| 研究概要 |
購入したニューラルネットワーク・シミュレータNeNeuro-07(NEC製)を現有のパーソナルコンピュータ(PC-9801,NEC製)上で作動させ,ニューラルネットワーク演算を行なう。ニューラルネットワークモデルには階層型ネットワークのバックプロパゲーションモデルを用いる。
(1)深絞り加工の工程設計をするためには,深絞り製品の形状を複数の数値パラメータで表すことが必要である(製品形状のパターン認識)。この場合,製品の横断面形状と縦断面形状に分けて考えることができる。簡単のために,横断面形状,縦断面形状ともに少なくとも一つの対称軸を有する形状について考えた。対称軸とこれに直交する軸を座標軸として製品形状を関数で表し,この関数の関数値,一次微係数および二次微係数の値によって各部の形状(コーナー部,傾斜部,垂直および平行部)を表現した。これによって,製品の縦断面形状および横断面形状の複雑さ,製品を構成する形状特徴パラメータの数をデータとして利用できる。
(2)製品の形状パラメータに基づいて加工方法を推定するために,1工程で成形可能な製品形状の分類をした。また,工程設計において重要な工具・素板形状および素板材質などの深絞り特性への影響を検討した。
(3)加工条件から,破断およびしわの発生を予測して,最適工程を得るには至らなかったが,解決すべき問題点がよりいっそう明らかになってきた。今後,これらの問題点を解決していく予定である。
なお,処理速度をさらに早くするために,新たにパーソナルコンピュータを購入した。
2.実験と計算との対比もできるように,上記のことと並行して,多段絞り可能な試験装置の設計も行なった。この装置は様々な種類の形状のポンチおよびダイスを装着でき,加工条件の加工行程中の制御も可能である。
|
