Application of thre neural network method in optimization of the drawing process of hemispherical part made from metal sheets.

• Autorzy: Brabie G. , Ene F.

Warianty tytułu

PL

Zastosowanie metody siatek neuronowych do optymalizacji procesu tłoczenia półkulistych wyrobów z blach

• Języki publikacji: EN

Abstrakty

EN

The condition and steps necessary for the application of the neural network method In order to optimize the drawing processes of hemispherical parts made from metal sheets are analysed. The main purpose of the system based on the above mentioned methods is to optimize the drawing tool geometry and the process parameters by reducing or eliminating the springback effects.

PL

Przeprowadzono analizę warunków i kroków koniecznych do zastosowani a metody sieci neuronowych w celu optymalizacji procesu tłoczenia półkulistych wyrobów z blach metalicznych. Głównym celem było zastosowanie systemu optymalizującego opartego na wymienionej metodzie zoptymalizowania geometrii narzędzi stosowanych w procesie tłoczenia oraz parametrów procesu przez zmniejszenie lub wyeliminowanie powrotnych odkształceń sprężystych. Główną zaletą stosowania metody siatek neuronowych, gdy adekwatny model jest zidentyfikowany, jest znaczne skrócenie czasu obliczeń prowadzących do wyznaczenia optymalnych parametrów procesu.

Słowa kluczowe

EN

springback; hemispherical drawn parts; process optimization; neural network method

• Wydawca: Springer ; Wrocław University of Science and Technology
• Czasopismo: Archives of Civil and Mechanical Engineering
• Rocznik: 2006
• Tom: Vol. 6, no 2
• Strony: 87--92
• Opis fizyczny: Bibliogr. 8 poz., rys., tab., wykr.

Twórcy

autor

Brabie G.

autor

Ene F.

• University of Bacau,157 Marasesti Street, 5500 Bacau, Romania

Bibliografia

• [1] Apostolos P.: Tooling and binder design for sheet metal forming processes compensating springback errors, Int. J. Mech. Tools Manufact., 1996, 4, pp. 503-526.
• [2] Ghouati O., Joannic D., Gelin J.C.: Optimization of process parameters for the control of springback in deep drawing, Proc. of the 6th Int. Conf. on Numerical Methods in Industrial Forming Processes, Numiform'98, 1998.
• [3] Zimniak Z.: Tooling design compensation springback errors after deep drawing and trimming operation, ESAFORM, The 5th International Conference on Material Forming, Kraków, 2002, pp. 531-534.
• [4] Choi K.K., Kim N.H.: Design optimization of springback in a deep drawing process, AIAA Journal 2002, Vol. 40, No. 1, pp. 147-153.
• [5] Viswanathan V.: Experimental implementation of neural network springback control for sheet metal forming, Dep. of Mec. Eng. Northwestern Univ., Evanston, IL, 2001.
• [6] Cho I.N., Hung C.: Finite element analysis and optimization of springback reduction, International Journal of Machine Tools & Manufacture, 1999, 39, pp. 517-536.
• [7] Kinsey A.O.: Consistent and minimal springback using stepped binder force trajectory and neural network control, Journal of Engineering Materials and Technologies, 2000, Vol. 122.
• [8] Fausett L.: Fundamentals of neural networks, Prentice-Hall, 1994.