俞 濤，史耀耀，鄧 博，何曉東，康 超，宋士博

(西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072)

2016-07-01；

2016-07-25。

國家自然科學(xué)基金(51375394)。

俞濤(1985—)，男，博士生，研究方向?yàn)閺?fù)合材料成型工藝及裝備技術(shù)。E-mailscor00@163.com

復(fù)合材料帶纏繞成型過程建模及工藝參數(shù)優(yōu)化

俞 濤，史耀耀，鄧 博，何曉東，康 超，宋士博

(西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072)

復(fù)合材料帶纏繞成型過程中，成型工藝參數(shù)的選取決定了纏繞制品的性能。采用正交實(shí)驗(yàn)法研究各工藝參數(shù)對(duì)纏繞制品層間剪切強(qiáng)度的影響規(guī)律和敏感度，并將正交試驗(yàn)數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合，對(duì)帶纏繞成型過程進(jìn)行建模，得到纏繞成型工藝參數(shù)與層間剪切強(qiáng)度之間的非線性映射關(guān)系，并通過實(shí)驗(yàn)驗(yàn)證了模型的可靠性。在此基礎(chǔ)上，利用粒子群優(yōu)化方法在可行工藝參數(shù)域內(nèi)對(duì)纏繞成型工藝參數(shù)進(jìn)行優(yōu)化。仿真與實(shí)驗(yàn)結(jié)果表明，基于神經(jīng)網(wǎng)絡(luò)模型的工藝參數(shù)粒子群優(yōu)化算法能夠快速、準(zhǔn)確的得到帶纏繞成型的全局最優(yōu)工藝參數(shù)組合。使得纏繞制品層間剪切強(qiáng)度達(dá)到最優(yōu)的工藝參數(shù)組合為：加熱溫度115 ℃，纏繞張力357 N，壓輥壓力1006 N和纏繞速度0.28 m/s，在最優(yōu)工藝參數(shù)作用下，纏繞制品的層間剪切強(qiáng)度達(dá)到102.2 MPa。

復(fù)合材料帶纏繞工藝；層間剪切強(qiáng)度；粒子群優(yōu)化算法；BP神經(jīng)網(wǎng)絡(luò)模型；參數(shù)優(yōu)化

0 引言

復(fù)合材料預(yù)浸膠帶纏繞制品具有比強(qiáng)度高、高溫性能好和質(zhì)量輕等諸多優(yōu)點(diǎn)，已被廣泛應(yīng)用于航空航天發(fā)動(dòng)機(jī)的殼體、尾噴管和鼻錐等零部件中[1-2]。隨著復(fù)合材料纏繞成型部件用量的增加，人們對(duì)其性能的關(guān)注度也逐漸提高。在實(shí)際生產(chǎn)中，影響纏繞制品性能的因素較多，而纏繞成型工藝方法和成型工藝過程中工藝參數(shù)的選取對(duì)制品性能的影響較大[3]。因此，控制復(fù)合材料帶纏繞成型工藝過程、優(yōu)化成型工藝過程中的工藝參數(shù)是控制制品質(zhì)量的關(guān)鍵。

目前，關(guān)于復(fù)合材料成型過程中工藝參數(shù)對(duì)制品質(zhì)量的影響已得到廣泛的關(guān)注。其中，基于成型過程數(shù)學(xué)建模及仿真方法的工藝參數(shù)研究已比較充分。如Schledjewski等學(xué)者開發(fā)了一種纖維增強(qiáng)復(fù)合材料仿真工具[4]，并對(duì)預(yù)浸膠帶鋪放過程進(jìn)行分析，利用該仿真工具對(duì)鋪放速度、溫度和結(jié)合壓力等關(guān)鍵工藝參數(shù)對(duì)鋪放制品質(zhì)量的影響進(jìn)行研究[5-6]。但在工藝建模過程中，為便于計(jì)算和處理，不可避免的需要對(duì)模型進(jìn)行一些近似和假設(shè)，最終會(huì)導(dǎo)致仿真結(jié)果出現(xiàn)難以控制的偏差。因此，基于實(shí)驗(yàn)方法的工藝參數(shù)優(yōu)化同樣被大量的應(yīng)用在復(fù)合材料成型工藝中。如西安交通大學(xué)的段玉崗等采用正交實(shí)驗(yàn)法對(duì)復(fù)合材料鋪放過程中的壓緊力、加熱溫度和芯模溫度對(duì)制品力學(xué)性能的影響進(jìn)行了研究[7]。Tauseef和Bijan利用響應(yīng)面法對(duì)纖維鋪放過程工藝參數(shù)進(jìn)行了分析和優(yōu)化[8]。正交實(shí)驗(yàn)法能夠在離散的點(diǎn)中尋找到具有最優(yōu)值的點(diǎn)，而并不能保證該點(diǎn)為連續(xù)空間內(nèi)的最優(yōu)點(diǎn)[9]。響應(yīng)面法雖然能找到整個(gè)區(qū)域內(nèi)的最佳優(yōu)化點(diǎn)，但其二次多項(xiàng)式回歸模型過于單一，并不一定能準(zhǔn)確的描述工藝參數(shù)與制品質(zhì)量之間的非線性關(guān)系。

神經(jīng)網(wǎng)絡(luò)具有高度的非線性函數(shù)逼近能力、自適應(yīng)學(xué)習(xí)能力和容錯(cuò)能力等優(yōu)點(diǎn)，為解決不確定非線性系統(tǒng)的建模提供了新的方法[10]。本文在利用正交實(shí)驗(yàn)法分析帶纏繞成型工藝參數(shù)對(duì)制品質(zhì)量影響規(guī)律的基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)理論與正交試驗(yàn)數(shù)據(jù)相結(jié)合，建立纏繞成型工藝參數(shù)與層間剪切強(qiáng)度的非線性映射關(guān)系。在驗(yàn)證模型可靠性的前提下，采用粒子群優(yōu)化(PSO)方法在可行工藝參數(shù)域內(nèi)對(duì)纏繞成型工藝參數(shù)進(jìn)行優(yōu)化，為復(fù)合材料成型工藝的建模與優(yōu)化研究提供了一種新的思路。

1 層間剪切強(qiáng)度正交實(shí)驗(yàn)及分析

復(fù)合材料帶纏繞成型過程的實(shí)現(xiàn)是通過特定的機(jī)械運(yùn)動(dòng)和控制，將已經(jīng)浸過樹脂膠液的布帶(如玻璃纖維布、碳纖維布等)，按照所要求的線型規(guī)律纏繞上芯模表面。在纏繞過程中，預(yù)浸膠帶被裝載在纏繞小車的料盤上，在膠帶通過磁粉離合器和熱壓輥后，與已纏繞在芯模上的層合板相互結(jié)合。預(yù)浸膠帶由于受溫度的影響使得樹脂基體的粘度降低，在壓力的共同作用下與基層層合板緊密接觸。同時(shí)，加熱和加壓也會(huì)使得層與層之間結(jié)合的界面處變得光滑，從而減少層間孔隙含量。帶纏繞成型工藝如圖1所示。

根據(jù)帶纏繞成型工藝過程的分析可知，當(dāng)預(yù)浸膠帶在纏繞小車的運(yùn)動(dòng)下按預(yù)定軌跡纏繞在芯模上后，膠帶層與層之間的結(jié)合強(qiáng)度決定了纏繞完成的復(fù)合材料制品質(zhì)量。對(duì)于復(fù)合材料纏繞制品來說，層間剪切強(qiáng)度是考查其層合板間結(jié)合強(qiáng)度的量化指標(biāo)，也是檢驗(yàn)其質(zhì)量好壞的重要標(biāo)準(zhǔn)之一[11]。結(jié)合實(shí)際生產(chǎn)經(jīng)驗(yàn)可知，影響纏繞制品層間剪切強(qiáng)度的因素主要有纏繞速度、壓輥壓力、加熱溫度和纏繞張力。為研究上述工藝參數(shù)對(duì)層間剪切強(qiáng)度的影響規(guī)律和影響程度，采用四因素三水平正交實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。

實(shí)驗(yàn)所采用的預(yù)浸膠帶材料為中復(fù)神鷹碳纖維股份有限公司生產(chǎn)的碳纖維/環(huán)氧樹脂預(yù)浸膠帶，樹脂基體為YH-69環(huán)氧樹脂，纖維增強(qiáng)體為T-300碳纖維，膠帶寬度80 mm，單層平均厚度0.2 mm，膠帶采用二維編織，編織方向?yàn)?°/90°，碳纖維質(zhì)量分?jǐn)?shù)為62%。纏繞成型設(shè)備為KUKA纏繞機(jī)器人，纏繞成型過程如圖2所示。固化設(shè)備為山東眾泰達(dá)工業(yè)裝備有限公司公司生產(chǎn)的1200×3000型熱壓罐，層間剪切強(qiáng)度檢測設(shè)備采用長春試驗(yàn)機(jī)研究所生產(chǎn)的CSS-88010電子萬能試驗(yàn)機(jī)。四因素三水平纏繞成型正交實(shí)驗(yàn)的規(guī)劃如表1所示。

根據(jù)正交實(shí)驗(yàn)的規(guī)劃，使用纏繞機(jī)在不同纏繞速度、溫度、壓力和張力下進(jìn)行平疊纏繞，所用芯模為直徑150 mm的圓柱芯模, 纏繞試件直徑160 mm。將纏繞完成的試件進(jìn)行固化和脫模，固化時(shí)升溫速率為2.5 ℃/min，當(dāng)溫度從室溫升至125 ℃時(shí)保持150 min，固化壓力為0.15 MPa。根據(jù)國標(biāo)GB/T 1458—2008“纖維纏繞增強(qiáng)塑料環(huán)形試樣力學(xué)性能試驗(yàn)方法”的規(guī)定[12]，將脫模下來的纏繞試件進(jìn)行機(jī)加，得到標(biāo)準(zhǔn)的NOL(Naval Ordnance Laboratory)環(huán)，用于層間剪切強(qiáng)度實(shí)驗(yàn)的NOL環(huán)內(nèi)徑為(150±0.2)mm，寬度為(6±0.2)mm，厚(3±0.1)mm。再由每個(gè)NOL環(huán)徑向切取3個(gè)弧形剪切試樣，試樣獲取過程如圖3所示。

表1 正交實(shí)驗(yàn)表L9(3)4

對(duì)從NOL環(huán)上切取的弧形試樣進(jìn)行三點(diǎn)彎曲試驗(yàn)便可測定纏繞試件的層間剪切強(qiáng)度，實(shí)驗(yàn)過程如圖4所示。

圖4中，實(shí)驗(yàn)夾具是為試樣進(jìn)行三點(diǎn)彎曲試驗(yàn)而專門制造的，其滑動(dòng)支座允許試件自由伸長且支撐位置不變，從而消除試件由于變形與支座產(chǎn)生的摩擦力對(duì)測試結(jié)果的不利影響。試驗(yàn)開始后，加載桿均勻、連續(xù)地對(duì)試樣施加載荷，加載速度為1 mm/min，直至試樣發(fā)生層間剪切破壞，并記錄破壞載荷。 將破壞載荷帶入式(1)便可計(jì)算出該試樣的層間剪切強(qiáng)度。

(1)

式中τs為層間剪切強(qiáng)度；Pb為破壞載荷；b為試樣寬度；h為試樣厚度。

將實(shí)驗(yàn)所得數(shù)據(jù)錄入正交實(shí)驗(yàn)表便可對(duì)各工藝參數(shù)對(duì)層間剪切強(qiáng)度的影響規(guī)律和敏感度進(jìn)行分析。

在表1中，Km為某個(gè)因素第m水平所對(duì)應(yīng)實(shí)驗(yàn)指標(biāo)(層間剪切強(qiáng)度)的平均值。根據(jù)Km的數(shù)值可以直觀的反應(yīng)各工藝參數(shù)對(duì)層間剪切強(qiáng)度的影響規(guī)律，如圖5所示。

表1中R為極差，是各因素不同水平下實(shí)驗(yàn)結(jié)果均值的最大值與最小值之差，如式(2)所示:

Rj=max(Kj1,Kj2,…,Kjm)-min(Kj1,Kj2,…,Kjm)

(2)

該指標(biāo)反映了某列因素水平變動(dòng)時(shí)實(shí)驗(yàn)指標(biāo)的變動(dòng)幅度[13]。若R越大，則說明該工藝參數(shù)對(duì)層間剪切強(qiáng)度的影響越大。反之，則越小。依據(jù)R的大小可判斷各工藝參數(shù)的敏感程度。根據(jù)實(shí)驗(yàn)結(jié)果(圖6)可看出，在帶纏繞成型工藝中，各工藝參數(shù)的敏感度從大到小依次為：加熱溫度、壓輥壓力、纏繞速度和纏繞張力。

2 帶纏繞成型工藝神經(jīng)網(wǎng)絡(luò)建模

2.1 神經(jīng)網(wǎng)絡(luò)建模

誤差反向傳播神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))是一種前饋階層網(wǎng)絡(luò)的學(xué)習(xí)算法，在理論上，具有三層網(wǎng)絡(luò)的BP神經(jīng)網(wǎng)絡(luò)模型(具有偏差和至少一個(gè)S型隱含層加上一個(gè)線性輸出層的網(wǎng)絡(luò))能以足夠精度逼近任意非線性系統(tǒng)[14]。復(fù)合材料帶纏繞成型過程為典型的多輸入非線性過程，其中輸入層的主要工藝參數(shù)為：加熱溫度、壓輥壓力、纏繞速度和纏繞張力，輸出層為層間剪切強(qiáng)度。帶纏繞成型過程BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖7所示。

該神經(jīng)網(wǎng)絡(luò)模型采用三層網(wǎng)絡(luò)結(jié)構(gòu)：輸入層4個(gè)節(jié)點(diǎn)，隱含層6個(gè)節(jié)點(diǎn)，輸出層1個(gè)節(jié)點(diǎn)。依據(jù)神經(jīng)網(wǎng)絡(luò)模型的計(jì)算原則，隱含層和輸出層的輸出分別為

(3)

(4)

式中xi為輸入層第i個(gè)節(jié)點(diǎn)的輸入；yj為隱含層第j個(gè)節(jié)點(diǎn)的輸出；zk為輸出層第k個(gè)節(jié)點(diǎn)的輸出；wij為輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)之間的權(quán)值；θj為隱含層第j個(gè)節(jié)點(diǎn)的閥值；vjk為隱含層第j個(gè)節(jié)點(diǎn)到輸出層第k個(gè)節(jié)點(diǎn)之間的權(quán)值；ηk為輸出層第k個(gè)節(jié)點(diǎn)的閥值；f(x)、g(x)分別為輸入層與隱含層、隱含層與輸出層之間的傳遞函數(shù)。

這里，輸入層與隱含層之間使用Sigmoid傳遞函數(shù)，如式(5)所示。隱含層與輸出層之間使用線性Purelin函數(shù)，如式(6)所示：

(5)

g(x)=αx+b

(6)

式中a、b和α為系數(shù)，在此均取1。

結(jié)合式(3)和式(4)，該纏繞成型過程BP神經(jīng)網(wǎng)絡(luò)模型為

(7)

網(wǎng)絡(luò)訓(xùn)練方法采用共軛梯度算法，該算法具有計(jì)算簡單、收斂速度快等優(yōu)點(diǎn)，適用于中小型網(wǎng)絡(luò)[15]。由于神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度與訓(xùn)練樣本數(shù)據(jù)的多少有直接關(guān)系，除了將正交實(shí)驗(yàn)的9組數(shù)據(jù)作為訓(xùn)練樣本外，還應(yīng)按照上述實(shí)驗(yàn)方法以不同的工藝參數(shù)組合進(jìn)行多組實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果用做神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本以提高預(yù)測模型的準(zhǔn)確性。

2.2 模型訓(xùn)練及驗(yàn)證

將實(shí)驗(yàn)所得的30組數(shù)據(jù)分為2組，其中25組數(shù)據(jù)與正交實(shí)驗(yàn)的9組數(shù)據(jù)共同組成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，另外5組數(shù)據(jù)作為測試樣本以驗(yàn)證該模型的預(yù)測精度。根據(jù)訓(xùn)練樣本對(duì)所建立的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，當(dāng)網(wǎng)絡(luò)訓(xùn)練達(dá)到期望的誤差精度時(shí)停止訓(xùn)練，神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。圖8為訓(xùn)練過程中的誤差曲線，該網(wǎng)絡(luò)在訓(xùn)練到20次左右時(shí)開始收斂，在訓(xùn)練237次后滿足目標(biāo)誤差。

圖9為樣本值與網(wǎng)絡(luò)輸出值之間的對(duì)比圖。從圖9可看出，樣本值與網(wǎng)絡(luò)輸出值已非常接近，但為了驗(yàn)證該神經(jīng)網(wǎng)絡(luò)的預(yù)測精度和泛化性，采用5組訓(xùn)練樣本以外的測試樣本對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行檢驗(yàn)。實(shí)驗(yàn)值與仿真值對(duì)比結(jié)果如表2所示。通過對(duì)比可知，模型預(yù)測值與實(shí)驗(yàn)值之間的相對(duì)誤差不超過8%，說明該神經(jīng)網(wǎng)絡(luò)模型能夠較好的反映各工藝參數(shù)與層間剪切強(qiáng)度之間的非線性映射關(guān)系。

序號(hào)加熱溫度/℃纏繞張力/N壓輥壓力/N纏繞速度/(m/s)層間剪切強(qiáng)度/MPa實(shí)驗(yàn)值仿真值Δ/%110030010000.492.097.45.8215050012000.576.173.23.73503002000.435.938.87.841005015000.264.162.42.5515030010000.689.085.14.5

3 基于粒子群算法的工藝參數(shù)優(yōu)化

粒子群優(yōu)化(PSO)算法以其精度高、收斂快、算法簡單且易于實(shí)現(xiàn)等優(yōu)點(diǎn)被廣泛的用于解決實(shí)際工程優(yōu)化問題[16-17]。根據(jù)PSO算法原理結(jié)合帶纏繞成型過程，將每一組工藝參數(shù)組合看成一個(gè)粒子，那么每個(gè)粒子所對(duì)應(yīng)的適應(yīng)值則為層間剪切強(qiáng)度，利用神經(jīng)網(wǎng)絡(luò)模型作為適應(yīng)度函數(shù)，便可在合理工藝參數(shù)范圍(解空間)內(nèi)對(duì)參數(shù)進(jìn)行優(yōu)化。在優(yōu)化過程中，首先在可行工藝參數(shù)范圍內(nèi)隨機(jī)初始化一群工藝參數(shù)組合，每個(gè)工藝參數(shù)組合根據(jù)特定的函數(shù)來更新自己的速度和參數(shù)值，工藝參數(shù)組合追隨每次迭代中的最優(yōu)參數(shù)組合在工藝參數(shù)范圍內(nèi)進(jìn)行搜索，直至達(dá)到最大迭代次數(shù)或找到滿意解為止?；谏窠?jīng)網(wǎng)絡(luò)模型的帶纏繞成型工藝參數(shù)PSO算法優(yōu)化步驟如下：

(1)根據(jù)理論或經(jīng)驗(yàn)確定待優(yōu)化工藝參數(shù)的范圍，在不同工藝參數(shù)組合下進(jìn)行實(shí)驗(yàn)，收集實(shí)驗(yàn)數(shù)據(jù)。

(2)利用實(shí)驗(yàn)數(shù)據(jù)建立工藝參數(shù)與層間剪切強(qiáng)度之間的BP神經(jīng)網(wǎng)絡(luò)模型，并對(duì)該模型的可靠性進(jìn)行驗(yàn)證。

(3)PSO算法的初始化設(shè)定，如學(xué)習(xí)因子、慣性權(quán)重、種群規(guī)模和最大迭代次數(shù)等，并隨機(jī)初始化粒子群的位置和速度。

(4)將粒子群代入所建立的神經(jīng)網(wǎng)絡(luò)中計(jì)算每個(gè)粒子的適應(yīng)值，確定粒子個(gè)體極值和種群最優(yōu)值。

(5)根據(jù)特定的函數(shù)來更新粒子群的速度和位置。速度更新、位置更新如式(8)、式(9)所示。

(8)

(9)

(6)判斷種群最優(yōu)適應(yīng)值是否滿足精度要求或是否達(dá)到最大迭代次數(shù)。若滿足條件則停止計(jì)算，輸出全局最優(yōu)值，否則返回步驟(4)重新計(jì)算。該優(yōu)化算法的流程圖如圖10所示。

根據(jù)實(shí)際生產(chǎn)經(jīng)驗(yàn)，帶纏繞成型待優(yōu)化工藝參數(shù)的范圍設(shè)定為：溫度50～150 ℃，壓力100～1500 N，張力50～500 N，速度0.2～0.6 m/s[18]。在該工藝參數(shù)范圍內(nèi)，按照上述優(yōu)化算法思想對(duì)帶纏繞成型過程進(jìn)行建模、仿真和優(yōu)化計(jì)算便可得到最優(yōu)層間剪切強(qiáng)度值及其對(duì)應(yīng)的工藝參數(shù)組合。為驗(yàn)證優(yōu)化效果，使用優(yōu)化得到的工藝參數(shù)組合進(jìn)行纏繞和三點(diǎn)彎曲實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果與仿真結(jié)果進(jìn)行對(duì)比，如表3所示。結(jié)果表明，使得帶纏繞成型制品層間剪切強(qiáng)度達(dá)到最優(yōu)的工藝參數(shù)組合為：加熱溫度115 ℃，纏繞張力357 N，壓輥壓力1006 N，纏繞速度0.28 m/s。此時(shí)，纏繞制品的層間剪切強(qiáng)度達(dá)到102.2 MPa。

表3 參數(shù)優(yōu)化結(jié)果

雖然該模型可較好地反映各工藝參數(shù)和層間剪切強(qiáng)度之間的非線性映射關(guān)系，但通過模型驗(yàn)證和優(yōu)化結(jié)果中仿真值與實(shí)驗(yàn)值的對(duì)比可知，該模型仍然存在一定的誤差，產(chǎn)生誤差的原因主要包括以下兩方面：一是實(shí)驗(yàn)過程中的不確定性因素導(dǎo)致的實(shí)驗(yàn)數(shù)據(jù)失真；二是訓(xùn)練數(shù)據(jù)偏少導(dǎo)致的網(wǎng)絡(luò)擬合精度不夠。因此，在實(shí)際優(yōu)化過程中，可通過如下方法來進(jìn)一步提高模型的預(yù)測精度：

(1)增加每組工藝參數(shù)組合的實(shí)驗(yàn)次數(shù)，利用取平均值的方法減少失真數(shù)據(jù)帶來的影響。

(2)增加BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)，提高網(wǎng)絡(luò)的擬合精度。

4 結(jié)論

(1) 根據(jù)正交試驗(yàn)和極差分析可知，帶纏繞成型工藝中的關(guān)鍵工藝參數(shù)對(duì)纏繞制品的層間剪切強(qiáng)度均有不同程度的影響，且敏感度從大到小依次為：加熱溫度、壓輥壓力、纏繞速度和纏繞張力。

(2)帶纏繞成型過程BP神經(jīng)網(wǎng)絡(luò)模型能夠準(zhǔn)確的描述各工藝參數(shù)與層間剪切強(qiáng)度之間的非線性映射關(guān)系，該模型仿真誤差小于8%。

(3) 基于神經(jīng)網(wǎng)絡(luò)模型的工藝參數(shù)PSO算法能夠快速、準(zhǔn)確的得到帶纏繞成型的全局最優(yōu)工藝參數(shù)組合。仿真和實(shí)驗(yàn)結(jié)果表明，當(dāng)纏繞溫度為115 ℃，壓力為1006 N，張力為357 N，速度為0.28 m/s時(shí)，層間剪切強(qiáng)度達(dá)到102.2 MPa，纏繞制品的結(jié)合強(qiáng)度最優(yōu)。

[1] Dirk H J A L,Ward C,Potter K D. The engineering aspects of automated prepreg layup: History,present and future[J]. Composites Part B: Engineering,2012,43(3): 997-1009.

[2] Dai S C,Ye L. Characteristics of CF/PEI tape winding process with on-line consolidation[J]. Composites Part A: Applied Science and Manufacturing,2002,33(9): 1227-1238.

[3] 唐邦銘. 熱塑性預(yù)浸帶纏繞工藝參數(shù)及加熱方式對(duì)成型質(zhì)量及內(nèi)應(yīng)力的影響[J]. 復(fù)合材料學(xué)報(bào),1999,16(2): 22-29.

[4] Schledjewski R,Latrille M. Processing of unidirectional fiber reinforced tapes-fundamentals on the way to a process simulation tool (ProSimFRT)[J]. Composites Science and Technology,2003,63(14): 2111-2118.

[5] Khan M A,Mitschang P,Schledjewski R. Identification of some optimal parameters to achieve higher laminate quality through tape placement process[J]. Advances in Polymer Technology,2010,29(2): 98-111.

[6] Khan M A,Mitschang P,Schledjewski R. Parametric study on processing parameters and resulting part quality through thermoplastic tape placement process[J]. Journal of Composite Materials,2013,47(4): 485-499.

[7] 段玉崗,劉芬芬,陳耀,等. 纖維鋪放壓緊力及預(yù)浸帶加熱溫度對(duì)復(fù)合材料力學(xué)性能的影響[J]. 復(fù)合材料學(xué)報(bào),2012,19 (4): 148-156.

[8] Aized T,Shirinzadeh B. Robotic fiber placement process analysis and optimization using response surface method[J]. The International Journal of Advanced Manufacturing Technology,2011,55(1-4): 393-404.

[9] 田榮鑫,姚倡鋒,黃新春,等. 面向加工表面粗糙度的鈦合金高速銑削工藝參數(shù)區(qū)間敏感性及優(yōu)選[J]. 航空學(xué)報(bào),2010,31(12): 2464-2470.

[10] 倪立斌,劉繼常,伍耀庭,等. 基于神經(jīng)網(wǎng)絡(luò)和粒子群算法的激光熔覆工藝優(yōu)化[J]. 中國激光,2011,38(2): 99-104.

[11] 李旭武,周曉東,郭兵兵,等. 工藝條件對(duì)兩步法纏繞成型連續(xù)玻璃纖維增強(qiáng)聚丙烯管材層間剪切強(qiáng)度及樹脂含量的影響[J]. 玻璃鋼/復(fù)合材料,2011(6): 64-67.

[12] GB/T 1458-2008 纖維纏繞增強(qiáng)塑料環(huán)形試樣力學(xué)性能試驗(yàn)方法[S]. 中華人民共和國國家標(biāo)準(zhǔn),2008.

[13] Cui W,Li X,Zhou S,et al. Investigation on process parameters of electrospinning system through orthogonal experimental design[J]. Journal of Applied Polymer Science,2007,103(5): 3105-3112.

[14] 夏克文,李昌彪,沈鈞毅. 前向神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的一種優(yōu)化算法[J]. 計(jì)算機(jī)科學(xué),2005,32(10): 143-145.

[15] 陳曉平. 薄殼件注塑成型工藝參數(shù)優(yōu)化研究[D]. 浙江大學(xué),2005.

[16] Parwar P J,Rao R V,Davim J P. Multiobjective optimization of grinding process parameters using particle swarm optimization algorithm[J]. Materials and Manufacturing Processes,2010,25(6): 424-431.

[17] Yang B. Process parameters optimization of plasma spraying nanostructured coating based on particle swarm optimization algorithm[J]. Applied Mechanics and Materials,2014(665):68-71.

[18] 史耀耀,俞濤,何曉東,等. 復(fù)合材料帶纏繞成型工藝參數(shù)耦合機(jī)制及優(yōu)化[J]. 復(fù)合材料學(xué)報(bào),2015,21(3): 831-839.

Modelingandparametersoptimizationofcompositetapewindingprocess

YU Tao, SHI Yao-yao, DENG Bo, HE Xiao-dong, KANG Chao, SONG Shi-bo

(Department of Mechanical Engineering, Northwestern Polytechnical University, Xi'an 710072, China)

In the winding process of the composite tapes, parameters selection in the molding step plays a profoundly important role to determine the quality of winding product. In this paper, the mechanism and effect of process sensitivity parameters on interlaminar shear strength for tape winding product is investigated based on orthogonal experimental method. The tape winding process model is established by combining the orthogonal experimental data with the neural network theory. The nonlinear map relationship of winding process parameters and interlaminar shear strength is obtained, and the reliability of process model is verified according to experimental test. The winding process parameters are optimized within the feasible region using particle swarm optimization algorithm. The experimental and simulation results show that the global optimal parameters combination for tape winding process can be obtained quickly and accurately by the particle swarm optimization algorithm based on the BP neural network model. The optimal setting of the process parameters for interlaminar shear strength is: temperature of 115 ℃, tension of 357 N, pressure of 1006 N and velocity of 0.28 m/s. Under the effect of the optimal processing parameters, the interlaminar shear strength of the winding products can reach 102.2 MPa.

composite tape winding process；interlaminar shear strength；particle swarm optimization；BP neural network model；parameters optimization

V258

A

1006-2793(2017)05-0627-07

10.7673/j.issn.1006-2793.2017.05.017

(編輯：呂耀輝)