科研进展丨机器学习+有限元分析预测板料气弯回弹行为

引用格式

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, 47(06): 107-112.

研究背景

气弯工艺参数和弯曲行为之间表现出高度复杂的非线性关系，且开发基于复杂工艺参数构建的非线性模型非常困难。目前的研究大多集中在回弹问题上，但回弹前的弯曲成形过程需要考虑，因为回弹与弯曲零件上的应力分布密切相关。

   

研究目的

考虑不同材料、工艺参数和模具几何形状， 有效和准确地预测工件的弯曲回弹行为。

研究方法

采用机器学习神经网络 (NN) 耦合有限元分析 (FEA) 的方法，构建弯曲成形过程的非线性回弹模型。

研究思路（技术路线）

NN训练：在训练过程中，基于训练集的结果对NN节点之间的权重进行动态调整，使MSE值最小，在训练结束之后，将机器学习NN模型的计算结果与有限元分析(FEA)数据和回弹后分析解进行比较，以评价机器学习NN模型的性能。

实物验证：该实验结果表明，有限元建模获得的数值求解结果具有良好的精度，进一步说明了有限元结果数据集用于预测冲头压下量(位移－弯曲角度)的机器学习NN模型的可靠性。

研究结果

论文意义

论文评价