【终稿】多目标优化的汽车覆盖件顶盖冲压模具的设计【CAD图纸全套】

变薄成形趋近于挤压变薄，增大了摩擦阻力，如果变薄率超过材料的临界变薄率，就会使制件产生拉裂，必须分多次变薄拉深。

在做拉深模拟前，我们应该就参数间的相互影响做好分析，设置相应合理的参数，以降低变薄对产品成型的影响。

回弹现象的影响与控制板料成形不可避免地存在回弹现象，这是由于弯曲成形过程中，其压料面上作为本次优化的最终输出目标，以拉延筋压边力静摩擦系数为输入自变量，变厚率变薄率为约束条件。

如图.所示图.输入输出变量的设定目标函数的最优值求法每个不同的摩擦系数值和压边力值都将对变薄程度产生定的影响，也就是说每个摩擦系数对应着个相应的变薄率。

功的应用。

响应面法的简单介绍响应曲面设计是利用合理的试验设计方法并通过实验得到定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的种统计方法。

传统试验设计与优化方法，都未能给出直观的图形，因而也不能凭直觉观察其最优化点，虽然能找出最优值，但难以直观地判别优化区域．为此响应面分析法也称响应曲面法应运而生．响应面分析也是种多目标优化的汽车覆盖件顶盖冲压模具的设计摘要法从串集开始搜索，覆盖面大，利于全局择优。

其次，遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。

适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。

这特点使得遗传算法的应用范围大大扩展。

优化方法，它是将体系的响应如萃取化学中的萃取率作为个或多个因素如萃取剂浓度酸度等的函数，运用图形技术将这种函数关系显示出来，以供我们凭借直觉的观察来选择试验设计中的最优化条件。

多目标优化的基本思路分析数据的收集为了更好地熟悉汽车覆盖件在冲压工艺和参数影响方面的知识架构，在论文前期工作中，通过仿真分析软件对汽车覆盖件进行了多次的的模拟成型回弹分析，包括摩擦系数压边力等工艺参数的整理收集工作数据收集情况如图.所示，为后期的结果分析择优等工作做好准备。

的搜索空间也急剧增大，有时在目前的计算上用枚举法很难求出最优解。

对这类复杂的问题，人们已经意识到应把主要精力放在寻求满意解上，而遗传算法是寻求这种满意些结果进行优化，所以在这里，选取对汽车覆盖件成型影响较大的结果进行输出分析，进步得到适应产品生产要求的过程变量。

在这里，把前面用仿真分析软件做的次成型和回弹分析数据导入里做定向目标优化分析，考虑到变薄率太大会使最终成形的产品更容易破裂，还有回弹如果太大的话也会使产品最终的成形不符合使用要求。

所以，综合考虑各种情况，本设计选取对成形结果影响最大的两个参数变薄率和回弹量最后，遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。

遗传算法的应用由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，所以广泛应用于许多科学，下面是遗传算法的些主要应用领域。

函数优化函数优化是遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例，许多人构造出了各种各样复杂形式的测试函数连续函数和离散函数凸函数和凹函数低维函数和高维函数单峰函数和多峰函数等。

对于些非线性多模型多目标的函数优化问题，用其它优化方法较难求解，而遗传算法可以方便的得到较好的结果。

组合优化随着问题规模的增大，组合优化问多目标优化的汽车覆盖件顶盖冲压模具的设计摘要法从串集开始搜索，覆盖面大，利于全局择优。

其次，遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。

适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。

这特点使得遗传算法的应用范围大大扩展。

多目标优化的汽车覆盖件顶盖冲压模具的设计