对挤压模具参数进行优化设计,可以减少试模、修模的工作量,提高模具质量,缩短设计制造周期,降低生产成本。但与传统数学优化不同,作为一个实际工程问题,其中关系很复杂无法建立明确的数学关系模型,这就决定了它难以用常规方法实现。本文研究了以成形件质量为主要目的,在塑性成形数值模拟基础上,采用人工智能方法的模具多参数优化,构建了三维铝型材挤压模多参数CAO系统,并开发了CAO系统软件。 人工神经网络抛开了传统的建模方法,它可以从大量的离散实验数据中经过学习训练,提取其领域知识,并将这些知识表示为网络联结权值的大小,从而建立相应的数学模型。因此采用人工神经网络作为建模的核心算法,但由于标准算法存在一些不足,所以在原有算法的基础上提出了改进方案。 遗传算法是一种有效地解决最优化问题的方法,是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。其有简单通用、鲁棒性强、适于并行处理及高效等显著特点。因此选择遗传算法来完成寻优的工作,但由于标准算法的一些缺陷,使得优化效果不是很理想,因此对原有标准算法作了改进。 面向对象的分析和设计能从事物的本来面目出发认识、研究问题,有着诸多优点,所构建的系统也易于扩充、便于维护。鉴于此,本文在对CAO系统结构详细分析的基础上,利用面向对象的技术对系统进行了设计,建立了功能模型、系统模型,抽象出了系统的主要模块及其属性、操作,具体构建了三维铝型材挤压模多参数CAO系统。 Visual C++具有强大的编译功能,Matcom的C++数学函数库具有强大的矩阵计算能力,因此本文中使用VC++6.0编译环境作为开发平台,借助面向对象的程序设计语言——C++,用VC++和Matcom结合开发三维铝型材挤压模多参数CAO系统软件,最终发布的程序完全可以脱离Matcom环境,成为独立可执行的应用软件,为本课题成果的进一步推广应用奠定了基础。