基于Deform模拟的汽车覆盖件冲裁磨损研究及应用

通过Deform-3D模拟软件对冲裁磨损失效过程进行模拟,阐述了单次冲裁过程的冲头(凸模)磨损机理,研究了0.8 mm和1.4 mm两种不同板料(钢板)厚度下冲裁间隙料厚比与凸模磨损之间关系。根据对凸模端面及侧壁磨损深度的结果分析,可选取较合理的冲裁间隙料厚比来降低凸模磨损,并将模拟结果应用于实际产品整改。结果表明:Deform-3D模拟结果与实际结果趋势一致,不同板料厚度下冲裁间隙的合理选择可改善产品的冲孔或修边质量。     

基于Co元素的冲压模具磨损的仿真预测

以0.2 mm的C5210R-EH磷青铜材料冲裁过程中的模具磨损作为研究对象,分析了板料冲裁变形过程中的接触摩擦情况。基于骨架理论和复合强化理论,运用Co元素的变化量对凸模的磨损进行评价,借助DEFORM-2D软件对板料冲裁变形过程中的凸模磨损分布情况进行有限元仿真,分析了冲裁工艺参数对Co元素的变化量以及凸模磨损的影响变化趋势。研究结果表明:凸模端面的磨损量远小于侧壁的磨损量;凸模的磨损深度以及Co元素的变化量随着冲裁间隙的不断增大而减小,随着冲裁速度的不断增大而逐渐增加,而随着凸模刃口圆角半径的逐渐增大则呈现出先减小后增大的变化趋势,研究结果为冲压模具磨损的仿真预测提供了一种评价方法。     

基于Co元素含量检测的冲裁模具磨损研究

通过对冲裁过程中的摩擦力的分析,可知凸模侧壁和凸模端面与板料之间的摩擦力最大,磨损也最剧烈。结合骨架理论和复合强化理论,硬质合金模具的磨损状况可以通过凸模Co元素的损失百分率表达。运用正交设计准则,进行了不同工艺参数组合的实冲实验。通过检测冲裁后的凸模Co元素的损失百分率,分析了不同工艺参数对模具磨损的影响。     

基于正交试验的波形片冲裁工艺参数优化

以波形片为研究对象,利用Deform-3D有限元软件对冲裁凸模的磨损进行数值模拟,分析了冲裁凸模的磨损过程,模拟结果表明:随着冲裁过程的进行,凸模的磨损由端面磨损向侧壁磨损转变。此外,利用正交试验对波形片冲裁的工艺参数进行优化,通过正交试验的方差分析得出冲裁间隙对波形片冲裁凸模磨损的影响比较显著,并通过极差分析得出工艺参数对波形片冲裁凸模磨损影响的主次关系依次为:冲裁间隙、凸模刃口圆角半径、冲压速度,并且得出优化后的冲裁工艺参数,即冲裁间隙为12%t(t为板料的厚度),凸模的刃口圆角半径为0.02 mm,冲压速度为5 mm·s~(-1)。冲裁凸模的最大磨损量由优化前的2.84×10-6mm减小为优化后的2.68×10-6mm,从而较好地指导企业的生产。     

基于光亮带长度的冲裁凸模磨损的仿真预测

磨损是冲裁模具常见的一种失效形式,以预减振盖板零件为分析对象,利用Pro/E软件建立板料冲裁的几何模型,应用Deform-2D模拟软件对板料的冲裁过程进行有限元仿真,分析了冲裁过程中的应力分布状态,研究了冲裁工艺参数对零件光亮带长度及凸模磨损深度的影响。仿真结果表明:光亮带的长度随着冲裁间隙与凸模刃口圆角半径的不断增大而减小,而随着冲裁速度的逐渐增大而增加;凸模的磨损深度随着冲裁间隙的不断增加而减小,而随着凸模刃口圆角半径与冲裁速度的增大呈现出逐渐增加的变化趋势。此外,设计了一副冲压级进模进行试验验证,光亮带长度的模拟值与试验值分别为0.569与0.518 mm,两者之间的相对误差为9.85%,从而验证了利用光亮带长度间接衡量模具磨损情况的可行性。     

基于响应面法的C75S弹簧钢冲裁工艺参数优化

以C75S高强度弹簧钢作为研究对象,运用Deform-2D软件对板料冲裁过程进行数值仿真,基于响应面法对C75S弹簧钢的冲裁工艺参数进行优化。借助中心设计组合法设计冲裁试验,并建立了工艺参数与模具最大磨损深度之间的响应面模型,通过分析得知:模具刃口圆角半径与冲裁速度对凸模磨损的交互式影响最大;模具刃口圆角半径与冲裁间隙的交互式影响次之;冲裁速度与冲裁间隙的交互式影响最小。利用Design Expert软件得出最优的冲裁工艺方案为:模具刃口圆角半径为1.84t,冲裁速度为7.60 mm·s-1,冲裁间隙为13.23%t,凸模的磨损深度为4.02×10-6mm。此外,借助冲压模具进行冲裁试验,利用毛刺高度间接验证模具的磨损,试验值与响应面法优化值之间的相对误差为14.19%,两者保持较好的吻合性,从而为板料冲裁模具磨损的优化提供了一种有效方法。     

冲裁凸模的稳定性

<正> 对于很多冲模来说,冲裁凸模工作时的稳定性对其使用寿命影响很大。凸模的稳定性是指凸模冲裁板料时,保持正常冲裁间隙的能力。如果不能满足一定的稳定性条件,则凸模的弯曲变形和工作(刃口)端的偏移就会使正常冲裁间隙发生过大的变化,刃口局部负荷激增,产生严重磨损或崩刃,细长凸模甚至发生折断。为了保证冲模的正常工     

用滑移线法求普通冲裁力

冲裁时,凸模将压力机的压力施加于放置在凹模表面上的板料上,使一部分板料沿着一定的冲裁轮廓线与另一部分板料分离。当凸模和凹模的刃口分别切入板料后,两刃口连线附近的区域是冲裁的主要塑性变形区。其应力应变状态见图1所示,是轴对称问题。此外,正象一块四周被支承的圆板,中心受到一集中载荷作用而产生弯曲一样,冲裁时板料一般在凹模内也会产生拱弯并发生塑性弯     

电火花线切割加工在冲模刃口修复上的应用

冷冲裁模用于冷冲压加工的分离工序，主要是使各种板料冲切成形。冲裁模的主要工作零件是凸模(冲头)、凹模(型腔)，它们对材料施加压力，使板料弹性变形、塑性变形，直到被剪裂。因而，模具刃口的端面和侧面在工作时会产生强力的挤压和磨擦。所以，冷冲裁模的主要失效形式是磨损和局部断裂(崩刃)。     

冲裁间隙对弯链板冲孔断面质量及凸模磨损的影响

为了研究冲裁间隙对销合链弯链板冲孔断面质量及凸模磨损的影响，运用DEFORM软件建立了4组不同冲裁间隙的冲孔仿真模型，通过仿真得到了不同冲裁间隙下的凸模行程与冲裁力变化曲线。分析了断面质量和凸模最大磨损量随冲裁间隙的变化趋势，并制作了冲孔模具进行试验验证。仿真结果表明：随着冲裁间隙的增大，断面光亮带长度和凸模磨损深度会随之减小。根据不同冲裁间隙下的冲裁力曲线，绘制冲裁功曲线，确定最佳冲裁间隙值为0.2 mm。此时，冲孔断面光亮带长度的仿真值为2.11204 mm,凸模的使用寿命预测为62000件。进行了冲孔试验，试验发现，当冲裁间隙为0.2 mm时，冲裁件的冲孔断面光亮带长度的实测值为2.19 mm,与仿真值的相对误差仅为3.7%,验证了仿真结果的准确性，为冲孔模具研发提供了有效指导。     

基于正交试验的螺母冲裁成形模具磨损分析及参数优化

以某车用螺母冷镦冲裁模具为研究对象,基于Archard磨损理论采用有限元分析软件DEFORM-3D,对上冲头磨损进行模拟分析,结果表明:上冲头的磨损主要发生在受力较大的刃口区域。为使模具寿命尽可能地延长,设计了正交试验,以降低上冲头磨损量为目标,选取冲裁间隙、冲裁速度、上冲头表面硬度、摩擦系数作为因素,并采用极差和方差对结果进行分析,得出各因素对上冲头磨损量的影响程度依次为:冲裁速度>冲裁间隙>上冲头表面硬度>摩擦系数,并得出最优参数组合为:冲裁间隙为8%t、冲压速度为5 mm·s^-1、模具表面硬度为53 HRC、摩擦系数为0.14。上冲头最大磨损量由13.1×10^-6 mm减小为3.66×10^-6 mm,能够很好地指导企业的生产。     

基于零件冲裁毛刺高度的冲压模具磨损预测

冲压模具的磨损会引起冲裁间隙的增大,导致零件冲裁毛刺高度的增加。利用DEFORM-2D软件对0.8 mm料厚的CK75弹簧钢板料的冲裁过程进行有限元仿真,分析了冲裁模具的磨损过程,深入研究了冲裁工艺参数对冲裁毛刺高度与模具磨损的影响变化趋势。研究结果表明:在研究的冲裁工艺参数范围内,零件冲裁毛刺的高度随着冲裁间隙与冲裁速度的不断增加而增大,而随着模具刃口圆角半径的增大则表现出先增加后减小的变化规律;冲裁凸模的磨损深度伴随着冲裁间隙的增大而逐渐减小,随着冲裁速度的增加而增大,而随着模具刃口圆角半径的增加表现出先增大后减小的变化规律。此外,借助冲压模具进行冲裁试验,冲裁毛刺高度的仿真值与试验值之间的最大相对误差为17.7%,从而为衡量模具磨损状况提供了一种比较直接的方法。     

Optimum selection of variable punch-die clearance to improve tool life in blanking non-symmetric shapes

Punch-die clearance is a well-known parameter affecting both tool life and edge quality of parts in blanking and piercing. Selecting the optimum or best punch-die clearance can give a significantly longer tool life by minimizing tool wear. Previous studies have shown the effect of punch-die clearance on various sheet materials and thicknesses during blanking of round parts while non-round geometries are more commonly found in industrial applications. Therefore, in this study, the effect of part geometry is considered to select the ‘best’ punch-die clearance to minimize tool wear. In blanking non-round geometries, the punch and die undergo non-uniform wear, with higher wear observed in areas with sharp radii and abrupt changes in geometry. In the present study, the effect of punch-die clearance on punch stress for blanking various shapes is investigated using Finite Element (FE) analysis. The punch-die clearance that gives the lowest value of the punch stress for the different part geometries is identified. A method is developed to select a geometry dependent variable punch-die clearance to obtain more uniform wear on the punch, thereby increasing the punch and die life.     

平面板料斜刃冲裁的冲裁力研究

通过对斜刃冲裁和倾斜板料冲裁的大量研究,笔者发现长期使用的斜刃冲裁的冲裁力计算公式是不完整的。本文对斜刃冲裁的冲裁力进行了推求,得到了一个新公式。该公式与以前的公式共同表达了斜刃冲裁的冲裁力。     

倾斜板料冲裁的冲裁力研究

倾斜板料冲裁的冲裁力计算是一个尚待研究的课题。本文对倾斜板料圆孔冲裁的冲裁过程进行了探讨，将其分为板料包容冲头和板料不包容冲头两种类型和三个冲裁阶段，导出了每种类型各冲裁阶段冲裁力的计算公式，分析了冲裁力随行程的变化规律，研究了最大冲裁力和板料厚度、圆孔直径、板料倾斜角度的关系，获得了一些有价值的结论。     

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。     

铝合金浅筒形件冲挤复合成形模拟与优化

板料冲挤复合成形技术是一种板料成形与体积成形复合的近净成形技术,在汽车、电子和家电等领域具有广阔的应用前景.本文利用冲挤复合成形技术成形铝合金浅筒形件,分析成形过程中的速度场、应力应变场,得出成形特点.利用H-M断裂准则,结合DEFORM-3D软件子程序功能分析成形缺陷.利用正交试验分析凸模与板料间的摩擦系数、反顶力及压边力对裂纹缺陷的影响,再运用BP神经网络和遗传算法对工艺参数进行优化,结果表明优化后工艺参数能够抑制裂纹的产生与发展.     

Automatic supervision of blanking tool wear using pattern recognition analysis

Most of the blanking operations are now done on automatic high speed presses. The faster operation, closer dimensional and form tolerances, higher precision demand automatic supervision of blanking tool conditions in order to avoid producing a large volume of defective parts unnoticed. In this paper, an architecture of an automatic supervisory system for monitoring blanking punch wear under various die wear conditions is proposed. The system employs an autoregressive (AR) time-series model to predict the on-line captured peak blanking force. The AR model coefficients are updated by a modified least mean square (MLMS) adaptive filter so as to minimize the prediction error. An optimum number of AR model coefficients are selected to form the pattern vector which is classified by a least mean squared error (LMSE) classifier. Classification of the punch wear states is accomplished by a linear discriminant function (LDF). The performance of the system was evaluated through a series of blanking experiments. Experimental results indicated a high success rate for recognizing blanking punch wear under various die wear conditions.