基于BP神经网络的薄板成形回弹仿真预测

基于薄板成形回弹正交试验的设计,利用Dynaform仿真软件对薄板成形回弹进行数值模拟,仿真结果表明:薄板弯曲成形高度随着模具间隙以及弯曲半径的增大而逐渐减小,随着冲压速度以及摩擦系数的增加而不断增大。以模具间隙、弯曲半径、冲压速度以及摩擦系数为输入层,将薄板弯曲成形高度作为输出层,建立4-12-1的3层BP神经网络。基于正交试验数据进行BP神经网络的训练与测试,BP神经网络预测值与有限元模拟值的误差为2.053%。此外,利用薄板成形模具进行试验验证,试验值与BP神经网络预测值的误差为11.87%,从而验证了BP神经网络的可靠性。     

基于ACO BP NN的飞机零件橡皮囊成形起皱预测

利用ABAQUS/Explicit有限元分析软件对2A12 O态铝合金橡皮囊成形凸曲线弯边零件起皱现象进行分析,借助正交试验工具,进行了橡皮囊成形数值模拟试验。通过分析材料性能参数和工艺参数对凸弯边橡皮囊成形零件的影响,获取了影响凸曲线弯边零件起皱的主效应参数,并在此试验基础上建立了基于蚁群神经网络的起皱预测模型。在利用大量试验数据对其训练之后,使用该模型预测橡皮囊成形零件的起皱情况,同时对2A12 O态铝合金板材橡皮囊成形凸弯边零件进行工艺试验验证,结果表明：该模型能够在研究新零件成形过程中快速获得最佳成形参数,并且可以提高效率的工业,且预测误差控制在5%以内,且满足工业应用标准。     

基于ACO-BP NN的飞机零件橡皮囊成形起皱预测（英文）

利用ABAQUS/Explicit有限元分析软件对2A12-O态铝合金橡皮囊成形凸曲线弯边零件起皱现象进行分析,借助正交试验工具,进行了橡皮囊成形数值模拟试验。通过分析材料性能参数和工艺参数对凸弯边橡皮囊成形零件的影响,获取了影响凸曲线弯边零件起皱的主效应参数,并在此试验基础上建立了基于蚁群神经网络的起皱预测模型。在利用大量试验数据对其训练之后,使用该模型预测橡皮囊成形零件的起皱情况,同时对2A12-O态铝合金板材橡皮囊成形凸弯边零件进行工艺试验验证,结果表明:该模型能够在研究新零件成形过程中快速获得最佳成形参数,并且可以提高效率的工业,且预测误差控制在5%以内,且满足工业应用标准。     

基于试验和有限元方法的橡皮囊液压成形回弹规律

橡皮囊液压成形中常见的缺陷包括破裂、起皱和回弹等成形缺陷,其中回弹缺陷直接影响钣金件的尺寸精度。文章针对带下陷直弯边和凸弯边钣金件进行橡皮囊液压成形试验。结果表明,随着压力的增加,回弹值减小;弯曲线取向为90°的回弹值,大于弯曲线取向为0°的回弹值;弯曲成形性能与轧制方向的选取有关。有限元模拟结果与试验结果进行对比分析表明,模拟所得回弹值与试验结果相比偏小。     

汽车后围板拉深成形过程中的回弹预测

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。     

基于GR神经网络的汽车U形纵梁多工步冲压成形回弹预测分析

针对纵梁件单工步成形回弹预测误差较大的缺陷,提出对汽车纵梁件进行多工步成形回弹控制分析;在数值模拟的基础上,建立了基于广义回归神经网络(GRNN)回弹预测模型,并运用该模型对不同凹模圆角与压边力等重要成形工艺参数下的回弹值进行了模拟预测.结果表明,采用的广义回归神经网络模型的预测值与模拟试验值有较好的吻合度,说明广义回归神经网络模型能够准确地预测纵梁多工序后回弹分布.     

基于BP人工神经网络的油箱端盖拉深成形仿真预测

以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。     

基于CATIA的弯边零件橡皮囊液压成形下陷区回弹补偿及验证

针对弯边零件橡皮囊液压成形过程中普遍存在的回弹现象,运用PAM-STAMP2G有限元分析软件对带下陷弯边零件进行模拟,发现下陷特征两侧的回弹值明显小于其他位置的回弹值,下陷特征限制了回弹的发生。利用解析法得到理论回弹公式,使用曲线法平面截取补偿算法和下陷区型面补偿方法解决了下陷区的型面补偿问题。在CATIA交互模式环境下完成了对回弹补偿系统的开发,对补偿后的模具进行有限元数值模拟,对比橡皮囊液压成形试验结果。发现零件回弹前后的角度偏差均在1°以内,验证了回弹补偿系统对带有下陷特征的弯边零件具有很好的补偿效果,节约了大量的修模成本。     

基于数值模拟和神经网络的圆台件渐进成形回弹量预测研究

以圆台件为研究对象,运用DYNAFORM对板材渐进成形加工过程和回弹过程进行了数值模拟,并结合正交实验设计方法,对渐进成形回弹影响因素的敏感性进行了深入分析;同时,分别建立了回弹量的线性回归预测模型和BP神经网络预测模型。结果表明,各因素对回弹量的敏感程度由高到低按顺序依次为成形半顶角、加工高度、工具头直径和层进给量;BP神经网络模型可有效逼近工艺参数与回弹量间的非线性关系,预测精度相对误差2%以内。     

带下陷的直凸弯边零件回弹补偿及试验验证

为提高飞机钣金零件的成形质量,对带下陷的直凸弯边零件在橡皮囊成形过程中的回弹问题进行研究。对新淬火状态下的2024-W铝合金材料进行单向拉伸试验,获得材料的力学性能参数,为回弹补偿和有限元模拟提供条件;采用CATIA二次开发系统,对带下陷的直凸弯边钣金件的圆角部分和弯边部分两个位置进行回弹补偿,生成准确的回弹补偿模具;采用Pam-stamp 2G有限元模拟软件,对新设计的补偿模具进行有限元数值模拟并进行试验验证,验证了经回弹补偿模块设计带下陷的直凸弯边补偿模具的可行性。结果表明:在成形压力为50 MPa时,零件回弹前后的角度误差为1°,满足尺寸设计要求,验证了有限元模拟的可信度以及回弹补偿系统的准确性。     

橡皮成形数值模拟回弹预测精度的影响因素

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。     

橡皮囊液压成形模拟算法的开发及应用

基于有限元增量理论和BWC壳单元,提出一种新的快速模拟橡皮囊液压成形的算法。该算法可简化橡皮囊层与板料接触模型,能够对橡皮囊层所施加作用的板料区域进行自动判断,并对该区域进行液压加载;根据橡皮囊的容积,可自动调整囊内的液压强度,将液压力均匀地分配在零件的节点上;同时,采用该算法对橡皮囊层与板料的摩擦模型进行处理。以一直弯边零件为研究对象,选择铝合金材料AA2024-O进行橡皮囊液压成形模拟,其模拟结果与相关文献中的数据进行比较证明,该文算法对橡皮囊液压零件成形具有良好的精度。     

基于径向基神经网络的中厚板热弯成形收缩特性分析

针对中厚钢板热弯成形冷却收缩变形问题,对影响变形的主要因素进行了分析。采用拉丁超立方抽样与有限元数值模拟相结合的方式得到试验样本数据,并在此基础上利用径向基函数神经网络建立收缩变形量的预测模型。预测值与试验值相比,最大误差小于1.5%,表明该预测模型的有效性。最后根据RBF神经网络预测的收缩变形量,以冷却过程中有限元节点的位移矢量关系为依据,对模具型面进行了补偿修正。结果表明,采用修正后的模具生产出的产品尺寸误差小于0.05%,满足形状精度的要求。     

基于工艺参数的渐进成形回弹量预测与控制

以圆锥凸台为研究对象,有限元软件ABAQUS为模拟平台,成形件的回弹量为研究指标,采用正交试验法分析了工具头半径、层间距、工具头速度及其之间的交互作用对回弹量的影响;基于模拟结果进行了非线性回归分析,建立了针对工艺参数的回弹量非线性预测模型。最后对该预测模型进行了实验验证,结果表明,该模拟结果与实验结果吻合,证明可通过调整工艺参数来控制渐进成形零件的回弹量,该方法对于提高板材渐近成形技术的成形质量具有重要意义。     

基于BP神经网络的电火花线切割多次切割工艺参数的预测研究

利用正交试验法对模套进行多次切割试验,将试验得到的表面粗糙度值作为输出层,以试验因素作为输入层,构建6-12-1的3层BP神经网络模型,并进行神经网络训练。结果表明,BP神经网络的预测值与真实的试验值之间的误差较小,最大误差为4.67%,判断BP神经网络模型好坏的决定系数R~2的值为0.93568,所以用构建的BP神经网络来预测多次切割后表面粗糙度值有较高的可靠性。     

基于BP神经网络的传力片冲裁凸模磨损仿真预测

以离合器盖总成中的传力片作为研究对象,借助Deform-3D仿真软件模拟了传力片冲裁过程中的凸模磨损情况,依据正交仿真试验的数据以及BP人工神经网络对传力片冲裁凸模的磨损量进行仿真预测。将冲裁间隙、凹模刃口圆角半径与冲裁速度作为BP神经网络的输入层,将冲裁凸模的最大磨损深度作为BP神经网络的输出层,建立3-12-1的3层BP神经网络。BP神经网络通过训练之后,仿真预测的最大误差为1.14%。基于正交试验的仿真数据对BP神经网络的性能进行检验,BP神经网络的仿真预测值与数值模拟值之间的误差为2.09%,并利用冲压级进模对BP神经网络的仿真预测值进行试验验证,两者之间的相对误差为8.25%,验证了BP人工神经网络应用于传力片冲裁凸模磨损仿真预测的准确性。     

基于BP神经网络的镁合金焊缝成形预测

为了研究镁合金的焊缝成形效果,搭建了焊接试验平台和数据采集系统,通过试验采集焊缝的数据样本,作为BP神经网络的学习训练和预测样本。建立了基于BP神经网络的镁合金焊缝成形预测模型,利用神经网络的映射能力和分析能力,采用焊接过程的焊接电流、焊接电压、焊接速度、焊丝干伸长作为预测输入,把焊缝成形中的焊缝熔深、熔宽、余高作为信息输出对神经网络进行训练,从而建立基于BP神经网络的焊接参数和焊缝成形的映射模型,通过BP神经网络的预测试验,预测值与实际值的误差能够控制在5%以内,可以满足设计要求。     

基于BP神经网络的汽车车身覆盖件回弹预测

以汽车前围板为分析对象,利用DYNAFORM仿真软件建立前围板有限元模型,对其回弹进行了仿真模拟。在此基础上,在Matlab环境下建立BP神经网络回弹预测模型,对前围板在不同冲压条件下的回弹进行定量预测,并在固定板材厚度的条件下对BP神经网络进行修正,设定试验参数组进行多点回弹预测。将BP神经网络回弹预测结果与仿真测量值进行对比,结果表明,采用BP神经网络预测回弹具有较高的精度,比仿真预测耗时少,可为车身覆盖件冲压模具设计提供依据。     

双曲率2219铝合金板蠕变时效成形技术研究

进行了淬火态2219铝合金板材在175℃下18 h,70～130 MPa应力水平的拉伸蠕变试验,选择了修正的7参量Kowalewski本构模型拟合得到材料参数。通过3种单曲率铝板蠕变成形的有限元模拟和试验,测得试验回弹率与预测值最大误差为9.5%,验证了材料模型的正确性。开展了双曲率铝板零件蠕变成形有限元模拟并基于模拟结果采用偏差调节法进行了4次模具型面迭代补偿,模拟得到零件型面与设计型面之间的最大偏差降至0.19 mm。进行了双曲率板175℃,18 h的蠕变时效成形试验验证,得到试验件弯曲挠度最大偏差为11.19%,偏差主要集中于零件心部。     

变曲率双环绕深筋加强蒙皮橡皮囊刚柔耦合成形技术北大核心CSCD

变曲率双环绕深筋加强蒙皮的材料薄、成形极限低、加强筋深度大,通过胀形理论分析确定了传统橡皮囊一次成形方案不可行。针对PAM-STAMP 2G橡皮囊一次成形加强蒙皮的等效应力云图和材料厚度变化云图的分析结果,确定了失稳抑制柔性介质工装设计结构,以及橡皮囊多道次成形缺陷控制方案。采用以凸曲率筋形的压型模和长条形橡皮板组合工装进行橡皮囊多道次聚料成形,以凹曲率筋形的校形模和眼镜框型橡皮块组合工装进行橡皮囊多道次屈曲校形,并通过试验加以验证。结果表明:有序填放橡皮板可实现可控式储料,使用镂空柔性橡皮块可实现嵌入式压-胀校形,减小了加强蒙皮的屈曲变形和回弹。采用刚柔耦合组合工装结构的橡皮囊多道次成形方法可提高传统橡皮囊成形深筋结构的高度极限。