基于MLP-PSO算法的锆合金支撑架成形质量优化_楚岩.pdf

第 48 卷 第 3 期Vol.48 No.3FORGING&STAMPING TECHNOLOGY 2023 年 3 月Mar.2023基于 MLP-PSO 算法的锆合金支撑架成形质量优化楚 岩1,毛建中1,张小民1,袁佳健2(1.湖南大学 机械与运载工程学院,湖南 长沙 410082;2.湖南交通职业技术学院 机电工程学院,湖南 长沙 410132)摘要:为了提高锆合金支撑架的冲压成形质量,基于 Dynaform 软件和正交试验设计方法,将最大减薄率作为评价指标,研究了折弯半径、板料厚度、摩擦因数、凸凹模间隙、压边力和冲压速度等参数对支撑架成形质量的影响规律。通过数值模拟获得了样本数据,利用多层感知机神经网络训练出预测支撑架减薄率的模型,对各因素的相关性进行分析,并通过粒子群优化算法得到了最优参数方案。结果表明:多层感知机神经网络模型能够有效预测支撑架的减薄率。在影响支撑架冲压的各参数中,折弯半径和摩擦因数的影响较大,凸凹模间隙和冲压速度的影响较小。采用粒子群算法优化后的参数方案进行冲压成形,最大减薄率降低 24.2%,可有效降低支撑架的破裂率,提高支撑架的冲压成形质量。关键词:锆合金;支撑架;冲压成形;减薄率;多层感知机;粒子群优化算法DOI:10.13330/j.issn.1000-3940.2023.03.008中图分类号:TG386 文献标志码:A 文章编号:1000-3940(2023)03-0061-07Optimization on forming quality for zirconium alloy support frame based on MLP-PSO algorithmChu Yan1,Mao Jianzhong1,Zhang Xiaomin1,Yuan Jiajian2(1.College of Mechanical and Vehicle Engineering,Hunan University,Changsha 410082,China;2.College of Mechanical and Electrical Engineering,Hunan Communication Engineering Polytechnic,Changsha 410132,China)Abstract:In order to improve the stamping quality of zirconium alloy support frame,based on Dynaform software and orthogonal experi-mental design method,taking the maximum thinning rate as the evaluation index,the influence laws of parameters such as bending radi-us,sheet thickness,friction factor,clearance between punch and die,blank holder force and stamping speed on the forming quality of support frame were investigated.Then,the sample data was obtained by numerical simulation,and the model for predicting the thinning rate of support frame was trained by using the multi-layer perceptron neural network.Furthermore,the correlation of each factor was analyzed,and the optimal parameter scheme was obtained by the particle swarm optimization algorithm.The results show that the multi-layer perceptron neural network model can effectively predict the thinning rate of support frame.Among the parameters affect-ing the stamping of support frame,the bending radius and friction factor have a greater influence,while the clearance between punch and die and the stamping speed have less influence.Using the parameter scheme optimized by particle swarm algorithm for stam-ping,the maximum thinning rate is reduced by 24.2%,which can effectively reduce the fracture rate of support frame and improve the stamping quality of support frame.Key words:zirconium alloy;support frame;stamping;thinning rate;multi-layer perceptron;particle swarm optimization algorithm收稿日期:2022-06-10;修订日期:2022-09-14基金项目:国家科技重大专项子课题(761215007);湖南省教育厅资助科研项目(22C0951)作者简介:楚 岩(1998-),男,硕士研究生E-mail:chuy0807 通信作者:毛建中(1963-),男,博士,教授E-mail:maojianzhong66 环形燃料组件相较于传统燃料组件可大幅提高燃料元件的传热效率、核电厂的发电效率和反应堆的安全性和经济性1。锆合金因具有良好的耐腐蚀性能和较低的原子热中子吸收截面等特点,被广泛地用于核燃料组件格架中2。支撑架是核燃料组件格架的关键结构部件,对燃料组件的安全稳定至关重要。锆合金支撑架所用板料相比于其他格架所用板料,具有明显的各向异性、成形裕度小等特点,在冲压成形时存在开裂风险3。在传统制造领域,工程师与学者们普遍依靠经验法、极差分析法和相关性分析等方式对影响产品质量的因素进行分析,但这些传统分析方法严重依赖工人经验且只能进行简单的分析,无法对多因素耦合的情况进行预测和优化。近年来,越来越多的学者开始采用神经网络等智能算法建立以成形减薄率或其他参数为指标的预测模型。李燕乐等4利用响应曲面法预测了渐进成形件的最大减薄率与层间步距、板材厚度和工具头直径的关系;何彦等5利用卷积神经网络与支持向量回归预测了汽车仪表质量的指针偏转角度与原始生产数据的关系;鲍宏等6利用支持向量回归模型预测了熔丝制造 3D 打印的加工时间和能效与层高、打印速度和热床温度的关系,并通过 NSGA-II 算法对两者进行优化;冯斌7分别利用 SVR 算法和 MLP 神经网络进行刚凸特征成形最大减薄率的预测,通过对比发现 MLP 神经网络的预测结果更加准确;谢延敏等8提出了一种改进的粒子群优化算法,对高强钢复杂件冲压后扭曲回弹的小波神经网络模型进行迭代优化,优化后可有效减小弯曲梁的扭曲回弹。为了研究冲制参数对支撑架成形质量的影响,本文采用 Dynaform 软件对支撑架的冲制过程进行模拟仿真,并结合正交试验设计、多层感知机神经网络预测支撑架的减薄率,同时对各个参数的相关性进行分析。通过粒子群优化算法来优化参数方案,降低支撑架的破裂率,提高支撑架结构的冲压成形质量。1 材料试验根据 GB/T 228.120219对锆合金板料 Zr-4进行单轴拉伸试验。试验时,在平行材料轧制方向(RD)、与轧制方向成 45 夹角、垂直轧制方向(TD)共 3 个方向取样。在试样拉伸过程中,电脑采集响应时间点的力学性能数据,对 3 个方向的动态时间历程数据进行处理。试验中采集的真实应力-真实应变曲线如图 1 所示。通过单轴拉伸试验测得的锆合金板料的基本力学性能参数如表 1 所示。图 1 试验中采集的真实应力-真实应变曲线Fig.1 True stress-true strain curves collected in experiment表 1 Zr-4 锆合金材料的力学参数Table 1 Mechanical properties of Zr-4 zirconium alloy material与轧制方向的夹角/()杨氏模量E/MPa泊松比硬化指数n各向异性系数 r04590752850.340.134.205.525.852 有限元模型的建立及验证2.1 有限元模型的建立由于锆合金较为昂贵,且受到现有设备的限制,无法进行大批量的物理冲制实验。借助有限元软件分析板料的冲制过程,利用数值模拟替代物理实验进行分析,成为重要的研究方法。因此,本文在部分物理试验数据的基础上,采用有限元数据进行分析。支撑架的加工过程由板料冲裁开始,而后经过弹簧和刚凸成形、折弯等工序,图 2 为支撑架的加工过程示意图。根据支撑架结构的二维图纸以及实际的加工过程,建立了支撑架三维模型,如图 3 所示,刚凸和弹簧是其主要成形特征。图 2 支撑架加工过程示意图Fig.2 Schematic diagram of processing process for support frame 根据实际生产经验,发现支撑架减薄率的变化主要集中在弹簧和刚凸等特征的成形,为了简便计算,本文选取支撑架折弯前的工序进行有限元模拟仿真,使用曲面工具将每个工序的凹模、凸模和压边部分分离导出曲面,图 4 为支撑架的冲压模型。通过 Hypermesh 软件来划分网格,将板料网格划分26锻压技术 第 48 卷图 3 支撑架三维模型Fig.3 3D model of support frame图 4 支撑架冲压模型Fig.4 Stamping model of support frame 为四边形,网格大小为 0.15 mm。将划分后的网格导入 Dynaform 软件,对该模型进行数值模拟,材料的性能参数采用单轴拉伸试验测得的力学性能数据。为测试锆合金支撑架结构的冲压性能,选取一组合适的参数(折弯半径为 0.5 mm,板料厚度为0.425 mm,摩 擦 因 数 为 0.17,凸 凹 模 间 隙 为0.425 mm,冲 压 力 为 20000 N,冲 压 速 度 为150 mms-1),将设置完成的有限元模型提交计算,在 Dynaform 软件的后处理模块中,对板料的减薄率、应力分布和变形情况等进行提取。图 5 为有限元仿真的支撑架厚度减薄率分布云图,危险位置为支撑架刚凸特征圆角过渡处,该位置减薄最严重,最大减薄率为 15.589%,最易发生破裂。图 5 支撑架厚度减薄率分布云图Fig.5 Thickness thinning rate distribution cloud map for support frame2.2 冲压试验为验证有限元仿真结果的准确性,按照有限元仿真的冲制参数在支撑架冲压模具上进行冲制试验。在 200 倍显微镜下观测到的试验结果如图 6 所示,支撑架刚凸特征的圆角过渡处出现开裂,这与支撑图 6 支撑架结构冲压试验结果Fig.6 Stamping experiment result of support frame structure架的有限元仿真结果一致,验证了有限元模型的合理性及数值模拟的准确性。2.3 正交试验设计及结果正交