高明高空车出租， 南海高空车出租， 中山高空车出租     高空车门外板冲压工艺参数多目标优化实例    1高空车门外板冲压工艺参数多目标优化模型构建： 在已经构建的初始综合评价函数中，拉裂评价函数Y1的值表征了板料某点的拉裂趋势，其值越小，则说明该点相对安全裕度临界函数越靠下，拉裂风险越小；减薄评价函数Y2则表征了该点的厚度变化率，其值越小，过度减薄风险越小；而对于回弹量评价函数Y3，为保证成形精度，需确保回弹量不超过一定值，且越小越好。综上所述，冲压工艺参数寻优的目标为使综合评价函数的值最小。 以外板长度约为1072mm，宽度约为704mm的车门外板为例子，对其拉延成形工步中的冲压工艺参数进行优化，具间隙的取值为[0.8,1.0]，压边力为[200,700]，摩擦系数为[0.1,0.15]，以优化成形质量作为设计目标，基于得到的冲压工艺参数与成形指标关联模型，建立冲压工艺参数多目标优化模型。 

      2高精度寻优蝴蝶算法系统参数优化选取   基于车门外板拉延成形的结果数据进行算法系统参数的优化。以模具间隙(mm)、压边力(kN)、摩擦系数三个冲压工艺参数作为设计变量，响应值Y*为得到的响应面关联模型的结果值，得到实验数据。 高精度寻优蝴蝶算法所涉及的系统参数有：起始搜索点种群数量N、幂指数a、感知模态参数c、转换概率p、控制因子k1与k2、判定系数、伽马分布参数与、迭代次数Titer。各系统参数的优化实验初始值如表4.3所示。 设计高精度寻优蝴蝶算法参数优化实验如下：采用控制变量法，每次实验只改变一个参数的值，其他参数保持不变，算法重复运行10次，每次迭代200次，通过比较10次实验中综合评价函数Y*的平均值，得出各参数的统计数据曲线。 对十种系统参数变化规律进行分析（分析略），为使算法寻优得到最小的综合评价函数值，选取高精度寻优蝴蝶算法系统参数组合。 

       高明高空车出租， 南海高空车出租， 中山高空车出租

     3冲压工艺参数多目标优化结果分析  采用高精度寻优蝴蝶算法对冲压工艺参数进行优化，算法系统参数如表4.4所示。为验证高精度寻优蝴蝶算法的性能，将同等条件下的高精度寻优蝴蝶算法与传统蝴蝶算法代入关联模型中，分析综合评价函数平均值在每次迭代中的变化情况。高精度寻优蝴蝶算法与传统蝴蝶算法所使用的系统参数组合，分别采用了两种算法的综合评价函数最优值曲线变化对比。 高精度寻优蝴蝶算法在迭代过程中不存在停滞现象，而传统蝴蝶算法在迭代轮次为5、20、70时均出现了停滞现象，且高精度寻优蝴蝶算法相比传统蝴蝶算法具有更快的收敛速度，同时有较高的寻优精度。综上，与传统蝴蝶算法相比，高精度寻优蝴蝶算法在求解冲压工艺参数多目标优化问题中具有更高的精度。 

      高精度寻优蝴蝶算法的迭代过程。种群初始化即迭代次数为零时，搜索点均匀地分布在空间中；当迭代次数t=50时，搜索点种群开始初步游走；大部分搜索点已经收敛于一个较小的解空间内；为迭代次数达到150次时收敛的最终结果，可看出解空间收敛于一个点。 根据解空间的结果可得到冲压工艺参数多目标优化的帕累托解集，其中3个坐标值分别为多目标优化评价函数Y1*、Y2*、Y3*。从帕累托前沿中得到收敛点对应的冲压工艺参数值为模具间隙tn=0.80mm，压边力FQ=200kN，摩擦系数τ=0.10。为检验优化后的成形效果，将该组冲压工艺参数代入有限元仿真中再次进行数值模拟，得到成形极限图及车门外板的仿结果可看出在成形极限图中各区域的成形情况良好，最大减薄率与回弹量也得到了优化。将优化前后的成形指标进行对比，对比结果显示：最大减薄率同比减少17.0%，回弹量同比减少28.9%，优化效果明显。 为进一步说明高精度寻优蝴蝶算法的优越性，本文将传统蝴蝶算法与高精度寻优蝴蝶算法进行实验方案对比，设置不同的算法初始迭代次数，在冲压工艺参数设置方面保持一致，重复100次实验求各项结果平均值，将两种算法优化结果进行比对。 

      当迭代次数增加，其收敛性能越好，在两种算法寻优结果相近且迭代次数均为150的前提下，基于高精度寻优蝴蝶算法优化得到综合评价函数的值为-1.668133，传统蝴蝶算法为-1.213059，即通过高精度寻优蝴蝶算法优化后得到的综合评价函数的值更小，表明基于高精度寻优蝴蝶算法能以更高的精度得到较优解，同时在相同迭代轮次下，高精度寻优蝴蝶算法耗时相比传统蝴蝶算法更短，证明基于高精度寻优蝴蝶算法在解决冲压工艺参数多目标优化问题时相对于传统蝴蝶算法性能表现更好，为冲压工艺参数的多目标优化提供了新的研究思路。

        高明高空车出租， 南海高空车出租， 中山高空车出租