多孔定位片零件沖壓工藝及模具設(shè)計(jì)-落料沖孔、翻孔復(fù)合模含28張CAD圖2副-獨(dú)家.zip

多孔定位片零件沖壓工藝及模具設(shè)計(jì)-落料沖孔、翻孔復(fù)合模含28張CAD圖2副-獨(dú)家.zip,多孔,定位,零件,沖壓,工藝,模具設(shè)計(jì),沖孔,復(fù)合,28,CAD,獨(dú)家 10日世界大會(huì)在結(jié)構(gòu)和多學(xué)科優(yōu)化 2013年5月19日- 24日,奧蘭多,佛羅里達(dá)州,美國(guó) 沖壓回彈優(yōu)化和失敗的過程 (1)法國(guó)的INRIA Sophia Antipolis (2) 穆罕默德五世大學(xué),摩洛哥拉巴特 (3)法國(guó)大學(xué)Sophia Antipolis, Mathematics Dept, 作者 : fatima.oujebbour@inria.fr 1． 文摘 在汽車行業(yè)的最大挑戰(zhàn)之一重點(diǎn)是板料成形過程中減肥操作, 為了生產(chǎn)高質(zhì)量的金屬部分用最小的成本生產(chǎn)。沖壓是使用最廣泛的金屬板材成形過程,但其實(shí)現(xiàn)介紹幾個(gè)困難，如回彈和失敗。一個(gè)全球性的和簡(jiǎn)單的方法來規(guī)避這些不必要的過程缺點(diǎn)在于用創(chuàng)新的方法優(yōu)化工藝參數(shù)。本文的目的是預(yù)防和預(yù)測(cè)這兩種現(xiàn)象。為了這個(gè)目的,模擬的沖壓工業(yè)工件調(diào)查評(píng)估回彈和失敗。優(yōu)化這兩個(gè)cri -teria,全局優(yōu)化方法選擇,即模擬退火算法、雜化的同步擾動(dòng)隨機(jī)逼近,以獲得在時(shí)間和精度。事實(shí)上,一般的沖壓過程的優(yōu)化是多目標(biāo)和回彈失敗是最常用的標(biāo)準(zhǔn)之一,他們反對(duì)信息通信技術(shù)。解決這類問題,正常邊界交點(diǎn)和規(guī)范化正常約束法是兩個(gè)件的方法帕累托最優(yōu)解決方案的操作一組與前面點(diǎn)的均勻分布的特征。我們有許多基準(zhǔn)問題進(jìn)行,結(jié)果與NSGA-II相比Non-dominated排序遺傳算法。然后,比較了這兩個(gè)標(biāo)準(zhǔn)沖壓?jiǎn)栴}。結(jié)果表明,該方法是ecient和準(zhǔn)確的在大多數(shù)情況下。 2。關(guān)鍵詞:板料成形?；貜棥Ｊ?。多目標(biāo)優(yōu)化。帕累托最優(yōu) 解決方案。 3所示。介紹 考慮到實(shí)際經(jīng)濟(jì)需求,沖壓的優(yōu)勢(shì),與其他處理相比,涉及復(fù)雜的功能,精確和有用的工件在生產(chǎn)速度高。然而,其實(shí)現(xiàn)是dicult。這個(gè)操作是在制造廠進(jìn)行古典擅長(zhǎng)-對(duì)試驗(yàn)和錯(cuò)誤的方法這是一個(gè)緩慢而昂貴的方法,以及數(shù)值模擬夜間的沖壓工藝單元法是另一種預(yù)測(cè)相關(guān)的許多問題金屬成形過程。在目前的工作,工業(yè)的目標(biāo)是預(yù)測(cè)和預(yù)防回彈和失敗。這兩個(gè)現(xiàn)象是在沖壓過程中最常見的缺陷。他們現(xiàn)在diculties優(yōu)化,因?yàn)樗麄兪莾蓚€(gè)缺點(diǎn)ict的目標(biāo)。形成測(cè)試摘要研究涉及工業(yè)工件的沖壓印有一個(gè)十字架。來解決這個(gè)優(yōu)化問題,選擇的方法是基于一個(gè)啟發(fā)式和雜交直接下降法。這種雜交兩學(xué)科,旨在利用隨機(jī)和確定性,為了提高魯棒性的eciency混合算法。為多目標(biāo)問題,我們采用方法基于帕累托的identication前面。有一個(gè)收斂之間的妥協(xié)對(duì)前面的方式解決方案表示不致敬,我們選擇兩個(gè)適當(dāng)?shù)姆椒?。這些方法有能力捕捉帕累托面前,利用生成一組均勻分布的帕累托最優(yōu)解決方案。的后者財(cái)產(chǎn)可以優(yōu)化的重要和實(shí)際使用,一般來說,幾個(gè)工業(yè)問題,確切地說,在板料成形問題。通過調(diào)整多目標(biāo)問題成簡(jiǎn)略子問題和幾個(gè)點(diǎn),這兩個(gè)方法可以計(jì)算一個(gè)相當(dāng)均勻分配的帕累托最優(yōu)解決方案,可以幫助設(shè)計(jì)者和決策者輕松地選擇一個(gè)帕累托的解決方案在設(shè)計(jì)空間。重要的是要注意解決單目標(biāo)的必要性子問題的全局優(yōu)化方法,我們可以獲得一個(gè)全球帕累托前沿,而由此產(chǎn)生的最適條件基于使用梯度局部?jī)?yōu)化算法只是當(dāng)?shù)氐呐晾弁凶顑?yōu)解決方案。評(píng)估的eciency多目標(biāo)方法,經(jīng)典數(shù)值benchmarkswere用于比較所獲得的結(jié)果與成熟的技術(shù)多目標(biāo)優(yōu)化二Non-dominated排序遺傳算法(NSGAII)。這篇論文結(jié)構(gòu)如下:第四部分介紹了測(cè)試用例用于計(jì)算兩個(gè)標(biāo)準(zhǔn)。部分 5、發(fā)展的全局優(yōu)化方法的原理,基于的雜交methaheuristic算法是模擬退火(SA)[1]和下降法即同步擾動(dòng)隨機(jī)逼近(SPSA)[2]和討論使用的優(yōu)點(diǎn)兩種多目標(biāo)優(yōu)化的方法,這是正常的邊界的交點(diǎn)(NBI)[3]規(guī)范化正常約束方法(NNCM)[4],生成一組均勻帕累托-最優(yōu)的解決方案。然后一個(gè)結(jié)論和觀點(diǎn)看法提供了第六節(jié)。 4所示。 有限元分析的一個(gè)工業(yè)工件板料成形需要廣泛的技術(shù)知識(shí)的理解,制造-荷蘭國(guó)際集團(tuán)(ing)應(yīng)用標(biāo)準(zhǔn),交互的處理和材料特性。[5][6][7][8]。的沖壓過程通常用于制造鈑金產(chǎn)品。在這個(gè)過程中,最初彎曲或 在空白材料夾模和壓邊圈之間。當(dāng)沖頭推入死腔,空白是可塑性變形specic形狀的沖頭和模具轉(zhuǎn)移到它。最終產(chǎn)品的質(zhì)量取決于適當(dāng)?shù)墓ぞ咴O(shè)計(jì),選擇空白的材料,壓邊力、潤(rùn)滑和其他一些在板料成形工藝參數(shù)。的夜間元素模擬板料成形是一種強(qiáng)大的工具,它允許廉價(jià)和快速測(cè)試沖壓工藝的試驗(yàn)參數(shù)。近年來,夜間元素分析(FEA)已經(jīng)成熟 足夠一個(gè)eective工具模擬沖壓工藝和預(yù)測(cè)回彈失敗。后者是復(fù)雜的物理現(xiàn)象,對(duì)眾多因素(非常敏感的過程參數(shù)、材料特性、接觸參數(shù)表和工具幾何、屈服函數(shù),很難傳感器,集成方案)。鐵配方中這些標(biāo)準(zhǔn)并不容易。各種各樣的假設(shè)材料的行為,簡(jiǎn)單的彈塑性各向異性和加工硬化,可以原因胃鏡偏差的數(shù)值預(yù)測(cè)回彈和失敗的在真正的實(shí)踐。極其dicult制定這些現(xiàn)象包括所有的分析模型這些因素。同時(shí),diculty與分析方法是缺乏明確的形式的壓力分布在整個(gè)表,這限制了簡(jiǎn)單的幾何和簡(jiǎn)單的分析方法變形情況。 4.1。與LS-DYNA有限元模型 金屬成形過程的數(shù)值模擬是目前的技術(shù)創(chuàng)新之一旨在減少模具成本高和便于分析和解決相關(guān)的問題這個(gè)過程。在這項(xiàng)研究中,商業(yè)有限元分析代碼,LS-DYNA,是用來模擬沖壓一個(gè)工業(yè)工件。LS-DYNA是一個(gè)顯式和隱式有限元程序獻(xiàn)給高度非線性物理現(xiàn)象的模擬和分析。我們的目標(biāo)是研究影響沖壓工藝的工藝參數(shù)的一個(gè)空白交叉穿孔(圖1)?？瞻子筛邚?qiáng)度低合金鋼(HSLA260)和使用Belytschko-Tsay外殼建模元素,與完整的集成點(diǎn)。 圖1:沖壓工藝的初始和最終步驟(LS-DYNA) 由于對(duì)稱性,只有四分之一的空白,死,打孔和空白持有人被建模沿著邊界和對(duì)稱邊界條件的飛機(jī)。力學(xué)性能的材料和工藝特點(diǎn)如表1所示。 表1:流變和案例研究的工藝參數(shù) 材料 HSLA260 楊氏模量 196年平均績(jī)點(diǎn) 泊松比 0.307 密度 7750Kg=m3 硬化coecient 0.957 穿孔速度 5m=s 沖壓中風(fēng) 30mm 布蘭克持有人的努力 79250N 摩擦coecient 0.125 4.2。回彈計(jì)算成本 在板料成形,rst變形是彈性和可逆的;然后,這個(gè)屬性不再是可能,所以變形是塑料。在這個(gè)操作過程中,金屬板通常是畸形的符合形狀的工具,除了卸貨后,其原始表查找連接由于彈性組件的幾何變形之前作為勢(shì)能存儲(chǔ)在工作表。這種現(xiàn)象被稱為“回彈”?；貜椀哪M涉及兩個(gè)步驟:加載(沖壓)和卸貨。因此,金屬板沖壓仿真后的調(diào)查工件,LS-DYNA生成一個(gè)輸出包含所有信息關(guān)于壓力和緊張?jiān)谛敦??；谶@一信息,LS-DYNA可以模擬一個(gè)隱式的回彈集成方案。圖2顯示了一個(gè)小德檢驗(yàn)的角落里代表的一部分 回彈現(xiàn)象。圖 圖2:模擬回彈(LS-DYNA) 估計(jì)回彈,rst平均每個(gè)元素的殘余壓力,然后提取該組件的所有元素的最大值。因此,rst目標(biāo)函數(shù),即回彈標(biāo)準(zhǔn),可以制定為情商。(1)。 在哪里設(shè)計(jì)參數(shù)向量,m元素的總數(shù),i元素?cái)?shù)字和平均殘余應(yīng)變, ，n集成的總數(shù)點(diǎn),j集成點(diǎn)數(shù)量。 4.3。計(jì)算失敗的成本 冶金學(xué)家的板料成形過程中失敗帶來了一個(gè)巨大的挑戰(zhàn),限制的成形性鋼板。當(dāng)?shù)爻霈F(xiàn)的缺陷,一般來說,在局部地區(qū)的蓋章。為了更好的 描述失敗,rst必要完全理解薄板的成形性。從這個(gè)意義上說,的概念,介紹了成形極限曲線(方法)[6][9]。它是由實(shí)驗(yàn)測(cè)試允許確定在單獨(dú)的主應(yīng)變空間齊次邊界空間 和局部壓力(圖3),只為更多的可靠性,我們認(rèn)為是一個(gè)安全系數(shù)估計(jì)為10%,它允許我們考慮曲線方法低10%。因此,這條曲線描述的過渡安全的材料行為材料失敗(如果存在開裂可能發(fā)起除此之外應(yīng)變值曲線)。我們的研究旨在確定材料可以承受壓力下形成沒有失敗的極限曲線。首先,從每個(gè)元素的應(yīng)變張量,我們計(jì)算了校長(zhǎng)空白midsurface菌株。通過將這些值主要菌株的方法圖,我們看到的事實(shí)上,上面的元素,它們的主要菌株放置成形極限曲線失敗,證實(shí)了這個(gè)失敗由LS-DYNA仿真如圖4所示。 圖3:HSLA260鋼板的成形極限圖 圖4:仿真的失敗(LS-DYNA) 是非常重要的提到本金值必須在本地系統(tǒng)而不是計(jì)算張量的窩在全球笛卡爾體系。制定第二個(gè)目標(biāo)函數(shù)為情商。(2)。 f2措施成本最關(guān)鍵元素的應(yīng)變之間的距離(1)我和共同回應(yīng)中的應(yīng)變值極限曲線(f)我考慮規(guī)定的安全裕度。 5。優(yōu)化過程 兩個(gè)標(biāo)準(zhǔn)的優(yōu)化問題、回彈和失敗,是一個(gè)多目標(biāo)優(yōu)化問題。實(shí)際上,這些目標(biāo)函數(shù)是昂貴的,在大多數(shù)情況下對(duì)抗,對(duì)一些敏感變量和可以存在多個(gè)最適條件。要解決這些問題,我們有追索權(quán)的新方法在全局優(yōu)化方法基于雜交和帕累托前沿,判別方法為了利用全局優(yōu)化方法的魯棒性有一個(gè)帕累托面前容易利用工程師帕累托點(diǎn)均勻分布。 5.1。簡(jiǎn)略的優(yōu)化 目前,混合meta-heuristics目前前景的方法優(yōu)化,或-der具有較高的質(zhì)量和精度。我們提出一種混合方法,在目前的工作顯示效果很好。主要的優(yōu)化算法是模擬退火(SA)方法[1],與同步擾動(dòng)隨機(jī)逼近雜化(SPSA)方法[2][10][11]。 5.1.1。SA法 該算法建立了柯克帕特里克[1]和賽爾尼[12]。它模擬的發(fā)展系統(tǒng)向最優(yōu)conguration,大致說來,通過模擬一個(gè)熱力學(xué)的進(jìn)化對(duì)平衡系統(tǒng)。大都市[13]的算法旨在從一個(gè)初始conguration開始并提交系統(tǒng)擾動(dòng)為每個(gè)范圍的控制(溫度)參數(shù)t .如果這擾動(dòng)生成一個(gè)解決方案優(yōu)化目標(biāo)函數(shù)f,我們接受它;如果它oppositeeect,我們畫一個(gè)0到1之間的隨機(jī)數(shù),如果這個(gè)數(shù)字小于或等于e??fT,我們接受conguration。因此,在高T,大多數(shù)congurations被接受的空間。通過逐步減少T,該算法允許更少的解決方案的優(yōu)化目標(biāo)函數(shù);因此,非常低的T e??fT接近0和算法拒絕移動(dòng)增加了成本函數(shù)。SA有很多優(yōu)勢(shì),區(qū)別于其他優(yōu)化算法。首先,它是一個(gè)全球性的優(yōu)化方法,易于程序和適用于多個(gè)領(lǐng)域。另一方面,它有一些不便等參數(shù)的監(jiān)管經(jīng)驗(yàn),過度的計(jì)算時(shí)間和較低的T,接受率的算法變得太弱,所以該方法變得ineective,因此耦合的想法與下降法算法以減少的數(shù)量目標(biāo)功能評(píng)估。 5.1.1。SA與SPSA雜化方法的一個(gè)方法,按照這種方法,回答了這個(gè)需求的方法命名的同步擾動(dòng)隨機(jī)逼近(SPSA)[2]。它是一種基于梯度的方法從隨機(jī)攝動(dòng)近似目標(biāo)函數(shù),只需要兩個(gè)評(píng)估優(yōu)化問題的目標(biāo)函數(shù)無論維度,占其權(quán)力和相對(duì)輕松的實(shí)現(xiàn)。的問題最小化損失函數(shù)f(x),x是一個(gè)m -維向量,SPSA具有相同的一般遞推隨機(jī)近似形式如Eq。(3)。 ^ gk(^ xk)的估計(jì)是梯度g(x)= @f在迭代@x ^ xk。這個(gè)隨機(jī)梯度 近似計(jì)算的夜間dierence近似同步擾動(dòng),這樣對(duì)于所有^ xk隨機(jī)攝動(dòng)我們一起獲得f(^ xk)的兩個(gè)評(píng)估。然后,每個(gè)組件(^ ^ gk xk)是一種比dierence除以一個(gè)dierence兩者之間相應(yīng)的評(píng)估間隔Eq。(4)。 ck的地方是一個(gè)小的正數(shù),變大變小,k和k =(k1,:::,公里)t am維隨機(jī)擾動(dòng)向量;一個(gè)簡(jiǎn)單的和k的每個(gè)組件是證明了選擇用伯努利分布概率12為每1的結(jié)果。收斂性要求是正義與發(fā)展黨和ck去0利率既不太快也不太慢,以及成本函數(shù)嗎應(yīng)該suciently光滑接近最優(yōu)。這樣,當(dāng)我們方法的收斂速度更快最優(yōu)比模擬退火的隨機(jī)波動(dòng)。增加模擬的準(zhǔn)確性退火時(shí),我們需要實(shí)現(xiàn)SPSA每次移動(dòng)后最小化目標(biāo)函數(shù)。的大都市的標(biāo)準(zhǔn)總是給我們可能逃離當(dāng)?shù)氐淖钸m條件。 5.2。多目標(biāo)優(yōu)化 基于帕累托的概念,一個(gè)解決方案是帕累托最優(yōu)或支配,如果集不可能改善沒有退化的(成本)組件至少另一個(gè)。在目標(biāo)函數(shù)的空間,所有支配解決方案集的集合稱為帕累托前或eciency集。這是一般在設(shè)計(jì)工程師承認(rèn)任何之一實(shí)現(xiàn)設(shè)計(jì)必須non-dominated,也就是說,帕累托的知識(shí)面前是一個(gè)必要的階段。在我們的例子中,我們實(shí)現(xiàn)了兩個(gè)眾所周知的方法:正常邊界的交點(diǎn)(NBI)法[3]和規(guī)范化正常約束方法 (NNCM)[4]。 5.2.1。正常的邊界交點(diǎn)法 讓x1和x2兩個(gè)人兩個(gè)目標(biāo)函數(shù)的解,分別f1(x)f2(x)的組件向量F =[f1(x)f2(x)]t。計(jì)算它們,我們使用混合方法先前描述。烏托邦點(diǎn),F,是全球最小值包含個(gè)人的向量,f我= fi(ξ)的目標(biāo),即F =[F1 f2)t。 讓Fi =[f1(xi)f2(ξt)]。個(gè)別最小值的凸包(詹)可以表示為一組 在情商等點(diǎn)j。(5)。 在哪里叫"Pay-o matrix",叫 和是的總數(shù)。 圖5:正常邊界交點(diǎn)的方法 NBI的主要想法是nd統(tǒng)一的傳播組ecient點(diǎn)形成的十字路口可行的空間之間的邊界和正常~ n的詹在每個(gè)點(diǎn)j和指向原點(diǎn)。這一原則是代數(shù)由Das和丹尼斯[3]制定如下:它包含在情商解決單目標(biāo)問題。(6)在每個(gè)點(diǎn)j。 其中t代表點(diǎn)集屬于正常。所以NBI方法上的一個(gè)點(diǎn)詹和搜索的最大距離沿著正常的指向原點(diǎn)的解決每個(gè)NBI子問題總是與我們的混合方法。 5.2.2。規(guī)范化正常約束方法 NNCM也是一個(gè)方法產(chǎn)生帕累托前和NBI一樣的目的。首先,我們和個(gè)人獨(dú)立全球最小值這兩個(gè)目標(biāo),稱為“錨點(diǎn)”,我們的混合方法。加入兩個(gè)錨點(diǎn)線叫做“烏托邦線”。為了避免尺度依賴性,優(yōu)化進(jìn)行規(guī)范化設(shè)計(jì)目標(biāo)空間中可以獲得的標(biāo)準(zhǔn)化形式f的Eq。(7)。 在和之后，我們從到矢量定向，叫做“烏托邦行向量” 每個(gè)點(diǎn)生成的烏托邦線, 我們解決NNCM子問題制定Eq。(8)。 圖6:規(guī)范化正常約束方法 最后,相對(duì)應(yīng)的設(shè)計(jì)方案可以評(píng)估每個(gè)帕累托解的逆轉(zhuǎn)換情商的關(guān)系。(9)。 提出的方法進(jìn)行了比較與NSGAII算法[14],普遍認(rèn)為是代表國(guó)家的藝術(shù)和各種參考算法在多目標(biāo)優(yōu)化研究。結(jié)果證明該方法相比也有良好的表現(xiàn)同NSGAII。 5.3。減少并發(fā)回彈和失敗 板料成形過程的一般優(yōu)化問題幾個(gè)diculties升起。一個(gè)經(jīng)典在結(jié)構(gòu)設(shè)計(jì)中,是標(biāo)準(zhǔn)(回彈和失敗)沒有明確的功能與尊重設(shè)計(jì)參數(shù)。此外,背后的彈塑性響應(yīng)的計(jì)算兩個(gè)標(biāo)準(zhǔn)非常昂貴。因此,每個(gè)優(yōu)化步驟動(dòng)員重要計(jì)算資源。一個(gè)經(jīng)典的解決方案是使用代理。在我們的例子中,我們使用一個(gè)三次樣條插值近似的回彈和失敗。這個(gè)近似被領(lǐng)導(dǎo)比較評(píng)估克里格和RBF方法獲得的元模型。代理的后驗(yàn)驗(yàn)證結(jié)果通過比較執(zhí)行他們所做的準(zhǔn)確評(píng)價(jià)LS-DYNA代碼。本研究領(lǐng)導(dǎo)與空白rst時(shí)間厚度e和穿孔速度V p作為優(yōu)化變量。SA與SPSA雜化是應(yīng)用于減少回彈和失敗的標(biāo)準(zhǔn)。根據(jù)結(jié)果,兩個(gè)多目標(biāo)優(yōu)化方法,用于nd NBI和NNCM帕累托最優(yōu)解集的標(biāo)準(zhǔn)空間即回彈標(biāo)準(zhǔn)和失效準(zhǔn)則。NBI和NNCM方法加上SA雜化與SPSA獲得全球解決方案在每個(gè)局部?jī)?yōu)化兩種方法的步驟。圖7顯示了帕累托前沿用這兩種方法,以及NSGAII結(jié)果做了對(duì)比。 圖7:回彈/失敗帕累托前沿,從左到右:NBI - NNCM NSGA II。 在第二步中,我們遵循了同樣的程序來測(cè)試回彈的敏感性和失敗兩個(gè)附加參數(shù)的壓邊力coecient(BHF銀行)和摩擦。眾所周知,這兩個(gè)參數(shù)對(duì)回彈的影響,失敗不是可以忽略不計(jì)。的帕累托前沿取得與我們的方法是與一個(gè)獲得NSGAII如圖8所示。 圖8:帕累托的回彈和失敗的四個(gè)參數(shù) 帕累托前沿conrm回彈和失效標(biāo)準(zhǔn)是強(qiáng)烈的并發(fā)兩個(gè)和四個(gè)參數(shù)情況。通過比較gur 7和8的帕累托前沿,通過考慮四個(gè)論述——我們的話參數(shù),我們identied更好的帕累托回彈和失效準(zhǔn)則比前面 只考慮厚度和穿孔速度。雖然我們的標(biāo)準(zhǔn)在第二種情況下的近似不明顯(使用四維立方樣條函數(shù)),可以捕捉到帕累托解NBI和NNCM方法用更少的分比NSGAII需要大量的人口和幾代獲得帕累托 前面。 6。結(jié)論 我們兩個(gè)眾所周知的方法實(shí)現(xiàn)的,正常的邊界交點(diǎn)nbi和正常的規(guī)范化約束-NNCM,致力于ecient identication multiobjec——有關(guān)的帕累托方面有效的優(yōu)化問題。我們最初的貢獻(xiàn)是NBI和NNCM全球混合優(yōu)化器,SASP方法。SASP算法使用模擬退火導(dǎo)致全球論述,并使用同步擾動(dòng)隨機(jī)逼近-SPSA——這是一個(gè)“隨機(jī)梯度”,進(jìn)行局部?jī)?yōu)化。該方法成功地應(yīng)用于工藝參數(shù)優(yōu)化沖壓的案例研究。的標(biāo)準(zhǔn)考慮回彈和失敗保證工件。這些標(biāo)準(zhǔn)是已知的反對(duì)信息通信技術(shù)。作為模擬的彈塑性反應(yīng)在沖壓太計(jì)算昂貴,我們用三次樣條的代理人參與成本。然后我們進(jìn)行帕累托面前identication(代理成本)2四個(gè)工藝參數(shù)。獲得的帕累托方面類似于NSGA-II的產(chǎn)生方法,而他們需要更少的成本評(píng)估。他們不僅證明了并發(fā)特性考慮成本,但也說明方法NBI的能力/ NNCM SASP和清晰與立方的代理人來處理多目標(biāo)捕獲相關(guān)的帕累托方面復(fù)雜的工藝參數(shù)優(yōu)化。 7所示。Aknowledgement。目前的工作是實(shí)現(xiàn)綠洲財(cái)團(tuán)的框架內(nèi), 由法國(guó)優(yōu)質(zhì)黃麻格蘭特id。1004009 z。 8。?參考文獻(xiàn) [1] S. Kirkpatrick, C. D. Gelatt and M. P. Vecchi, Optimization by simulated annealing, Science, 220:671{ 680, 1983. [2] J. C. Spall, Introduction to Stochastic Search and Optimization: Estimation, Simulation, and Control, Jhon Wiley & Sons, Inc., Hoboken, New Jersey, 1998. [3] I. Das and J. E. Dennis, Normal-Boundary Intersection, A new Method for Generating the Pareto Surface in Nonlinear Multicriteria Optimization Problems, SIAM Journal on Optimization, 8(3), 631, 1998. [4] A. Messac, A. Ismail-Yahaya and C. A. Mattson, The Normalized Normal Constraint Method for Generating the Pareto Frontier, Struc. Multidisc. Optim., 25(2), 86-98, 2003. [5] A. Col, L'emboutissage des aciers, Dunod, Paris, 2010. [6] Z. Marciniak, J. L. Duncan and S. J. Hu, Mechanics of Sheet Metal Forming, Butterworth-Heinemann, Oxford, 2002. [7] J. E. Marsden, S. Wiggins, T. J. R. Hughes and L. Sirovich, Computational Inelasticity, Springer- Verlag Inc, New York, 1998. [8] F. Dunne and N. Petrinic, Introduction to computational plasticity, Oxford University Press Inc, New York, 2005. [9] D. T. Llewellyn and R. C. Hudd, Steels: metallurgy and applications, Butterworth-Heinemann, Ox- ford, 1998. [10] J. C. Spall, Implementation of the Simultaneous Perturbation Algorithm for Stochastic Optimiza- tion, IEEE Trans. Aerosp. Electron. Syst., 34(3), pages 817-823, 1998. [11] J. C. Spall, An Overview of the Simultaneous Perturbation Method for E_cient Optimization, Johns Hopkins APL Technical Digest, vol. 19(4), pp. 482492, 1998. [12] V. Cerny, C. D. Gelatt and M. P. Vecchi, Thermodynamical approach to the traveling salesman problem: an e_cient simulation algorithm, Journal of Optimization Theory and Applications, 45, 41{51, 1985. [13] N. Metropolis, A. W. Rosenbluth, M. N. Rosenbluth, A. H. Teller, E. Teller, Equation of state calculations by fast computing machines, J. Chem. Phys., tome 21, pages 1087-1090, 1953. [14] K. Deb, Multiobjective genetic algorithms: Problem di_culties and construction of test problems, Evol. Comput., vol.8, no.2, pp. 205-230, 1999.