铝合金典型件热介质成形工艺的数值模拟

将热介质成形工艺用于铝合金典型件的成形,利用有限元软件MSC.Marc对卫星上的不规则筒形件的热介质成形工艺过程进行了数值模拟,研究了铝合金典型件热介质成形过程中温度、液室压力与加载路径对成形结果的影响,优化了热介质成形关键工艺参数.研究结果表明,合适的凸凹模温度、液室压力和压边力可以避免体皱的产生和破裂的发生,并且能...     

铝车身制造技术探讨

车身重量占汽车总重量的40%左右,车身的轻量化对于整车的轻量化起着举足轻重的作用,汽车车身轻量化正成为21世纪汽车技术的前沿和热点。汽车车身轻量化是一个系统工程,实现汽车车身轻量化有两个途径:一是选用轻质高强的新材料;二是依据新材料特点,设计更合理的车身结构,使零部件薄壁     

汽车轻量化成形技术及其进展

正进入21世纪以来,由于燃料和原材料的价格上涨以及环保法规对尾气排放的限制日趋严格,使得汽车工业轻量化进程的必要性和紧迫性受到广泛关注。汽车车身约占汽车总质量的40%,空载情况下,约70%的油耗用在车身质量上。汽车整体质量降低10%,燃油效率可提高6%~8%。因此,车身的轻量化对减少汽车自重、提高整体燃油经济性至关重要。汽车轻量化技术是通过优化设计(如先进的框架结构车身设计),采用高强度的结构材料(如高强度铝合金),以及先进的制造技术(如板材/管材液压成形技术)来实现的,这就需要车身设计、材料开发、先进制造技术和制造装备等方面齐头并进。     

异形截面构件多工序充液成形工艺及过程优化

汽车悬架臂零件为异形截面构件,是汽车底盘结构件的典型代表之一。为了提高材料利用率和成形效率,悬架臂零件采用一坯两件生产方式。基于动力显示有限元软件Dynaform,对充液成形多工序工艺路线进行数值模拟,并结合正交试验,研究主要工艺参数对充液成形的影响。在此基础上进行弯曲、预成形和充液成形工艺试验。研究结果表明:多工序充液成形有限元模拟结果与试验结果基本一致。在补料压力30 MPa、补料量15 mm、摩擦因数0.06时,成形出合格零件。     

汽车扭力梁充液成形技术研究

针对变截面汽车扭力梁充液成形过程易出现破裂和起皱缺陷,通过有限元分析和实验研究,分析了预成形模具形状和充液成形时加载路径对扭力梁充液成形质量的影响。研究结果表明:当预成形模具导向角度过小时,管坯被机械挤压内凹变形时,圆角部位容易起皱;导向角度过大时,管坯材料流向凹模困难,减薄严重;充液成形时补料初始液室压力过大,材料堆积在零件端部起皱严重。     

Key technologies of numerical simulation of cup hydrodynamic deep drawing

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｆｏｒｍｉｎｇｔｈｅｏｒｙｏｆｈｙｄｒｏｄｙｎａｍｉｃｄｅｅｐｄｒａｗ ｉｎｇ (ＨＤＤ) ｐｒｏｃｅｓｓｉｓｓｈｏｗｎｉｎＦｉｇ .1[1] .Ｉｔｈａｓｂｅｅｎｐａｉｄｍｕｃｈａｔｔｅｎｔｉｏｎｉｎｔｈｅｗｏｒｌｄｂｅｃａｕｓｅｉｔｈａｓｍａｎｙａｄｖａｎｔａｇｅｓ[2～ 4 ] .Ｈｏｗｅｖｅｒ ,ｍａｎｙｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｅｘｉｓｔｉｎｔｈｅｐｒｏｃｅｓｓｏｆＨＤＤ ,ａｎｄｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｉｓｔｈｅｅｆｆｅｃｔ…     

一种基于预压弯的新型扭力梁回弹补偿方法

针对一种新型轴线带弯曲特点的扭力梁成形,给出了其两步充液成形的工艺参数,并利用有限元模拟软件给出了对成形质量的预测。结果表明,在最大支撑压力为55 MPa、最大整形压力为295 MPa、推头补给量为15 mm的工艺参数组合下,其成形无破裂和起皱风险。此外,对该零件轴线易发生的Z向回弹进行了模拟研究。结果显示,该零件成形后存在5 mm以上的偏差量。基于此,提出了一种预成形前预压补偿的回弹补偿方法,通过数值模拟实验和零件试制对该方法进行了验证。结果表明,该种方法可以将Z向回弹控制在0.6 mm以内,能够满足精度要求,为之后管类零件成形的回弹控制提供了参照。     

板金液压柔性技术及其产品设计

板金液压柔性成形具有诸多的优点,受到了汽车、航空航天等领域设计和研究者的普遍重视。文章主要介绍了板金液压柔性成形技术的内涵和外延,针对所提出的无模液压柔性成形技术和复合液压柔性成形技术,从不同的工艺方法入手,基于所研制的液压柔性成形设备,介绍了相关的飞机等领域产品特点以及设计要点,并对其中的关键工艺参数进行了描述。     

基于神经网络遗传算法的深腔型零件拉深工艺参数优化

目的 解决冲压成形中工艺参数优化难的问题.方法 以一种深腔型零件的冲压成形为例.首先,借助灰度关联分析法对有限元中的工艺参数进行分析,获取该零件冲压成形中影响成形质量的2个主要因素——冲压速度和压边力.其次,借助拉丁超立方抽样法对上述2个因素进行随机取样,并借助DYNAFORM软件对其进行逐一模拟.再次,将冲压速度和压边力作为输入,最大减薄作为输出,训练在MATLAB中建立的BP神经网络,并借助遗传算法对其进行寻优.结果 最优成形压边力为1.372 MN,最优加载速度为1.5366 m/s.结论 与神经网络遗传算法预测相比,有限元结果的相对误差小于2％,零件试制结果的相对误差小于6％,该方法有较高的预测精度.