金属塑性成形过程的数值计算方法

简述了塑性加工过程中的几种主要数值计算方法及其适用范围，着重讨论了有限元法近年来在塑性加工领域的应用及发展。     

第十届全国塑性工程学术年会和第三届国际塑性加工先进技术研讨会

于2007年10月16日-21日在南昌市南昌大学召开。来自国内外的近350位代表参加了第十届全国塑性工程学术年会。会议出版了论文集，收录论文219篇，大会报告14篇。大会邀请到曹春晓院士、阮雪榆院士、胡正寰院士等十四位专家、学者作了主题报告，他们的报告展示了塑性加工技术的新进展，为塑性加工领域的研究和发展提出了新的目标和方向。第三届国际塑性加工先进技术研讨会收到论文50篇，与年会论文同时出版。研讨会上重点介绍了下述内容：镁合金板材零件的温热成形技术进展、管材液压胀形技术、轧制过程中的接触力学、板材加工过程智能控制、微塑性加工技术的进展、晶体塑性力学及其在塑性加工中的应用。     

固—液态塑性加工技术的新进展

固－液态塑性加工是一种具有省力，节能节材，能一次成形为接近成品形状的制做高质量制件的塑性加工新技术，它目前正越来越多地受到重视，介绍近年来有关该技术的研究，开发与应用方面的新进展。     

塑性加工对金属材料性能的影响

金属材料的塑性加工技术(非切削加工技术的一种)随着金属加工技术的不断进步而日新月异，它是加工技术现代化和提高加工效率的一个重要方面，但面临的技术性问题也很多。这里从金属材料塑性加工的机理和晶体应变出发，提出了不同的塑性加工形式对材质变化的影响；并从实践的角度出发提出了一些处理数据，可供有关人员参考。     

超塑性气压成形技术在生产中的应用

简要介绍了超塑性气压成形技术的工作原理及其在生产中的具体应用.并通过与其它加工方法的对比说明了超塑性气压成形的工艺特点.     

在车床上实现滚压加工的方法

滚压加工成型是一种高效金属塑性成形技术。它是一种冶金轧制技术与机械锻压技术的结合，它将金属断续整体塑性成形发展到连续局部塑性成形。我们利用现有设备在车床上研制了一套使用简便、操作容易的薄壁金属圆管表面滚压成型机构。１滚压加工成型机构及其工作原理为将薄...     

数值模拟技术在塑性成形中的应用与发展

塑性成形是金属加工的一种重要手段,通过讨论数值模拟技术在塑性成形中的应用,给出了它将来的发展趋势,有助于更深入地研究、推广和应用塑性成形技术.     

超声振动塑性加工技术的现状分析

阐述了超声振动塑性加工的作用机理,定量分析了表面效应中摩擦力矢量反向的原因。在介绍国内外超声振动塑性加工技术研究现状的基础上,对一些典型超声振动塑性加工技术的应用例子进行了剖析,并探讨了目前超声振动塑性加工技术需要解决的问题及研究方向。     

塑性加工在机械制造中的应用分析

以塑性加工的优点为依据，对采用塑性加工代替部分切削加工的优越性进行了阐述，并概略地介绍了几种易于采用、效果显著的塑性加工方法。以此证明，塑性加工是拓宽机械加工工艺发展方向的一个重要途径。     

机械加工中塑性技术加工的应用

随着先进技术在制造行业的不断涌现,简单的对材料进行所谓的硬加工显然已经不再能达到现代制造发展的新要求。在机械加工中,加工工艺流程往往需要对原材料进行变形处理,而金属作为最常用的原材料,大多数材质比较坚硬,比较难以进行变形处理,这使得机械加工中的塑性加工技术开始应运而生,本文将详细介绍机械加工中塑性技术加工的应用。     

Prediction of Deformed Configuration and Ductile Fracture for Simple Upsetting Using an Artificial Neural Network

This paper suggests a scheme for simultaneously accomplishing the prediction of fracture initiation and geometrical configuration of deformation in metal forming processes using an artificial neural network. A three-layer neural network is used and a back-propagation algorithm is adapted to train the network. The Cockcroft–Latham criterion is used to estimate whether fracture occurs during the deformation process. The geometrical configuration and the value of ductile fracture are measured by the finite-element method. The predictions of the neural network and the numerical results of simple upsetting are compared. The proposed scheme has predicted the geometrical configuration and fracture initiation successfully.     

Modelling Deformation of Hydroformed Circular Plates Using Neural Networks

The process of applying fluid pressure to form metal sheets into desired shapes is widely used in the industry and is known as hydroforming. Similar to most other metal forming processes, hydroforming leads to non-homogeneous plastic deformation of the workpiece. Predicting the amount of deformation caused by any sheet metal forming process leads to better products. In this paper, a model is developed to predict the amount of deformation caused by hydroforming using an artificial intelligence technique known as neural networks. The data used to design the neural network model is collected from an apparatus that was designed and built in our laboratory. The neural network model has a feedforward architecture and uses Powell’s optimisation techniques in the training process. Single- and two-hidden-layer feedforward neural network models are used to capture the nonlinear correlations between the input and output data. The neural network model was able to predict the centre deflection, the thickness variation, and the deformed shape of circular plate specimens with good accuracy. ID="A1"Correspondance and offprint requests to: Dr M. Karkoub, Mechanical and Industrial Engineering Department, College of Engineering and Petroleum, Kuwait University, PO Box 5969, Safat 13060, Kuwait     

基于神经网络的拉弯回弹预测技术研究

以型材拉弯为对象,研究了利用神经网络预测拉弯回弹的关键技术,建立了拉弯回弹预测的人工神经网络模型,有效地解决拉弯控制参数和回弹量之间的非线性映射问题;并利用Matlab神经网络工具箱加以实现,取得了理想的预测精度,验证了预测模型的有效性。该研究推动了人工智能技术在钣金精密成形中的应用。     

将人工神经网络和耗散结构理论相结合以确定变形高温合金的锻造热力参数

在等温恒应变速率压缩试验的基础上 ,将人工神经网络和耗散结构理论相结合 ,以确定 GH1 41和 GH90 7这两种变形高温合金的热力参数稳定区。研究结果表明 ,本方法与以数理方法建立的本构关系为动力学方程用耗散结构理论所确定的热力参数稳定区相比 ,更符合生产实际 ,从而可促进耗散结构理论在金属塑性加工中的应用     

拉深孔成形的工艺参数优化与实验研究

为了探讨拉深孔成形技术对提高板料成形性能的有效性，以圆筒形件为研究对象，研究了拉深孔成形条件下的成形性能。采用数值模拟、人工神经网络和遗传算法进行板材成形工艺参数优化，得到了最优化的压边力和拉深孔相对密度等拉深工艺参数。根据优化后的结果设计并完成了相关的工艺实验，取得了与有限元模拟相一致的结果，证明了拉深孔成形技术是一种提高板材成形性能的行之有效的方法。     

瑞风商务车托架拉延成形数值模拟及工艺参数优化

基于逆向工程建立瑞风商务车托架零件的几何模型,并基于Dynaform软件平台对不同工艺参数下该零件的拉延成形过程进行数值模拟。在此基础上,以压边力、拉延筋高度和拉延筋圆角半径作为设计变量,以零件不发生破裂为优化目标,以有限元数值模拟结果作为虚拟样本,建立目标函数的人工神经网络预测模型;将人工神经网络预测模型作为优化算法的知识源,采用遗传算法对压边力、拉深筋几何参数等工艺参数进行了优化设计。试验结果表明,数值模拟、神经网络预测和工艺优化是可靠的,从而可为制定金属板料最佳的冲压成形工艺提供一条先进、合理的途径。     

基于BP神经网络的TC4钛合金超塑性变形后组织及性能预测研究

分别用Visual Fortran语言和MATLAB软件建立了TC4钛合金超塑性变形时变形参数与其力学性能和晶粒尺寸之间的BP神经N络模型，通过用较少的力学性能和晶粒尺寸的试验数据进行训练，进而对其性能进行预测。结果表明，BP神经网络用于材料超塑性变形后的力学性能及晶粒尺寸预测是可行的，其预测误差小于7%。     

冲压件成形计算机模拟工艺参数优化方法研究

分析了常规有限元金属板料成形模拟的不足，提出了参数化有限元分析的概念，在对人工神经网络、遗传算法进行深入分析研究的基础上，采用参数化有限元分析方法进行分析，得到了训练样本。提出了采用人工神经网络技术建立冲压件成形多参数映射关系模型，采用遗传算法进行多参数组合优化，实现冲压件成形计算机模拟工艺参数优化的方法。实际应用结果表明，优化结果与试验结果基本吻合，该优化方案实用可行。     

神经网络与遗传算法在拉延筋参数反求中的应用

以某车型前地板角支撑板的拉延工序为例,讨论BP神经网络技术与遗传算法在拉延筋几何参数反求中的综合应用问题,建立能描述反映成形效果的三个参数与半圆形拉延筋几何参数之间非线性映射关系的神经网络模型,并运用遗传算法对神经网络结构进行了优化。提出逐次局部密化样本点的样本点设计方法。该方法有助于加快神经网络的设计进程,提高神经网络的模拟精度。当训练样本数据可通过有限元法自动获得时,使用该方案则更为便利。     

基于改进灰色神经网络模型的板料成形缺陷预测研究

为了准确预测和减少板料成形过程中可能出现的缺陷,提出了一种改进的灰色神经网络预测模型。该模型利用BP神经网络辅助灰色预测模型进行预测。其中,灰色模型进行粗预测,神经网络模型修正其误差,再通过寻找最佳权值以优化灰色模型中微分所对应的背景值,进而得到精度更高的灰色神经网络模型。以国际著名板料成形数值模拟会议NUMISHEET'93的方盒件拉深为例,运用改进的灰色神经网络模型,预测其拉裂和起皱。结果表明,改进的灰色神经网络模型具有很高的预测精度,相比于未改进的灰色神经网络模型,预测结果更加准确和稳定。