基于板料冲压的压边力拉深成形数值模拟分析

压边力是板料拉延成形过程的重要工艺参数之一,合理控制压边力的大小,可避免成形件起皱或破裂等缺陷.建立了三角冲压件的有限元模型,利用DYNAFORM软件,采用数值模拟的方法研究了三角形冲压件拉深时,压边力随时间及位置变化对成形性能的影响.分析结果表明,通过控制拉深过程压边力值的大小和分布,能有效地控制金属的流动,提高板材的成形性能.     

拼焊板方盒件拉深成形过程变压边力曲线预测

基于有限元数值模拟软件LS-DYNAFORM,对拼焊板方盒形件拉深成形进行模拟研究。通过改变拉深成形过程中压边力这一最重要且易于控制的工艺参数,寻求拼焊板方盒形件拉深成形时较优的变压边力曲线加载形式。为预测不同工艺参数下拼焊板方盒形件拉深成形时的较优压边力加载曲线,建立了变压边力的BP神经网络预测模型,并将该模型预测的结果与数值模拟得到的结果进行对比分析。研究结果表明,拼焊板薄板采用变压边力、厚板采用恒定压边力、且薄板压边力不小于厚板压边力的加载形式,拼焊板成形件整体质量较好,焊缝移动量较小;神经网络预测模型能较好的预测拼焊板方盒形件拉深成形时的变压边力,与数值模拟结果的最大相对误差在12.3%以内。     

薄板深拉深压边力变化规律研究

压边力(BHF)是薄板拉深成形过程中的一个重要工艺参数,本文应用能量理论分析法建立了应变强度εi的计算模型,该模型比传统模型更接近于实际,且基于εi建立的压边力模型在成形极限允许范围内能有效地抑制起皱,对提高拉深件质量有着重要意义。     

薄板深拉深压边力变化规律研究

压边力（BHF）是薄板拉深成形过程中的一个重要工艺参数，本文应用能量理论分析法建立了应变强度εi的计算模型，该模型比传统模型更接近于实际，且基于εi建立的压边力模型在成形极限允许范围内能有效地抑制起皱，对提高拉深件质量有着重要意义。     

基于压边力控制方盒形件拉深成形的数值模拟

板料拉深成形的起皱和破裂是拉深成形工件常出现的主要成形缺陷。通过压边圈对板料施加一定的压边力是控制板料塑性流动的有效方法。利用有限元数值模拟方法,在整体压边圈方式、不同的恒定压边力及变压边力加载模式下模拟方盒形件拉深成形材料流动情况。从模拟结果看出:在变压边力加载下,方盒形件拉深成形结果比恒定压边力下的理想。通过压边圈对板料施加变压边力是控制板料塑性流动的一种有效方法,可以抑制板料起皱和延缓破裂以及提高拉深件成形性能。     

汽车覆盖件拉深过程中的压边力预测

结合数值模拟与人工神经网络技术研究了汽车内覆盖件承载地板在冲压成形中压边力的预测。将板料模型零件导入到Dynaform中进行网格划分并对其拉深过程进行模拟仿真,结合正交试验获取不同参数条件下最佳压边力的数据样本,然后运用Matlab软件中的GRNN神经网络工具箱对数据进行训练学习,采用训练好的神经网络对板料成形过程中的压边力进行预测,获得了板料拉深过程中的压边力变化曲线。通过预测结果和模拟结果对比,预测误差在10%以内。将预测的曲线对零件模拟仿真,结果显示零件最大减薄率在25%以内,并对板料进行实际冲压验证。结果显示成形效果良好,无起皱、破裂缺陷,符合实际生产的要求,说明GRNN神经网络可以用于零件冲压过程中压边力的预测。     

镁合金板材的固体颗粒介质拉深工艺参数

提出基于固体颗粒介质成形(SGMF)工艺的镁合金板材差温拉深工艺,并展开试验研究。通过对AZ31B镁合金薄板进行差温拉深成形试验,研究了成形温度、拉深速度、压边力、压边间隙、凹模圆角和润滑条件对拉深性能的影响,确定AZ31B镁合金板料最佳成形工艺参数。结果表明:该工艺可显著提高镁合金板材的成形性能,成形温度及拉深速度对板料拉深性能影响较大,板料最佳成形温度区间为290～310℃,颗粒介质与板料理想温差为110～150℃;压边力和压边间隙对拉深性能产生联合影响;此外,凹模圆角和润滑条件也对拉深性能有一定的影响。当上述工艺参数达到最佳值时成功拉深出极限拉深比(LDR)为2.41的工件。     

6061高强度铝合金拉深工艺参数优化

基于DynaForm对6061高强度铝合金板料拉深成形过程进行仿真模拟,通过设计正交试验,研究在不同温度、压边力、冲压速度下的拉深件成形质量,采用极差与方差分析了3个工艺参数的影响程度,并对该影响因素进行了优化分析。研究结果表明:最佳的成形工艺参数为,400℃的试验温度、8 kN的压边力和4 mm/s的冲压速度。     

基于Autoform的汽车覆盖件拉深成形数值模拟研究

以典型覆盖件(汽车外轮罩)为研究对象,板料三维成形分析软件Autoform为平台,研究了板料与凸模、凹模的摩擦、压边力、拉深筋等因素对成形性能的影响。通过Autoform的成形仿真预测板料成形过程中减薄、拉裂、起皱等缺陷,同时分析缺陷产生的原因,进而优化板料成形工艺参数和改进模具结构。     

基于Dynaform的盒形件拉深仿真分析

借助有限元分析软件Dynaform对盒形件冲压成形过程进行模拟,分析了冲压速度、压边力和摩擦系数等工艺参数对盒形件拉深性能的影响。结果表明,较小的压边力和摩擦系数有利于板料的成形,但同时也会导致盒形件出现起皱缺陷。反之,过大的压边力和摩擦系数会导致零件拉裂,过高的冲压速度也会降低板料的冲压性能。     

基于人工神经网络的冷挤压精度预测

本文选择了三层BP神经网络来进行冷挤压成形精度的预测,采用正交实验设计的方法来选取人工神经网络的训练和测试样本,并按照一定的原则对人工神经网络进行了训练.结合典型实例,验证了用人工神经网络预测冷挤压成形精度的有效性.     

基于神经网络的板料毛坯设计方法研究

研究了一种冲压毛坯设计的方法--基于神经网络模型的坯料优化设计技术,即利用神经网络反映映射关系,实现对同一类型零件坯料的快速预测.文章阐述了该方法的设计原理、流程,解释了径向基函数神经网络、坯料形状转化成神经网络的输出参数、训练样本采用修正坯料来提高设计精度等关键技术.实际生产表明,一旦神经网络训练成功,可快捷得到合理的坯料设计结果,具有很大的经济效益.     

基于回归正交设计的快速成型件质量预测

以方形件为实验对象建立了尺寸偏差与5个工艺参数之间的关系模型;并根据该模型,对以方形为主要特征的按键导座进行了尺寸偏差预测,预测结果与实验值非常接近,这说明该关系模型是合理的,可以用来预测其他方形件的质量。     

基于GA-BP混合算法的液固挤压工艺组合参数逆向设计

为改善液固挤压复合材料成形过程中金属的流动均匀性,减少制件的内部损伤缺陷,基于人工神经网络及遗传算法,采用改进的混合GA-BP算法建立了设计参数与控制目标的非线性映射关系。通过对样本集的学习,初步建立了液固挤压工艺组合参数知识库,将网络预测值与实验值进行对比,其最大相对误差不超过0.79%,说明采用GA-BP混合算法建立的预测模型具有较高的预测精度。利用所建立的预测模型,分析了模具参数和工艺参数组合对制件变形均匀性的耦合作用,为液固挤压工艺的综合设计与优化提供了理论依据。     

EFFECT OF COLD WORKING ON THE AGING PROPERTIES OF Cu-Cr-Zr-Mg ALLOY BY ARTIFICIAL NEURAL NETWORK

A developmental research has been carried out to deal with the high performance of Cu-Cr-Zr-Mg lead frame alloy by artificial neural network (ANN). Using the cold working to assist in the aging hardening can improve the the hardness and electrical conductivity properties of Cu-Cr-Zr-Mg lead frame alloy. This paper studies the effect of different extent of cold working on the aging properties by a supervised ANN to model the non-linear relationship between processing parameters and the properties. The back-propagation (BP) training algorithm is improved by Levenberg-Marquardt algorithm. A basic repository on the domain knowledge of cold worked aging processes is established via sufficient data mining by the network. The predicted values of the ANN coincide well with the tested data.So an important foundation has been laid for prediction and optimum controlling the rolling and aging properties of Cu-Cr-Zr-Mg alloy.     

金属材料海洋环境腐蚀数据咨询管理及预测诊断系统

采用面向对象的编程语言Visual Basic(VB)编制了金属材料海洋环境腐蚀数据咨询管理和预测诊断系统。系统中包含常用金属材料实海腐蚀数据和腐蚀形貌图谱的图文数据库．除常用的数据库管理功能外，还具有一定的腐蚀预测和腐蚀形貌诊断功能。腐蚀预测可分为人工神经网络模型预测和灰色模型预测。人工神经网络模型根据材料的合金成分或海水环境因素对材料的腐蚀进行预测，而灰色模型用于对材料的长期腐蚀数据进行计算并给出灰色模型参数。由扫描得到的金属材料的腐蚀形貌图像的灰度值分布或分形特征值和对应的腐蚀形貌作为知识库，通过模糊模式识别理论建立了腐蚀形貌分析诊断系统。可以对材料的腐蚀形貌进行诊断。     

Prediction of Tensile Property of Hydrogenated Ti600 Titanium Alloy Using Artificial Neural Network

An artificial neural network (ANN) model has been developed to analyze and predict the correlation between tensile property and hydrogenation temperature and hydrogen content of hydrogenated Ti600 titanium alloy. The input parameters of the neural network model are hydrogenation temperature and hydrogen content. The output is ultimate tensile strength. The accuracy of ANN model was tested by the testing data samples. The prediction capability of ANN model was compared with the multiple linear regression approach and response surface method. The combined influence of inputs on the tensile property is also simulated using ANN model. It is found that excellent performance of the ANN model was achieved, and the results showed good agreement with experimental data. Moreover, the developed ANN model can be used as a tool to control the tensile property of titanium alloys.     

钛合金微电阻点焊电极间电压质量检测技术

文中针对微点焊的特点采用电压信号监控点焊质量.焊接过程中电压通过自动数据采集系统获取.首先分析并解释了电压曲线的变化趋势,指出电压曲线的峰值就是β峰值;进而从电压曲线中提取了4个特征值用于预测熔核直径并将其作为人工神经网络的输入.预测输出的熔核直径与实测直径的误差为0.13 mm,结果表明,利用电压信号监测钛合金微电阻点焊质量是一种非常有效、经济的手段.     

齿轮选材及热处理工艺智能专家系统

分析了专家系统和人工神经网络各自的特征和优缺点及其在选材和热处理方面的应用，将人工神经网络技术引入齿轮选材和热处理专家系统，建立了两级BP网络模型，在很大程度上克服了传统专家系统的缺陷．本系统包含有大量的齿轮选材和热处理资料。     

神经网络与正交试验法结合优化注射工艺参数

结合人工神经网络所表现出来的良好特性,利用正交试验获得的数据作为神经网络的训练样本,建立输入为工艺参数、输出为翘曲变形量的神经网络模型,并通过样本检验了ANN模型的准确性,从而缩短设定工艺参数的时间,在工艺参数取值范围内,采用ANN模型代替CAE软件模拟试验,结合正交试验法,对工艺参数进一步优化。结果表明:将神经网络与正交试验、数值模拟三者结合用于注射过程参数优化可以缩短优化工艺参数的时间,提高工艺设计效率,并能获得比单纯使用正交试验和数值模拟方法更为优化的结果。