steel ,  twist springback ,  parameter optimization ,  wavelet neural network ,  particle swarm algorithm

分類 (1件)： 特殊成形  (WC04040W)

タイトルに関連する用語 (7件)： 粒子群最適化 ,  PSO ,  ウェーブレットニューラルネットワーク ,  高強度鋼 ,  曲げ ,  スプリングバック ,  パラメータ最適化