基于全卷积神经网络的板条多压头成形回弹预测及模具设计

作者：朱凌; 董金辉; 梁棋钰^*

来源：中国舰船研究, 2023, 18(06): 197-207.

DOI：10.19693/j.issn.1673-3185.02964

• 多压头成形
• 全卷积神经网络
• 回弹预测
• 板条成形

[目的]在船体曲面板的冷成形过程中，回弹是影响成形精度的主要因素，为提高板条成形质量，需研究回弹预测方法以获得合适的回弹控制方式，进而指导模具设计。[方法]基于全卷积神经网络（FCN）对回弹图片进行像素级计算和回归计算，从而实现对每个成形位置的回弹量预测。首先，利用ABAQUS 2019建立有限元模型，并通过实验结果进行准确性的对比验证；然后，采用验证后的有限元方法计算获取神经网络训练样本集，将板条几何信息作为神经网络的输入，并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型；最后，对比分析不同神经网络的优劣，并将最优网络应用于模具设计。[结果]算例分析结果显示：FCN模型预测回弹量的最大误差为8.49%，具有较高的准确度，其中FCN32的精度最高；FCN模型可以实现模具形状的一次性设计，计算时间仅为0.5 s，最大误差仅为1.00%，显著提高了计算效率。[结论]全卷积神经网络算法提供了一种快速高效的板条回弹预测方法，以及快速设计模具形状的新思路。

• 出版日期2023
• 单位武汉理工大学