基于混合PSO-BPNN、NSGA-III和TOPSIS框架的薄壁复杂涡旋件背压成形多目标优化

《Scientific Reports》：Multi-objective optimization for backpressure forming of thin-walled complex scrolls via a hybrid PSO-BPNN, NSGA-III, and TOPSIS framework

　　

摘要

在薄壁复杂螺旋件的精密成型过程中，背压成形技术通过施加可控的反压力来调节不均匀的物料流动，从而起到关键作用。然而，这一过程存在强烈的热机械耦合效应，且众多工艺参数与成型质量之间存在着高度非线性的关系，这给实现稳定且一致的零件质量带来了巨大挑战。因此，合理设定工艺参数至关重要。当进一步考虑成型能耗和模具寿命等因素时，这一挑战变得更加复杂。本研究聚焦于回转式螺旋件的背压成形工艺，以螺旋件叶片端面高度差、填充不足率以及成型峰值载荷作为优化目标，以坯料温度、模具温度、成型速度、摩擦系数、背压距离和背压载荷作为设计变量。通过基于田口方法的数值实验，并结合相关性分析，发现了各目标之间的竞争关系。由于实验数据有限，研究构建了一种基于粒子群优化的反向传播神经网络模型，以此建立可靠的精确非线性映射关系，该模型在所研究的参数范围内对三个目标均表现出良好的预测性能。随后，采用快速精英非支配排序遗传算法进行多目标优化，得到了反映各目标之间权衡关系的帕累托最优解集。通过主观与客观评估，最终依据熵权法的理想解相似度排序法确定了最优的工艺参数组合。与初始参数相比，最优参数组合使成型峰值载荷从725千牛降低到521千牛，降幅达28.1%；叶片端面高度差从5.2毫米降至0.2毫米，降幅达96.2%；同时填充率从92.9%提升到99.2%，提升了6.8%。利用这些参数成功制造出了质量合格的螺旋件组件。所提出的集成多目标优化方法有效协调了背压成形过程中的各种矛盾目标，提升了成型质量，为类似复杂零件的精密成型工艺开发提供了可行的框架。