机械设计与制造：基于ELMAN神经网络的橡胶介质复合胀形多通管坯料参数优化
2022-11-16【作 者】陈志忠;刘斌;隗平平
【前 言】
多通管在工业的用途极为广泛，是各种中高压管路中不可缺少的基础元件之一，在机械、船舶、石化、建筑以及轻工业等部门被广泛使用。多通管胀形主要f茂靠材料的塑性性能，在压力作用下使管坯沿径向向外扩张的成形工艺。这种力法采用从内部施加压力，外部采用模具约束来达到成型目的。内部压力可通过液体、弹性体或塑性体来传递。若在轴向压缩胀形基础上，另外施加其它变形力或其它胀形工序进行的胀形工艺即为复合胀形。目前采用液压技术胀形多通管的技术比较成熟，采用聚氨酯橡胶作为传力介质。下料作为多通管复合胀形的第一道工序，对后续工序和整个成型效果有着至关重要的作用。由于多通管胀形过程是一种既包含材料非线性(应力与应变之间的非线性)，又有几何非线性(应变与位移之间的非线性)的复杂力学过程[1]，金属的塑料流动受模具形状、摩擦条件和成形工艺等因素影响，坯料工艺参数的设定一直是—个比较棘手的问题。
目前国内外主要采用经验公式法[2-4]和数值模拟分析的方法[5-6]来处理初始毛坯的优化问题。经验公式方法如等体积法，依据金属塑性变形前后体积不变的原则计算坯料的形状和尺寸，未能考虑材料的变形硬化及摩擦、模具等对变形材料流动的阻力，误差较大，只适用于初步的估算；而目前基于有限元计算的坯料形状优化疗法，大部份仅是利用CAE软件进行参数模拟，具有较大的盲目性。人工神经网络由于其非线性特性、自组织、自学习和对输入数据或规则的高容错能力，很适合处理趋势分析、预测和函数拟合等复杂问题，越来越受到人们的重视，已成为参数优化领域的一种重要优化手段[7]。以三通管件为例，探讨了反馈型Elman神经网络与有限元分析相结合的方法在橡胶复合胀形多通管坯料参数预测中的应用。
【结 论】
采用Elman神经网络来构建多通管坯料参数预测模型。针对典型的三通管件的坯料参数进行预测优化。在通过正交设计和有限元数值模拟获取训练、测试样本的基础上，完成预测网络的建立、训练和测试，并对坯料参数进行了预测。预测结果和数值分析的结果表明利用Elm锄神经网络进行多通管的坯料参数优化的方法具有可行性和实用性。
以下是正文：
