共查询到19条相似文献,搜索用时 484 毫秒
1.
2.
针对某型飞机上蒙皮零件,基于有限元分析软件Dynaform,对主动式充液成形和被动式充液成形两种方案进行了数值模拟对比分析。根据数值模拟结果,认为该零件较适合采用主动式充液成形,其次,通过修改工艺补充面和优化成形工艺参数,有效地控制零件的最大减薄量。同时,保证一定的减薄量,使板料达到塑性变形状态,从而有效减小回弹。再通过回弹分析,根据回弹量计算结果,运用Think Design软件对模具型面进行回弹补偿,将回弹量控制在合格范围内。最终通过实际试模,验证了数值模拟的准确性及适用性,加工出表面质量良好、精度满足要求的合格产品。 相似文献
3.
4.
基于有限元数值模拟的工艺分析方法提高橡皮囊液压成形工艺的零件质量,回弹预测的精度,是直弯边橡皮成形数值模拟的关键。文章以有限元软件PAM-STAMP 2G为平台,针对铝合金板2B06-W30min的直弯边橡皮成形工艺,建立成形与回弹过程的数值模型,研究影响数值模拟回弹预测精度的关键因素,如单元积分类型、网格尺寸、厚向积分方案,以及板料厚度波动等对回弹量的影响规律。通过有限元数值模拟结果与实验测量结果对比,分析数值模拟中回弹预测精度的影响规律,提出了数值模型的改进方法。提高数值模拟成形精度,需要精确控制模拟过程的关键环节,力求在每个环节减小误差累积。该文对实际生产具有指导意义。 相似文献
5.
6.
7.
针对某型弹簧座的结构特点,采用逆向展料法,综合运用UG和Dynaform软件制定了该零件拉深、校形、修边、成形、冲孔和翻孔6个工序的冲压成形方案。利用多工序成形模拟方法,建立了该型弹簧座的全工序数值模拟分析模型,并对零件的破裂、起皱和回弹等缺陷进行了预测。通过调整工艺参数,使得弹簧座成形后的板料增厚率不超过20%,板料减薄率小于30%,零件的回弹量不大于0.25 mm,满足了零件的成形要求。根据数值模拟分析结果,设计了该型弹簧座的6个成形工序的模具,试制产品的成形质量经过检测满足质检要求,现已投入批量生产。 相似文献
8.
9.
10.
为实现对钣材V形自由折弯的有效控制,首先建立了V形自由折弯卸载前上模下压量模型,并基于此理论模型在有限元分析软件ABAQUS中运用显示和隐式相结合的方法,对板材V形自由折弯成形与回弹过程进行有限元仿真。然后以板料回弹量为试验指标,以板料厚度、板料弹性模量、上模圆角半径和下模开口宽度为影响因子,每个影响因子取5个水平数,设计了正交试验。根据正交试验方案及结果,建立自由折弯板料成形回弹的径向基函数近似模型。通过仿真试验与实际折弯试验对模型进行了验证,回弹预测角度误差为±0. 8°,验证了方法的可行性,为下一步应用于自主研发的折弯机数控系统提供支持。 相似文献
11.
12.
U形件弯曲成形过程中比较突出的问题是回弹,通过将响应面法(RSM)与有限元仿真软件Dynaform相互结合,基于NUMISHEET’93的U形弯曲标准考题,将凹模圆角半径选定为Rd=8 mm,以模具间隙、摩擦系数、冲压速度3个参数作为影响因素,竖直方向的回弹位移作为优化目标,建立17组试验方案,对U形件弯曲成形过程进行仿真模拟。借助Design-Expert8. 1对17组数据进行拟合处理,得到关于优化目标的二次非线性回归方程与优化的参数组合,即模具间隙为1 mm、摩擦系数为0. 15、冲压速度为800 mm·s^-1。优化的参数组合代入有限元软件再次仿真得到回弹位移为0. 731 mm,其与方程拟合值0. 738 mm相差约1%,并在前人研究基础上将回弹位移进一步减少了26. 2%,最后进行了实物弯曲验证。RSM与Dynaform的结合减少了有限元模拟的次数,有效地提高了板料弯曲的成形精度与质量。 相似文献
13.
14.
提出了一种基于数值模拟的板料弯曲回弹控制方法.以弧形件弯曲件为研究对象,在ABAQUS软件中进行弯曲成形过程和回弹过程模拟,得出预测回弹值,并结合回弹补偿原理进行模具型面的修正.实例结果表明,该方法可以有效地实现板料弯曲回弹控制,具有工程和科研实用价值. 相似文献
15.
16.
17.
准确的回弹预测是回弹控制和补偿的前提.以V型冲压件为研究对象,以动力显式有限元软件Dynaform为平台,采用正交试验方法,对影响回弹预测的主要参数模拟参数(积分点数、坯料单元尺寸、虚拟冲压速度)、工艺参数(压边力、模具间隙、凹模圆角半径)和材料参数(坯料厚度)进行仿真试验.通过对试验数据进行处理与分析,定量地揭示上述因素对回弹影响的显著程度.仿真结果表明:冲压速度对回弹的影响最为显著;基于CAE分析的回弹预测,模拟参数对预测精度的影响不可忽视;回弹是多因素耦合的结果,良好的参数组合能够在很大程度上减小冲压件的回弹量. 相似文献
18.
This paper studies the springback after the lateral bending of T-section rails, considering the work-hardening materials. A linear-hardening model and an elastic-plastic power-exponent hardening model of the material are adopted and compared with the real experimental stress-strain curve obtained from the uniaxial tension tests. The analytical formulas for the springback and residual curvatures are given. The numerical results indicate that the material hardening directly affects the accuracy of springback prediction compared with the experimental results. Besides, springback prediction is not sensitive to hardening parameters in the beginning of elastic-plastic bending deformation. Although there is an apparent yield stage in the true stress-strain curve, the adopted hardening models can achieve an allowable relative error, if hardening parameters are properly selected. 相似文献
19.
以汽车后围板为对象,运用BP神经网络对其拉深过程中的回弹量进行预测。通过CATIA建立CAD模型,运用Dynaform软件对板料冲压过程进行仿真分析,借助正交试验获取不同参数组合下的回弹数据,并通过试验验证了关键数据的可靠性,建立了4-9-6的3层BP神经网络回弹预测模型。通过对数据样本进行训练学习,控制其预测的精度为0.01,将预测结果与实际测量结果进行对比,显示预测误差最大为5.62%。说明运用BP神经网络可以实现对复杂拉深件成形的回弹预测,可以大量节省仿真预测的时间,对模具的设计具有很好的指导作用。 相似文献