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。     

拼焊板弯曲成形回弹规律的研究

采用正交试验设计与有限元仿真技术相结合的方法,对具有横向焊缝的拼焊板的回弹进行了研究.以U形件的弯曲成形过程为研究对象,分析了三个重要的因数厚度比、强度比和板宽对拼焊板回弹的影响.结果表明,拼焊板在成形过程中薄侧和厚侧的回弹存在着较大的差异,板的强度比对拼焊板薄侧的回弹影响最为显著,板的宽度和板的厚度比对拼焊板厚侧的回弹影响较显著,但这种趋势并不完全成线性.取模拟结果中的三组数据进行了实验验证,实测值与数值模拟值趋势一致.     

拼焊板U形件冲压成形中焊缝移动与回弹的研究

通过数值模拟技术,并结合正交试验设计方法,研究了具有纵向焊缝的拼焊板U形件在不同板厚比、不同强度比、不同压边力和不同拉深筋阻力情况下的焊缝移动与回弹及其相互关系,为高强钢激光拼焊板的焊缝移动和回弹控制研究提供依据.研究表明:拼焊板的不同板厚比和强度比对焊缝移动和回弹有显著影响,为了保证冲压成形质量,板厚比一般不小于0.5,强度比在0.8～1.3为宜;在此基础上,选择合理的压边力和拉深筋阻力分布可以减小焊缝移动,从而有效地控制拼焊板的回弹,并在某车型中立柱的实际生产中得到应用和证实.     

成形工艺参数对U形件回弹影响的仿真分析

针对U形件弯曲回弹问题,在Abaqus软件中建立6061铝合金薄板U形件拉延成形二维有限元模型,使用Numisheet’ 2011会议回弹测量方法和成形极限图缺陷判据,研究U形件成形过程中单工艺参数对回弹量的影响,通过L_9(3~4)正交试验获取U形件回弹控制最优工艺参数组合。结果表明:不改变其他成形工艺参数,U形件回弹量随着凸、凹模圆角半径或拉延深度的加大,总体呈上升趋势,随凸、凹模间隙值的减小总体呈下降趋势;U形件回弹量随"凸模-板料"摩擦因数的增大而增大,随"凹模、压边圈-板料"摩擦因数或压边力的增大而减小;成形工艺参数影响U形件回弹量的主次顺序依次为"凹模、压边圈-板料"摩擦因数、"凸模-板料"摩擦因数、凸、凹模间隙值、压边力,以优水平工艺参数组合A_2B_3C_1D_3进行成形模拟,U形件法兰端部最大位移偏移量为0.84 mm,回弹控制效果明显。     

拼焊板V形自由弯曲成形及回弹过程

采用数值模拟和试验方法,对拼焊板V形自由弯曲及其回弹过程进行分析。采用壳单元,对横、纵向拼焊板基板和焊缝在不同参数条件下V形自由弯曲及回弹过程精确建模,并与试验进行对比分析,得到了拼焊板V形自由弯曲时,焊缝移动及模具参数、材料性能参数、板料厚度比和摩擦等对回弹的影响规律,为进一步开展拼焊板V形自由弯曲回弹控制的研究奠定了基础。     

差厚拼焊板U形件的回弹规律及控制的研究

采用有限元仿真技术,对具有横向焊缝的差厚拼焊板U形件的回弹进行了研究.结果表明,在恒定压边作用下,拼焊板在成形过程中薄侧的回弹量大于厚侧,随着厚度差的增大回弹量的差值也在增大.并且从拼焊板厚度方向上的分布情况对该规律进行了分析.基于薄/厚侧变形均匀的思想,提出了在分段压边圈作用下的变压边力方案;采用改进的简化2-D截面模型,分析了控制回弹量的拼焊板薄厚两侧所需压边力关系式,并将该关系式在汽车覆盖件轮毂包的生产实际中得到应用.     

差厚拼焊板充液拉深焊缝移动及厚度的研究

基于Dynaform分析软件,建立了差厚拼焊板充液拉深盘形件的有限元模型,对相同材料、不同差厚比的板料充液拉深盒形件进行了数值模拟.结果表明,针对不同差厚比的拼焊板,合理控制薄、厚板两侧压边力的大小及分布规律可有效地改善盒形件拉深过程中的焊缝移动量以及减小盒形件各变形区域厚度变化量,这对提高拼焊板的成形性以及对拉深工艺参数的优化提供了理论依据.     

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。     

基于智能优化的汽车内板件回弹控制

针对汽车内板件冲压回弹缺陷,基于eta/DYNAFORM软件对不同工艺参数下汽车内板件的拉深成形过程进行数值模拟,采用正交实验设计方法分析压边力和多处拉深阻力等工艺参数对成形回弹量的影响;基于人工神经网络技术,建立板料拉深成形各工艺参数和成形回弹量之间的网络关系;并基于遗传算法对各工艺参数进行优化设计。实验表明,数值模拟、神经网络模型和遗传算法优化可靠,从而为实际生产提供了理论依据。     

基于应变路径的拼焊板盒形件成形性能研究

利用Dyanform对拼焊板盒形件进行冲压成形数值模拟,研究不同压边力对拼焊板盒形件拉深过程中破裂危险点应变路径和成形性能的影响规律;同时,提出台阶式变压边力控制方法.结果表明:通过调整压边力的大小和变化方式,可以实现对拼焊板盒形件破裂危险点处应变路径的控制以及减小焊缝移动,从而提高拼焊板盒形件的冲压成形性能.     

基于BP神经网络的条带刚凸特征回弹预测

为了研究核燃料组件格架的条带刚凸特征的回弹量与压边力、冲压速度、凸凹模间隙、摩擦系数等冲压工艺参数之间的关系,首先,获取包含50个GA拉丁超立方抽样的数据点以及10个随机抽样的数据点的数据集,前者作为训练集、后者作为测试集。将前者输入到BP神经网络进行训练,后者验证训练模型的精度。最后,通过响应面图研究各因素之间的交互作用以及各因素的敏感程度。结果表明:BP神经网络能够有效预测刚凸回弹量与冲压工艺参数之间的关系,相对于其他因素,压边力对回弹量的影响特别明显,冲压速度对回弹量的影响不明显,但与凸凹模间隙和摩擦系数有明显的交互作用。     

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。     

Springback prediction for incremental sheet forming based on FEM-PSONN technology

In the incremental sheet forming (ISF) process, springback is a very important factor that affects the quality of parts. Predicting and controlling springback accurately is essential for the design of the toolpath for ISF. A three-dimensional elasto-plastic finite element model (FEM) was developed to simulate the process and the simulated results were compared with those from the experiment. The springback angle was found to be in accordance with the experimental result, proving the FEM to be effective. A coupled artificial neural networks (ANN) and finite element method technique was developed to simulate and predict springback responses to changes in the processing parameters. A particle swarm optimization (PSO) algorithm was used to optimize the weights and thresholds of the neural network model. The neural network was trained using available FEM simulation data. The results showed that a more accurate prediction of springback can be acquired using the FEM-PSONN model.     

基于BP神经网络的铝合金板料弯曲回弹控制研究

针对铝合金板料在弯曲成形后回弹的现象,分析了板料弯曲时回弹的力学原理,采用变压边力法,利用数值模拟软件对板料弯曲的回弹进行了模拟。利用BP神经网络技术对变压边力下,板料的弯曲回弹量进行了预测。通过优化后的神经网络模型,找到了最佳的弯曲成形工艺参数。与实际情况对比,预测的板料弯曲回弹量具有一定的准确性和适用性。     

DP980高强钢U形弯曲实验与数值模拟

为了评估DP980高强钢材料的成形与回弹特性,通过加载-卸载实验与单向拉伸-压缩循环加载实验,获得了考虑包申格效应的吉田-上森硬化模型参数,并对DP980高强钢的U形弯曲实验进行了研究。实验结果表明,DP980高强钢U形件在凹模圆角处易开裂,在成形过程中需减小压边力并增大凹模圆角。由于材料的回弹量与施加的压边力有关,可通过增大压边力来减小U形件的回弹,但压边力过大又可能导致开裂,因此,需合理选择压边力。同时,对U形件成形后的回弹进行仿真分析,仿真中分别采用等向硬化模型与吉田-上森硬化模型,通过将实验数据与模拟的回弹结果进行对比分析发现,采用吉田-上森硬化模型的仿真结果与实验结果吻合良好,证明了吉田-上森硬化模型模拟回弹的准确度较高,可以应用于回弹仿真中。     

基于BP人工神经网络模型的激光焊缝宽度预测方法

激光焊缝宽度是考核激光拼焊板质量的重要指标之一,直接影响到拼焊板的成形性能.因此,通过对激光焊缝宽度进行预测可以达到焊接工艺参数优化的目的,以提高拼焊板的焊接质量与成形性能.本文利用BP人工神经网络技术建立了焊缝宽度预测模型,该模型可以实现对焊缝宽度的有效预测,预测精度达到96%以上,具有较好的工业实用价值.     

考虑包辛格效应的高强钢U型件冲压回弹规律分析

回弹问题限制高强钢的广泛使用。数值模拟预测高强钢回弹的精度很大程度上取决于所应用的材料模型是否能对材料的包辛格效应准确描述。本研究旨在将力学解析方法、数值模拟技术、响应面分析法综合应用于高强度薄钢板U型件冲压回弹的预测中。基于考虑包辛格效应的材料模型实现高精度模拟预测回弹,随后利用理论解析方法结合有限元模拟与响应面法分析压边力、摩擦系数、模具圆角半径对回弹的影响规律。结果表明,摩擦系数较小时,板料的回弹程度随压边力的增大而减小;而摩擦系数较大时,板料的回弹程度随压边力的增大而增大。选择合适的模具圆角半径可以显著减小零件的回弹量。     

差厚激光拼焊板焊缝移动与回弹控制

研究具有纵向焊缝的拼焊板在不同压边力作用下的回弹与焊缝移动及其相互关系,为拼焊板的回弹控制找到切入点.基于厚/薄侧变形均匀的思想,采用拼焊板两侧的截面应力相等的方法,理论推导了控制焊缝移动的公式,以此计算控制焊缝移动和拼焊板回弹所需要的拼焊板两侧压边力分布值.研究表明,总压边力的增大,带来双重效应:一方面随总压边力的增大拼焊板回弹降低;另一方面随总压边力的增大拼焊板焊缝移动增加,焊缝移动增加回弹增加.维持总压边力不变,通过调整压边力分布,消除焊缝移动,同时回弹也达到最小值.采用足够高的压边力的同时,对拼焊板厚/薄侧施加不均匀压边力,降低焊缝移动,这为拼焊板回弹控制提出了新的理论和方法.     

基于人工神经网络的拉形回弹预测技术研究

以蒙皮拉形为对象,探索了人工神经网络技术在拉形回弹预测中的应用。研究了利用神经元网络预测拉形回弹的关键技术,将人工智能技术和拉形数字仿真技术有机结合,建立了拉形回弹预测的人工神经网络模型,并验证了预测模型的有效性,为推动知识工程在飞机板金精密成形中的应用积累了经验。     

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。