一种基于机器学习的钣金冲压工艺参数优化方法

本发明公开了一种基于机器学习的钣金冲压工艺参数优化方法，涉及智能制造技术领域，包括，获取待冲压钣金件的成形设计信息、材料批次信息、模具成形信息和冲压设备约束信息，划分拉深风险区域、折弯回弹区域和边缘成形区域，并确定材料成形窗口、模具安全边界和设备能力边界，形成区域化初始成形偏差场；以区域化初始成形偏差场和历史真实成形偏差为训练基础，构建校正钣金冲压成形偏差的机器学习模型，学习不同成形区域内有限元仿真偏差与现场冲压偏差的对应关系，形成适配当前生产条件的校正成形偏差场。本发明通过形成校正成形偏差场，使候选冲压参数方案围绕偏离位置、偏离类型和偏离程度进行反向选取，提高参数调整过程的区域针对性。