齿轮坯预锻件的多目标优化设计

论文摘要

随着汽车行业的发展,尤其是轿车的发展,市场对齿轮需求量日益增加。实际生产中,齿轮坯的生产工艺大都凭借经验设计,然后反复实验确定可行方案。随着有限元分析CAE软件的发展,在计算机上模拟齿轮坯的成形过程,可在很大程度上降低了设计成本,但是由于影响因素多,采用CAE软件仍然需要进行长时间多次的有限元模拟,且仍需进行实验比较验证,费时费力还不能确定最优方案。如果利用数值模拟的结果,采用人工智能算法,通过软件自动给出最优的设计方案,将会大大降低设计周期,提高生产率。在齿轮坯的生产设计中,预锻件的设计关系到终锻件是否能够成形、终锻件的质量、模具的寿命。但是由于锻造过程的复杂性,利用一般数学建模方法不能将预锻件对终锻件成形的影响过程进行建模。BP神经网络由于其在处理高度非线性问题上的优势,能够很好的将预锻件对终锻件成形的影响过程进行建模。利用CAE软件模拟的不同的方案,通过分析取得神经网络样本。建立的模型能够很好的依据预锻件的设计判断终锻的过程是否值得进行,但是不能找出最优的预锻件尺寸。为此,利用遗传算法的全局寻优功能,找出最佳的预锻件形状和尺寸。本文还研究了齿轮坯预锻件的多目标优化系统,分析了系统的网络构架、硬件组成和功能,并加以实现。界面设计由VC++完成,BP神经网络和遗传算法部分采用MATLAB进行编程实现,通过VC++调用MATLAB引擎实现混合编程。通过使用ADO技术,实现系统运行参数的数据传递。通过试用验证,将BP神经网络和遗传算法结合优化齿轮坯预锻件的方法能够得出最优的预锻件形状和锻件尺寸。避免了大量的有限元模拟和试生产过程,缩短了设计周期,提高了生产效率,为齿轮坯锻件的预锻件设计提供科学依据。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 预锻件优化设计国内外研究现状
• 1.3 BP 神经网络优化设计的应用状况
• 1.4 遗传算法原理及其与BP 神经网络结合应用
• 1.5 VC++和MATLAB 混合编程应用
• 1.6 课题的来源、目的和意义
• 1.7 本文主要研究内容
• 1.8 本章小结
• 2 齿轮坯成形工艺分析
• 2.1 齿轮坯分类
• 2.2 齿轮坯生产工艺分析
• 2.3 齿轮坯生产设备
• 2.4 齿轮坯设计流程分析
• 2.5 齿轮坯成形有限元分析
• 2.6 本章小结
• 3 齿轮坯预锻件优化设计的BP 神经网络模型
• 3.1 BP 神经网络的原理
• 3.2 确定齿轮坯预锻件优化设计的BP 神经网络模型
• 3.3 BP 神经网络模型的训练
• 3.4 BP 神经网络预测性能分析
• 3.5 本章小结
• 4 基于遗传算法的齿轮坯预锻件的多目标优化设计
• 4.1 遗传算法产生初始种群
• 4.2 遗传算法编码
• 4.3 目标函数到适应度函数
• 4.4 遗传算法多目标优化
• 4.5 遗传算子
• 4.6 参数设置
• 4.7 运行结果
• 4.8 齿轮坯预锻件的有限元模拟验证尺寸优化
• 4.9 本章小结
• 5 齿轮坯预锻件优化原型系统开发
• 5.1 齿轮坯预锻件优化原型系统开发背景
• 5.2 齿轮坯的分类设计
• 5.3 开发环境
• 5.4 VC++与MATLAB 混合编程
• 5.5 系统设计流程
• 5.6 系统运行
• 5.7 本章小结
• 6 全文总结与展望
• 6.1 全文总结
• 6.2 工作展望
• 致谢
• 参考文献
• 附录 攻读硕士学位期间发表的论文