论文部分内容阅读
为了降低渐进成形制件的减薄率、增加制件的光滑度,提出了基于分阶段扰动粒子群算法的参数优化方法.选择了渐进成形制件的减薄率作为优化目标,设计了4因素4水平正交实验.采用智能算法对BP神经网络参数进行训练,提出了智能神经网络的数值拟合方法.以制件减薄率均值和标准差最小为目标,建立了带约束的多目标优化模型.将精英粒子的多阶段扰动策略引入到粒子群算法中,平衡了算法的多样性和收敛性,深化了算法的优化能力,从而提出了分阶段扰动粒子群算法的模型求解方法.对成形角为37°圆台件的渐进成形参数进行了优化,分阶段扰动粒子群算法优化后的制件减薄率均值和标准差均小于粒子群算法,从而提高了制件的质量和光滑度.