伸線製程是一種塑性變形過程，逐漸減小線材的直徑。在該過程中，拉絲以通過單個模具（單道次製程）或多個模具（多道次製程）。面積縮減比分佈是多道次製程設計的關鍵部分。模具的幾何設計也會影響產品品質和加工時的能量消耗。另外，反向拉力的施加可以顯著降低模具的最大壓力並且延長模具的使用壽命。在這項研究中，設計並優化了五道鋼（AISI 1022低碳鋼合金）拉拔工藝，直徑從5 5mm縮減到2 75mm。每道次的拉絲速度都在特別在有限元法中控制。採用田口正交陣列（L_16 (4^3)）建立不同有限元情況下的參數組合。在模擬完成特定通過後，人工神經網絡（ANN）用於訓練一般模型。然後，基於人工神經網絡（ANNs）生成的模型，採用遺傳算法（GA）尋找當道次的最佳參數組合。 本研究中有三個優化目標 - 1 拉拔力，為了減少能量消耗。 2 線材表面的最大軸向應力，以便維持產品品質。 3 模具上的最大應力，它會影響模具的磨損。所以，這是一項多目標的優化。其中，Meta模型的概念已經付諸實踐，因為有限元素法取代了現實世界的實驗，然後訓練了ANN模型以找到有限元素法的通解。在優化過程中，由於線材的不均勻變形，優化過程必須從第一道次開始，在針對之後的道次繼續。需要固定先前通過的參數以產生類似的非均勻變形和殘餘應力分佈；如果先前道次的參數改變，則會出現不同的模擬結果。最後，針對直進式伸線機，本研究發展出了一種機制來執行優化的結果。
Optimization with multiple objectives in multiple passes of wire drawing process
仁宏, 王. (Author). 2019
學生論文: Doctoral Thesis