共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
遗传算法在覆盖件拉延筋参数优化中的应用 总被引:5,自引:1,他引:4
指出拉延筋几何参数(拉筋高度,拉筋圆角)是影响拉延筋阻力的主要因素。提出在拉延成形中,拉延筋,凹模圆角参数设计需满足拉延筋各几何参数间的约束,筋参数变化约束以及“协同变化”原则,将遗传算法应用于拉延筋几何参数的优化设计,并用实例验证。 相似文献
3.
利用有限元MSC.MARC软件,通过建立试验钢板的拉延筋模型,对其拉延过程进行了模拟,得到了板料被拉延筋夹持后移动过程的应力和板料厚度的分布。并且通过提取板料的节点,得出其节点力,把所有节点力相加即得到拉延阻力。 相似文献
4.
等效拉延筋模型及其在板料成形数值模拟中的应用 总被引:8,自引:0,他引:8
讨论等效拉延筋的建模方法、常用模型及其在板料成形数值模拟中的应用情况,并指出研究中仍存在的问题及今后的发展方向。 相似文献
5.
6.
7.
8.
压边圈结构对改善差温成形中压边圈摩擦、传热及材料的流动阻力起着重要的作用。利用水平集理论和Kriging模型,对镁合金差温成形中的压边圈结构进行优化,提出一种伪拉延筋。以NUMISHEET2011十字杯形件为研究对象,建立相应的热力耦合模型,利用相关的试验数据,对有限元模型进行验证。基于一步法理论反求影响镁合金成形件质量的压边圈关键区域,并对该区域进行了重新离散化及处理。以部分节点坐标为设计变量,以随机水平集值为目标,建立压边圈的Kriging水平集模型。利用初始水平集阈值,对伪拉延筋进行设计。利用拉丁超立方对水平集阈值、凸模温度和凹模温度进行抽样,获得伪拉延筋样本。基于镁合金差温成形热力耦合模型,对相应的样本进行有限元仿真分析,获得镁合金成形件的成形质量,建立水平集阈值与质量之间的Kriging模型。利用粒子群算法,对该Kriging模型进行优化,获得最佳水平集阈值,实现伪拉延筋的优化。利用最优伪拉延筋,进行相应的差温成形分析。研究表明,基于水平集理论和Kriging模型,优化伪拉延筋能有效地提高成形件的减薄率均匀性。该方法为压边圈设计提供一种有益的指导。 相似文献
9.
10.
11.
在模拟软件Dynaform中,将文献[3]中建立的拉延筋阻力计算模型作为等效拉延筋使用,模拟分析了表盘座某部件的成形.分析结果表明,在分析起皱、破裂等成形问题时,文中建立的拉延筋阻力计算模型比使用Dynaform自带等效拉延筋更接近使用真实拉延筋模拟的结果. 相似文献
12.
拉延筋对回弹的影响机理研究 总被引:2,自引:0,他引:2
采用拉延筋影响试验、平板拉伸试验,研究了板料过拉延筋后几何参数和材料参数的变化情况,结合翻边回弹试验和回弹一维分析方法,研究了拉延筋对回弹的影响机理。研究表明,板料过拉延筋后板内的残余应力和材料的硬化是影响回弹的关键因素;等效拉延筋模型即使能提供准确的拉延阻力,一般也难以满足精确计算回弹的要求。 相似文献
13.
基于近似模型的拉延筋几何参数反求 总被引:16,自引:1,他引:16
引入响应面方法和遗传算法建立基于近似模型的拉延筋几何参数反求方法。首先以等效拉延阻力为设计变量,通过均匀拉丁方试验设计方法提取适当的设计参数样本构造响应面近似模型,并不断优化响应面模型,获取最优等效拉延阻力;然后以最优等效拉延阻力为约束条件,结合等效拉延阻力计算和小种群遗传算法反求拉延筋几何参数。整个反求过程采用等效拉延筋有限元模型进行仿真计算,避免有限元模型的网格重划分及由真实拉延筋模型引入的计算效率问题。数值算例表明,基于近似模型的拉延筋几何参数反求方法可在设计兴趣域内快速寻优,有助于加快模具设计进程,降低生产成本。 相似文献
14.
在汽车零件的成形过程中,拉延筋的方式和布置方案对零件的拉深成形质量有重要影响。本文以有限元模拟软件AutoForm为平台,以某型号汽车结构件为例,分别研究了拉深成形过程中等效拉延筋、真实拉延筋两种布置方式对零件成形质量的影响,通过对比分析模拟结果,最终确定了两种方式下满足零件成形质量的拉延筋布置方案。 相似文献
15.
镍涂层复合板拉延过程的数值模拟 总被引:1,自引:0,他引:1
采用有限元动力显式算法模拟了电沉积镍涂层复合板的拉延成形过程,得到了涂层与基体的应力应变场,计算结果和其他方法及试验进行了一定的比较。涂层与基体采用Belytschko-W ong-Ch iang四节点壳单元,模具与压边圈采用刚体壳单元。基体采用随动强化模型,涂层与基体结合界面采用固连断开接触。对该材料的拉延模拟计算表明,该涂层与基体在拉延成形过程中不会出现界面失效,但涂层在拉延过程中的应力变化比基体复杂,且涂层的等效塑性应变与基体相差较大,说明涂层的拉延过程比基体复杂。计算出的冲压力曲线可供拉延工艺参考。 相似文献
16.
17.
基于灰色理论和GA-BP的拉延筋参数反求 总被引:4,自引:0,他引:4
采用灰色关联分析对影响拉延筋阻力的因子进行分析,获得主要的影响因子.利用拉丁超立方试验设计方法对主要因子进行取样,利用DYNAFORM软件对方盒件成形进行仿真,得到样本数据.以成形件中的减薄、增厚和主应变为输入,以拉延筋几何参数为输出,建立拉延筋参数的反求模型.利用遗传算法优化反向传播(Back propagation,BP)网络权值,通过与单纯使用BP进行映射得出的几何参数预测值进行比较,该模型的精度得到很大提高,表明基于遗传算法(Genetic algorithm,GA)优化的BP神经网络的模型能极大提高预测能力.基于GA-BP模型,以拉延筋几何参数为输入,增厚为输出目标,利用训练好的优化权值,获得拉延筋几何参数与成形件增厚的非线性映射关系式,并再次利用遗传算法对其优化,获得最佳的拉延筋几何参数.通过比较优化前后的数值仿真结果,优化后的拉延筋能极大地提高板料成形性能. 相似文献
18.
19.