基于GA–BP神经网络的汽车内饰板虚拟制造研究

作者：张德海; 付亮; 李艳芹; 李军恒; 祝志逢; 黄子帆

来源：精密成形工程, 2022, 14(09): 41-49.

• DYNAFORM
• GA–BP神经网络
• 内饰板

目的 以某汽车内饰板为研究对象进行虚拟制造，以提前得到相对准确的工艺参数并减少成形缺陷的产生。方法 研究了工艺参数对产品拉延成形质量的影响，并确定了拉丁超立方抽样区间，在抽样区间内抽取60组样本数据，以最大减薄率为目标值，以前50组样本数据为测试集、后10组样本数据为预测集，使用基于GA–BP神经网络的遗传算法得到最优工艺参数，并将其代入有限元分析软件DYNAFORM中进行虚拟制造。结果 训练后GA–BP模型的预测值与期望值最大误差为0.299 7%，最大预测误差率为1.747 38%；遗传算法预测的最大减薄率为16.548%，虚拟制造得到的减薄率为16.167%，虚拟制造值与预测值的大小仅相差0.318%，仿真误差的误差率为2.36%。结论 虚拟制造结合先进算法的优化方法可以指导后续生产。

• 单位
  机电工程学院; 郑州轻工业大学