摘要：开裂是内孔翻边加工中的常见缺陷，其由材料状态、预冲孔边缘撕裂状态、翻边凸模形状及翻边系数等诸多因素决定。即使设计时合理选择翻边系数，但因材料状态和模具状态存在许多不确定因素，生产中有时也难以保证翻边加工的质量。本文介绍一种已经在生产中实际应用的提高内孔翻边质量的冲压边缘挤压修整工艺，以及其典型的模具设计。

摘要：Q-learning是一种经典的增强学习算法,简单易用且不需要环境模型;广泛应用于移动机器人路径规划。但在状态空间和动作空间较大时,经典的Q-learning算法存在学习效率低、收敛速度慢,容易陷入局部最优解等问题。通过引入神经网络模型,利用地图信息计算状态势值,从而优化了设计奖励函数。合理奖励函数为Q(λ)-learning算法提供了先验知识,避免训练中的盲目搜索,同时奖励函数激励避免了陷入局部最优解。仿真试验表明,改进的路径规划方法在收敛速度方面有很大的提升,训练得到的路径为全局最优。