旋轮参数对强力旋压连杆衬套残余应力的影响

强力旋压成形后连杆衬套工件表面的残余应力影响着工件的尺寸精度、疲劳强度和硬度等,直接关系着连杆衬套的使用寿命。以锡青铜连杆衬套为研究对象,设计单因素实验法进行三旋轮错距旋压,利用Simufact有限元仿真软件进行数值模拟,分别研究3个旋轮关键参数——旋轮轴向错距、旋轮工作角和旋轮工作圆弧半径对连杆衬套成形件残余应力的影响。结果表明:强力旋压连杆衬套旋轮轴向错距在4 mm≤t≤6 mm较为合适;工作角在18°≤α≤28°较为合适;工作圆弧半径在4 mm≤r≤6 mm较为合适。此时连杆衬套的残余应力较小,使用寿命显著提高,为实际生产提供了可靠的依据。     

基于ABAQUS连杆衬套强力旋压残余应力研究

针对连杆衬套强力旋压成形件的残余应力过大,影响使用性能的问题,在ABAQUS仿真软件中采用单因素设计试验方案进行强力旋压试验。以锡青铜QSn7-0.2为研究材料,探究强力旋压工艺参数对连杆衬套成形件残余应力的影响,分别以旋压成形件的轴向、周向以及径向3个方向的残余应力大小为测量目标,探究主轴转速、减薄率以及进给比3因素对连杆衬套成形件残余应力的影响,并对仿真结果进行试验验证,确保仿真结果的可靠性。结果表明:连杆衬套成形件的轴向残余应力与径向残余应力随着主轴转速、减薄率以及进给比的增大均增大;周向残余应力则随着主轴转速的增大而减小,随着减薄率及进给比的增大而增大;仿真结果与试验结果之间的误差小于10%,有限元模拟结果具有良好的可靠性。     

连杆铜衬套尺寸精度的强力旋压参数优化

强力旋压工艺参数的选择对于成形产品的尺寸精度具有直接影响。以强力旋压的连杆铜衬套为研究对象,选择减薄率、旋轮工作角、旋轮圆角半径和进给比作为优化性试验因素,以旋压后连杆衬套筒形件的壁厚差和扩径量作为评价指标,设计正交试验并对试验数据进行分析。通过田口算法对强力旋压参数进行优化,得到减薄率为30%、旋轮工作角为15°、旋轮圆角半径为10 mm、进给比为0.5 mm/r的优化参数组合。     

强力旋压连杆衬套力学性能的试验研究

强力旋压工艺是制造柴油机连杆衬套最有效的工艺方法之一,其力学性能受到旋压过程中众多工艺参数的影响。为了改善加工工艺,提高衬套质量,通过正交试验的方法,制备了不同工艺参数下的旋压筒形件。试样拉伸后,得出了应力—应变曲线。根据不同连杆衬套的力学性能需求,调整参数后生产出了合格的连杆衬套。这能为强力旋压工艺提供一定的技术支持和理论保证。     

强力旋压主要参数对连杆衬套回弹影响的正交试验分析

采用极差和方差方法对强力旋压的锡青铜连杆衬套旋压的回弹进行了研究,得出主要参数(减薄率、进给比、错距)对衬套回弹的影响规律,并获得了优化后的工艺参数。这对今后生产连杆衬套有现实指导意义。     

强力旋压主要参数对连杆衬套性能影响的正交试验分析

采用二次回归正交试验优化设计方法对强力旋压和热处理后的锡青铜连杆衬套性能进行了研究,得出了主要参数(减薄率、热处理温度和进给速度)对衬套性能(布氏硬度、抗拉强度、断面收缩率和弹性模量等)的影响规律,并获得了优化后的工艺参数组合和回归方程。     

基于Simufact的柴油机连杆衬套强力旋压成形分析

基于Simufact旋压模块,对连杆衬套强力旋压加工过程进行了数值模拟,获得了稳定状态下应力、应变的分布规律,解释了部分缺陷产生的原因,为提高连杆衬套的质量给出了指导性建议.     

基于正交试验的连杆衬套强力旋压成形分析

基于Simufact旋压平台和正交试验优化设计方法对连杆衬套的强力旋压成形过程进行了模拟,得出了参数(旋轮与芯模的间隙、旋轮成形角、圆角半径及进给比)对成形结果(壁厚差、轴向旋压分力、径向旋压分力)的影响显著性次序以及影响规律,获得了较优的工艺参数。验证试验表明,模拟及正交试验优化结果准确、可靠,能有效地提高衬套的壁厚均匀性,同时减小轴向和径向产生缺陷的倾向。     

基于灰色关联度的连杆衬套强力旋压参数优化

强力旋压工艺参数的选取对连杆衬套的力学性能、生产成本及生产效率有着十分重要的影响。采用正交设计试验方案进行了不同参数下的强力旋压试验,以旋压后工件的布氏硬度、屈服强度、抗拉强度为评价指标,通过分析其灰色关联系数和灰色关联度,进行多目标参数优化,得到了优化后的强力旋压的参数组合及对评价指标影响程度的主次顺序,将优化后的强力旋压参数组合与正交优化的参数组合进行对比并进行试验验证。结果表明,影响力学性能的主次顺序为:芯模与旋轮的间距热处理温度进给比,采用优化后的旋压参数在保证产品质量的同时,减低生产成本,提高生产效率。     

基于Simufact强力旋压连杆衬套旋轮参数的研究

为得到高成形质量的连杆衬套,以锡青铜连杆衬套为研究对象,以成形质量中内径扩径量、外圆度误差、直线度误差为评价指标,以旋轮参数中工作角、圆弧半径、轴向错距为变量因素,通过响应曲面法设计了试验表,采用错距旋压成形方式,利用Simufact软件进行数值模拟,对旋轮参数对成形质量的影响进行分析,得出最优旋轮参数组合并进行试验验证。结果表明:工件成形质量最优时的旋轮参数组合为轴向错距为5 mm,工作角为20°,圆弧半径为4 mm。对成形质量内径扩径量影响程度顺序是圆弧半径工作角轴向错距;对外圆度误差的影响程度顺序是工作角圆弧半径轴向错距;对直线度误差影响程度顺序是圆弧半径工作角轴向错距。     

强力旋压成形工艺参数对连杆衬套力学性能及微观组织的影响

采用强力旋压对连杆衬套进行单因素试验,并对旋压后试件进行退火处理,以旋压主要工艺参数(减薄率、进给比、首轮压下量)为试验因素,以晶粒尺寸为评价指标,研究了退火后旋压工艺参数对连杆衬套力学性能及显微组织的影响。结果表明:在研究范围内,晶粒尺寸随减薄率的增大而减小;衬套的抗拉强度和屈服强度随减薄率的增加而增大,伸长率和断面收缩率减小;不同进给比下材料的抗拉强度和屈服强度呈先增后减趋势;衬套强度随首轮压下量的增加而增大,塑性降低,其中伸长率变化程度较大。     

基于BP神经网络的连杆衬套强力旋压回弹量预测

利用SXD100/S3-CNC数控强力旋压机,对不同工艺参数(减薄率、进给比、旋轮工作角)下的连杆衬套进行强力旋压,并测量其回弹量。基于正交试验数据,运用BP神经网络技术,以减薄率、进给比、旋轮工作角作为输入层,回弹量作为输出层,建立连杆衬套强力旋压回弹量预测模型,并用试验数据对模型进行训练与预测。结果表明,模型具有较高的预测精度,能够准确预测不同强力旋压工艺参数下的连杆衬套回弹量。     

基于RBF神经网络的强力旋压连杆衬套力学性能预测研究

针对难以运用公式来表达强力旋压连杆衬套工艺参数与力学性能之间的复杂关系问题,建立了旋压工艺参数(减薄率、热处理温度、进给比)与力学性能(布氏硬度、伸长率、屈服强度、抗拉强度)之间的径向基函数(RBF)神经网络模型。用实验所得的数据对RBF神经网络进行训练,再用训练好的RBF神经网络对成形件的力学性能进行预测,通过与实测值对比分析,并与用BP神经网络所建模型的预测结果进行比较,发现RBF神经网络模型具有较BP神经网络更优的预测性能。RBF神经网络模型预测能力强、建模时间短、能有效提高连杆衬套工艺的设计效率和降低实际实验的所需成本。     

基于BP神经网络的强力旋压成形连杆衬套力学性能预测

强力旋压成形工艺与成形件的力学性能的关系是复杂的、具有高度非线性,一般很难用公式来表达。通过正交试验,获得了实验因素(旋轮与芯模间隙值、热处理温度、进给比)下,评价指标(布氏硬度、屈服强度、抗拉强度、伸长率)的实验数据。运用BP神经网络技术建立了成形件力学性能预测模型,并用实验所得的数据对模型进行了训练。结果表明:模型具有较高的精度,能够很好地反映工艺参数与成形件力学性能之间的复杂关系。该结果能为工艺参数的优化提供理论依据。     

连杆衬套强力旋压成形的多目标优化与决策

为了减小连杆衬套强力旋压成形的圆柱度误差和壁厚偏差,提出了基于加权相对距离的最优解决策策略.介绍了连杆衬套的强力旋压成形工艺,以减小圆柱度误差和壁厚偏差为目标建立了多目标优化模型.使用RBF神经网络和有限元仿真软件拟合了工艺参数与目标参数之间的函数关系,经验证RBF神经网络的拟合精度较高.使用非支配排序遗传算法对多目标...     

基于Simufact的强力旋压连杆衬套在不同旋轮参数下的应力应变分析

在强力旋压连杆衬套中,旋轮参数的选择以及相互之间的配合在实际生产中尤为重要。为了生产出质量更好的连杆衬套,必须确定错距旋压中的旋轮参数。本文利用Simufact有限元软件对锡青铜连杆衬套的成形过程进行了仿真,分析了连杆衬套在不同旋轮参数配合下的应力应变。结果表明:当旋轮轴向错距5 mm、旋轮工作角23°和旋轮工作圆弧半径4 mm时,强力旋压连杆衬套的旋压力稳定,工件变形均匀,精度高,成形质量好。结果能对锡青铜连杆衬套的研究和生产以及旋轮的设计提供参考。     

基于BP神经网络的强力旋压成形连杆衬套壁厚预测

对不同工艺参数组合的连杆衬套的强力旋压成形过程进行了模拟,基于BP神经网络技术,建立了工艺参数与壁厚之间的非线性函数关系。用模拟实验结果训练神经网络模型,以实现对连杆衬套壁厚的预测。该方法不仅可以缩短工艺参数优化的时间,而且能够有效地提高连杆衬套工艺设计的效率。     

基于灰色神经网络模型的强力旋压连杆衬套屈服强度预测

强力旋压连杆衬套的力学性能与旋压参数之间的关系复杂,难以用较为系统的数学公式进行表达。为科学准确预测连杆衬套的屈服强度,采用灰色系统理论,选取旋压工艺参数作为系统相关因素,建立预测连杆衬套屈服强度的GM(0,3)模型,经过后验差检验,模型精度二级,平均相对误差为3.25%。为提高模型精度,利用RBF神经网络对预测残差进行修正后,将模型精度提高为一级。在将外来数据回代检验时,GM(0,3)+RBF模型预测结果相对误差在1%左右。研究结果表明:利用灰色理论建立的GM(0,3)+RBF模型能够较精确的预测连杆衬套屈服强度,且预测能力较强,建模简单快速。