典型文献
机器学习耦合有限元分析预测板料气弯回弹行为
文献摘要：
采用机器学习神经网络(NN)耦合有限元分析(FEA)的方法来构建弯曲成形过程的非线性回弹模型,并且考虑了不同材料、 工艺参数和模具几何形状,可以有效和准确地预测工件的弯曲回弹行为.当模具开口量V=11 mm、 板料厚度t=3 mm时,对于结构钢HC220材料,机器学习NN模型的预测值(YNN)与回弹后分析解(yJBP)的均方根误差RMSE分别为0.28和1.70;对于双相钢DP590材料,YNN与yJBP的RMSE分别为0.45和0.22.采用NN模型、 回弹后分析解(yJBP)和FEA方法的CPU计算时间分别为3.1、6.3和278 s,NN模型的CPU计算时间最少,实验结果表明,NN模型可以在良好的预测精度和高效的求解速度之间达到一个最佳平衡.
文献关键词：
空气辅助弯曲;弯曲回弹;机器学习;神经网络;有限元分析
中图分类号：
作者姓名：
徐承亮;张祥林;王大军
作者机构：
广州科技贸易职业学院 产业学院, 广东 广州511442;华中科技大学 材料成形与模具技术国家重点实验室,湖北 武汉430074;重庆邮电大学 自动化学院, 重庆400065
文献出处：
引用格式：
[1]徐承亮;张祥林;王大军-.机器学习耦合有限元分析预测板料气弯回弹行为)[J].锻压技术,2022(06):107-112
A类：
HC220,YNN,yJBP,空气辅助弯曲
B类：
分析预测,板料,弯回,回弹行为,FEA,弯曲成形,成形过程,回弹模型,不同材料,模具,几何形状,工件,弯曲回弹,结构钢,RMSE,双相钢,DP590,CPU,计算时间
AB值：
0.277753
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
