板材成形是金属塑性加工领域的一大分支,在汽车、航空、仪表等工业领域占有重要的地位,其技术水平在某种程度上反映一个国家或地区的工业现代化水平。板材成形自动化由于不具备实时监测、识别、和预测的能力,只能按照预先设定好的加工程序和工艺参数完成成形过程。当被加工对象的材质及工况条件有变化或波动时,不能对工艺参数自动地进行相应的调整。板材成形智能化,由实时监测、实时识别、实时预测和实时控制四个基本要素构成,通过控制科学、计算机科学与板材成形理论的有机结合,根据被加工对象的特点,利用易于监测的物理量,实时确定材料性能参数及最优的工艺参数,并自动以最优工艺参数完成板材成形过程。所以板材成形智能化过程是冲压成形过程自动化及柔性加工系统等新技术的更高级阶段,不但可以改变冲压生产工艺的面貌,而且还将促进冲压设备的变革,同时也会引起板材成形理论的进步与分析精度的提高,在降低板材级别,消除模具与设备调整的技术难度,缩短调模试模时间,提高成品率和生产率等方面都具有十分明显的意义。板材弯曲成形在工程实践中应用极为广泛,因此,研究板材弯曲过程智能化控制技术很有学术价值和实际意义。 本文在板材拉深成形智能化控制的研究成果基础上,分析了板材弯曲智能化需要解决的关键技术,在理论解析、参数识别及最优工艺参数的预测等方面的相关问题展开了系统研究。 在板材弯曲智能化控制所要求的四个基本要素中,参数识别模型和最优工艺参数预测模型的建立是基于对弯曲成形规律认识的基础上的。利用板材成形塑性理论,根据弯曲变形特点,在考虑弹性变形的条件下,得出了弯曲变形应力应变分布规律,并根据回弹理论,推导出了回弹角的计算公式。为弯曲智能化控制材料参数的实时识别和预测提供了理论依据。同时,对板料弯曲过程中厚度的减薄、减小回弹的方法及利用滑移线法求解变形区应力应变问题进行了探讨。 利用理论解析和有限元模拟等研究手段,分析了对弯曲成形有影响的主要因素,从而确定了弯曲智能化控制过程中的参数识别及最优工艺参数预测模型。网络拓扑结构选择前向神经网络结构,Levenberg-Marquarat 算法作为网络优化算法,并利用Matlab 语言进行编程计算。对于样本数据的采集问题,研究了数值模拟替代部分实验获取样本的可行性,使得多种样本数据达到了 1‰的平方和误差。此外,研究了样本数据和隐层节点数目对网络模型效率、精度和泛化能力的影响规律。 利用美国NI公司的虚拟仪器控制软件LabVIEW、6062E数据采集卡及相关模块,建立了便携式数据采集系统。在该系统上开发了信号采集和传感器标定等程序,获