摘要
本发明实施例提供了一种极板多步冲压成形回弹控制方法,通过获取极板在冲压成形过程中的独立变量参数,从独立变量参数中选取组合设计值;利用组合设计值绘制极板的几何模型,并对几何模型进行有限元仿真,得到极板对应的最小流道深度标准差和最大减薄率;以最大减薄率作为约束条件、最小流道深度标准差作为目标值建立优化模型;利用优化模型对极板进行回弹控制。基于此,本发明能够控制极板的流道深度标准差和最大减薄率的预测误差较小,通过数据驱动的机器学习模型实现工艺参数全局优化,能够解决金属极板多步冲压成形过程中回弹导致的极板翘曲变形和幅面平整度超差的问题,有效实现了极板的回弹优化控制。
技术关键词
染色体
人工神经网络
回弹控制方法
流道
超参数
变量
预测误差
回弹控制装置
冲压成形模具
预成形
后处理软件
遗传算法
机器学习模型
深度值
基因
模块
系统为您推荐了相关专利信息
航空发动机
维修决策方法
装配线
染色体
遗传算法求解
遥感大数据处理
遥感图像信息
分块
归一化植被指数
随机森林模型