Multi-objective Optimization of Tube Hydroforming Using Hybrid Global and Local Search
Notice bibliographique
Résumé
An investigation of non-linear multi-objective optimization is conducted in order to define a set of process parameters (i.e. load paths) for defect-free tube hydroforming. A generalized forming severity indicator that combines both the conventional forming limit diagram (FLD) and the forming limit stress diagram (FLSD) was adopted to detect excessive thinning, necking/splitting and wrinkling in the numerical simulation of formed parts. In order to rapidly explore and capture the Pareto frontier for multiple objectives, two optimization strategies were developed: normal boundary intersection (NBI) and multi-objective genetic algorithm (MOGA) based on the concept of "dominated solutions". The NBI method produced a uniformly distributed set of solutions. For the MOGA method, a stochastic Kriging model was used as a surrogate model. Furthermore, the MOGA constraint-handling technique was improved, Kriging model updating was automated and a hybrid global-local search was implemented in order to rapidly explore the Pareto frontier. Both piece-wise linear and pulsating pressure paths were investigated for several case studies, including straight tube, pre-bent tube and industrial tube hydroforming. For straight tube hydroforming, the optimal load path was obtained using the NBI method and it showed a smaller corner radius compared to that predicted by the commercial program LS-OPT4.0. Moreover, the hybrid method coupling global search (MOGA) and local search (sequential quadratic programming: SQP) was applied for straight tube hydroforming, and the results showed a significant improvement in terms of the stress safety margin and reduced local thinning. For a commercial refrigerator door handle, the MOGA method was utilized to inversely analyze the loading path and the calculated path correlated well with the production path. For a hydroformed T-shaped tubular part, the amplitude and frequency of the pulsating pressure were optimized with MOGA. Thinning was reduced by 25% compared with experimental results. A multi-stage (prebent) tube hydroforming simulation was performed and it indicated that the reduction in formability due to bending can be largely compensated by end feeding the tube during hydroforming. The loading path optimized by MOGA showed that the expansion into the corner of the hydroforming die increased by 16.7% compared to the maximum expansion obtained during experimental trials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».