基于CNN-GRU-KAN的滚弯成形曲率半径预测模型OA

型材滚弯成形适用于航空航天等领域高精度和复杂弯曲产品的生产。型材滚弯渐进式动态成形时,不同时刻的成形弯矩和应力变化与成形状态存在着复杂的耦合关联影响,导致现有方法难以对型材滚弯最终成形状态进行准确预测和有效控制。因此,建立智能化滚弯成形预测模型,研究型材滚弯动态成形规律,是精密成形产业亟待解决的关键问题。本文提出了一种基于CNN(Convolutional Neural Network)-GRU(Gated Recurrent Unit)-KAN(Kolmogorov-Arnold Network)的滚弯成形智能预测模型。首先,分析了型材滚弯的渐进式动态成形工作原理,利用CNN-GRU模块提取相邻成形状态的多尺度关联特征,并采用自适应权重方法进行特征有效融合。在此基础上,利用KAN的非线性拟合能力,解析型材滚弯成形过程应力积累对最终成形的非线性影响,实现滚弯成形的准确预测。实验证明:CNN-GRU-KAN模型相较于其他预测模型具有较高的预测精度,为精密成形领域提供了一种有效技术解决方案。