摘要：将优化算法与有限元仿真分析相结合可以对橡胶的材料参数进行反求,该方法基于一款叠层橡胶弹簧的试验数据,并选用Mooney-Rivlin超弹性本构模型。在参数反求的过程中,为解决传统遗传算法出现的早熟、稳定性差以及收敛速度慢的问题,将编码方式改为实数编码,并在算法中引入精英保留策略和自适应的交叉与变异概率。将根据改进遗传算法反求得到的刚度特性曲线与试验结果进行对比,发现二者具有很好的一致性,表明通过反求得到的材料参数能准确地对橡胶材料的力学性能进行描述。

摘要：人体面部皮肤的本构参数反演及力学特性研究对皮肤病变早期诊断、皮肤仿生材料设计及计算图形学中的面部模型建立都有着至关重要的作用,机器学习与有限元仿真方法相结合能更高效、更准确地解决非入侵式皮肤组织本构参数反求问题.首先建立了面部皮肤多向拉伸下的应力松弛有限元模型,并通过多步位移控制法对皮肤的超弹性力学性能与黏弹性力学性能分离;对Gasser-Ogden-Holzapfel(GOH)与Prony series本构模型参数进行敏感性分析,揭示影响面部皮肤应力松弛实验结果的关键参数.其次,利用贝叶斯超参数优化理论搭建随机森林(RF)模型与支持向量回归(SVR)模型,结合实验数据对人体面部皮肤组织本构参数进行了反求.最后,将计算得到的有限元仿真曲线与试验获得的拉伸力响应曲线对比,并引入决定系数R2对两种模型的预测准确性进行了评估.结果表明,纤维组织分散度κ、剪切模量相关参数C10和松弛模量g1是影响皮肤应力松弛实验结果的关键参数,RF模型数值计算曲线与试验曲线的拟合优度为0.98,其在皮肤本构参数反演问题上表现出更高的准确率,机器学习可以精准高效地获取面部皮肤的本构参数,进而准确描述皮肤组织的力学性能,该方法也可进一步推广到其他生物软组织的复杂本构参数反演问题.

摘要：引入响应面方法和遗传算法建立基于近似模型的拉延筋几何参数反求方法。首先以等效拉延阻力为设计变量,通过均匀拉丁方试验设计方法提取适当的设计参数样本构造响应面近似模型,并不断优化响应面模型,获取最优等效拉延阻力;然后以最优等效拉延阻力为约束条件,结合等效拉延阻力计算和小种群遗传算法反求拉延筋几何参数。整个反求过程采用等效拉延筋有限元模型进行仿真计算,避免有限元模型的网格重划分及由真实拉延筋模型引入的计算效率问题。数值算例表明,基于近似模型的拉延筋几何参数反求方法可在设计兴趣域内快速寻优,有助于加快模具设计进程,降低生产成本。

摘要：结合Gleeble-1500热模拟机在变形温度为300～500℃，应变速率为0．01～10S叫条件下通过等温压缩实验研究6061铝合金的流变应力行为，采用未考虑温升效应的参数反求法及考虑温升效应的参数反求法求解流变应力方程参数，并与回归统计法得到的结果进行对比分析。结果表明：采用未考虑温升效应的参数反求法求解流变应力方程参数具有高效、准确等优点，计算峰值应力平均误差为5．17MPa；与有限元软件结合考虑温升效应的参数反求法能够更好地描述真实的材料变形过程；3种方法得到的流变应力方程参数的偏差小于6．28％，采用多岛遗传算法与模拟退火算法反求得到的流变应力方程参数具有较好的一致性与可靠性，参数反求法可替代传统回归统计法快速获得材料大变形条件下流变应力方程参数。

摘要：以某车型前地板角支撑板的拉延工序为例,讨论BP神经网络技术与遗传算法在拉延筋几何参数反求中的综合应用问题,建立能描述反映成形效果的三个参数与半圆形拉延筋几何参数之间非线性映射关系的神经网络模型,并运用遗传算法对神经网络结构进行了优化。提出逐次局部密化样本点的样本点设计方法。该方法有助于加快神经网络的设计进程,提高神经网络的模拟精度。当训练样本数据可通过有限元法自动获得时,使用该方案则更为便利。

摘要：将RBF(radial basis function)-HDMR(high dimensional model representation)近似模型技术应用到高强钢DP600的Johnson-Cook(JC)模型参数反求中,在落锤试验测得位移-时间曲线的基础上,建立了以计算机仿真结果与试验数据之间的误差为目标输出,待求参数为设计变量的近似模型。结合遗传算法反求出DP600钢板的JC模型参数,将反求的参数输入模型,计算得到的仿真位移曲线与试验结果对比表明,该近似模型方法具有较高的精度。

摘要：针对高强度钢DP800的材料参数确定问题,提出了一种将序列响应面近似模型与小种群遗传算法相结合的材料参数反求方法。以高强钢DP800吸能梁的碰撞力试验曲线为基础,优化设计碰撞力数值仿真曲线,使之与试验曲线相吻合,从而反求出与高强度钢的应力、应变率、温度等相关的材料参数。该方法能有效减少调用有限元计算的次数与物理实验的次数,大大提高参数反求的效率,对提高整车安全性仿真精度具有重要意义。

摘要：为提高差温成形有限元模型的精度,提出自适应SVR-ELM混合近似模型和量子遗传算法相结合用于参数寻优的反求方法。基于镁合金差温成形有限元模型,建立Johnson-Cook本构模型关键参数与成形件温度之间的SVR-ELM混合近似模型,采用启发式算法求解混合模型权系数。基于自适应方法,利用优化过程中的局部解,更新样本库并重新拟合近似模型,通过改进的量子遗传算法寻优以实现镁合金AZ31B差温成形中本构参数的反求。与采用单一近似模型相比,自适应SVR-ELM混合模型精度更好,效率更高。以2011年国际板料成形数值模拟会议(NUMISHEET2011)中提出的十字杯形件差温成形为研究对象,利用该反求模型对本构参数进行反求,基于反求参数进行数值模拟,将获得的温度与试验数据值相比,温度误差为0.39%,说明反求方法有效。研究结果表明利用SVR-ELM获得的本构参数建立的有限元模型能更有效地对实际生产中成形件的缺陷进行预测。

摘要：汽车碰撞测试用Q6儿童假人结构较复杂、没有公开几何及材料参数,难以对其进行深入研究和改进。因此,利用CT技术,对Q6假人无金属反光几何边界进行反求;设计并制作了质心测量仪,采用试错法,基于质心一致进行金属件反求,并用转动惯量校正。设计了新型排水法,应用于髋部和锁骨的材料密度反求;设计并利用矩阵方程法进行多材料组合部件的密度反求。通过以上方法获得了Q6假人主要部件的几何模型及材料参数。

摘要：针对机械设计中存在的复杂零件主形心惯性参数计算困难,以及截面形状复杂的零件弯曲强度计算繁杂的问题,在AutoCAD基础上进行了分析和研究,提出了一种机械设计中由复杂结构零件的三维实体模型反求零件的主形心惯性参数的方法。指出了复杂截面弯曲梁的弯曲强度计算方法与步骤。