轴对称曲面件智能化拉深成形过程的解析定量描述

成形过程的定量描述是板材成形智能化控制中在线识别材料参数和工况参数以及预测最佳工艺参数的理论依据，识别和预测精度取决于定量描述的准确程度。为了实现轴对称曲面件拉深过程的智能化控制，分析了轴对称曲面拉深件的共性特征，建立了完整的力学模型，在直线假设、面积不变假设和似直梁弯曲假设条件下，给出了拉深过程中拉深力－行程曲线的解析定量描述。用三种板材以锥形件拉深为例进行了实验验证。     

智能化拉深控制中的侧壁起皱临界条件

建立了轴对称件拉深侧壁起皱的数学模型。从能量平衡原理出发,通过对屈服准则的线性化处理,推导了考虑几何参数、摩擦系数和材料性能参数、板材皱曲时约束条件的轴对称拉深成形过程中侧壁起皱临界压边力的变化规律,给出了皱曲判据。理论分析与实验吻合较好,为拉深过程的智能化控制提供了理论依据。     

圆筒形件冲压成形中拉深筋的成形性分析

建立了圆筒形件的有限元模型,利用CAE专业软件DYNAFORM,模拟得到该零件的成形极限图,分析了不同压边力和拉深筋设置情况下,圆筒形件在拉深过程中的成形性能。研究表明,拉深筋对板材的摩擦阻力和变形阻力有显著的影响。拉深筋的使用能有效控制局部变形,使零件变形趋于平衡,从而保证零件的顺利成形。     

圆简形件冲压成形中拉深筋的成形性分析

建立了圆筒形件的有限元模型,利用CAE专业软件DIYAFORM模拟得到该零件的成形极限图，分析了不同压边力和拉深筋设置情况下，圆筒形件在拉深过程中的成形性能。研究表明，拉深筋对板材的摩擦阻力和变形阻力有显著的影响。拉深筋的使用能有效控制局部变形，使零件变形趋于平衡，从而保证零件的顺利成形。     

轴对称件智能拉深系统中的神经网络参数识别

建立了轴对称拉深件的材料性能参数和摩擦系数实时识别前馈神经网络，采用LM算法优化网络，将参数识别精度提高到一个新水平，为智能化拉深成形的。实时预测和实时控制这两个基本要素提供了前提保证，为实现整个拉深成形过程的智能化控制奠定基础。     

基于数据库的板料拉深压边力智能控制系统

概述了拉深成形智能化的研究现状,详细叙述了压边力智能控制系统的架构.鉴于拉深设备响应较慢的问题,引进虚拟成形的概念以实现整个自适应系统.完成了在不同模具参数,毛坯几何参数,材料性能参数,工况参数下圆筒轴对称零件的拉深过程变量的采集建库工作,并提出将之应用于复杂零件拉深成形变压边力自适应控制过程的方案.     

曲面形零件防皱裂气压托底拉深模

曲面形状拉深件包括球面形零件、抛物面形零件和锥形面零件等。这些曲面形零件在铝制品生产中是很重要的。如炒锅、勺类等是属于球面形拉深件;铝盆、水舀等是属于锥形面拉深件。它们的成形是在双动拉深压力机上通过拉深模具拉深成形的。一般拉深模具是由四部分组成的,即压边圈、冲头、凹模和托板,如图1所示。在拉深成形过程中,影响生     

防皱裂气压托底拉深模

<正> 曲面形状拉深件包括球面形零件、抛物面形零件和锥形面零件等。这些曲面零件在铝制品生产中是很重要的。如炒锅、勺类等是属于球面形拉深件;铝盆、水舀等是属于锥形面拉深件。它们的成形是在双动拉深压力机上通过拉深模具拉深成形的。一般拉深模具是由四部分组成的,即压边圈、冲头、凹模和托板,如图1所示。在拉深成形过程中,影响生产最严重的问题,是拉深件的侧壁起皱和危险断面的破裂。     

基于神经网络的材料性能参数和摩擦系数的实时识别

在板材拉深成形智能化控制过程中 ,为了避免缺陷的产生 ,必须适时地改变控制工艺参数 ,而最佳控制参数要根据材料的性能参数和摩擦系数来预测。根据拉深成形过程的特点及生产过程中自动化程度的要求 ,建立了材料性能参数和摩擦系数识别的人工神经网络模型。利用神经网络这种新一代信息处理工具实现了材料性能参数和摩擦系数的实时识别 ,为实现板材拉深成形过程的智能化控制奠定了基础     

人工神经网络在塑性成形领域中的应用研究

在概述人工神经网络发展及应用的基础上,综述了国内外神经网络在塑性成形领域中应用的现状,着重介绍了板材成形和模具设计与制造方面应用神经网络的现状。利用人工神经网络实现了板材拉深成形智能化控制过程中摩擦系数的实时识别,并对其进行了实验证,结果表明,神经网络模型能够很好地解决板材拉深成形智能化控制过程中摩擦系数的实时识别问题,实现整个拉深化过程的智能化控制。最后指出了当前人工神经网络研究与应用中的不足之处及今后的研究方向。     

金属板材成形智能化控制技术研究及展望

对板材成形智能化控制技术进行了综述,介绍了智能化控制系统的4个基本要素,重点介绍了以板材V形弯曲智能化控制技术、板材拉深智能化控制技术为代表的板材成形过程中智能化控制原理,弯曲和拉深的实验证明该项技术实验效果良好,同时对该技术的进一步应用做出了展望,指出多学科研究成果的不断涌现加快了板材智能化成形工业应用进程。     

板材冲压成形的智能化控制技术

板材冲压成形智能化是一项涉及控制科学、计算机科学和板材塑性成形理论等领域的综合性新技术。该技术的研究已有十几年的历史, 但主要是集中在V 型弯曲的回弹控制方面。直至90 年代初, 才开始对筒形件拉深的智能化控制进行探索性研究。该技术的研究带动了数据库、神经网络及模糊控制等技术在板材成形领域中的应用, 并提出了一系列新的研究课题     

轿车车门内板拉深成形过程的有限元分析

利用板料成形有限元软件对某轿车车门内板的一次拉深过程进行了数值模拟,分析了其成形过程中的危险区域,并对拉深过程中的缺陷产生原因进行了分析,通过调整工艺参数,得到比较理想的结果,可为该零件实际生产提供参考。     

金属薄板微成形技术的研究进展

文章阐述了金属薄板微成形的基本概念和金属微成形中的尺寸效应,综述了微拉深、增量成形、微弯曲和冲裁等薄板微成形技术的研究现状,并简单介绍了作者的研究成果,展望了薄板微成形技术的发展方向和趋势。     

盒形件拉深智能化控制关键技术研究

在圆锥形零件拉深成形智能化控制的研究基础上,分析了盒形件拉深智能化控制需要解决的技术关键。采用LabVIEW虚拟仪器技术,可以令人满意地实现拉深过程中信号的监测与控制。采用神经网络技术,可实现材料性能参数的实时识别,利用LM(LevenbergMarquarat)优化算法达到了2‰的网络误差。最佳工艺参数的预测模型尚待深入研究,该文提出3种参考方案,即理论成形三极限预测模型、神经网络/模糊推论预测模型以及自适应反馈控制模型。     

盒形件智能化拉深过程中材料性能参数的识别

智能化拉深过程中材料性能参数实时识别是关键技术之一。盒形件拉深难以用精确的力学模型来描述,文章引入基于LM算法的神经网络模型对材料参数进行识别,并仔细研究了在盒形件拉深过程中的适用性。针对盒形件提出了拉深初期采用恒定压边识别的方案,并采用平均值和去除奇异数据的方法大幅度地减小了识别误差,在该文的样本数据范围内,4种材料性能参数的最大识别误差在2%以内,为实现整个拉深成形过程的智能化控制奠定了基础。     

充液拉深数值模拟流体力学模型的建立

充液拉深中的流体流动行为在充液拉深过程中起着重要的作用 ,但目前对流体的流动规律和如何把流体压力作用与板料的成形有效地结合起来缺乏深入的研究。有限元模拟是塑性成形中一个强有力的分析手段 ,但对流体压力行为缺乏研究 ,已成为充液拉深有限元模拟的瓶颈。本文通过对筒形件充液拉深工艺的分析 ,建立了接近实际的充液拉深流体力学模型。结合有限元数值模拟技术 ,提出了充液拉深流体压力行为在数值模拟分析中的实现方法 ,为充液拉深有限元数值模拟提供有效途径     

压边圈结构对改善拉延性能的影响

本文总结了影响板料成形性能的因素并指出相应改善方法 ,重点研究了压边圈形变对板料成形性能的影响 ,并指出考虑BH形变的BHF控制是压边力控制研究的方向。