AA6082铝合金热变形损伤本构模型

利用Gleeble-1500热力模拟试验机在温度为425~525℃、应变速率为0.01~1 s-1条件下对AA6082铝合金进行热拉伸试验,研究该合金的热变形行为。结果表明:变形温度、应变速率和应变对AA6082铝合金的流变应力影响显著,流变应力随变形温度的升高而下降,随应变速率的提高而增加;材料热变形经历了应变硬化段、稳态变形段和由损伤引起的流变应力陡降段。建立AA6082铝合金热变形统一黏塑性损伤本构模型,该模型综合考虑位错、硬化、损伤、应变、应变速率和温度等因素,借助遗传算法工具箱确定模型中材料常数。该模型能够较好地预测AA6082铝合金热变形时的流变应力,同时可以较好地描述材料的损伤演化行为。     

6082铝合金的高温本构关系

利用Gleeble-3500热模拟机,研究6082铝合金在350℃～500℃、应变速率10-2s-1～5s-1、最大变形程度60%条件下的热压缩变形行为。得到了高温下该铝合金的真应力-应变曲线。分析流变应力与应变速率和变形温度之间的关系,建立了高温热变形的本构关系。推导出包含Arrhenius项的Zener-Hollomon参数所描述的高温流变应力表达式。为减少应变的影响,建立4阶多项式对材料参数进行拟合,得到改进的本构方程,并与实验值进行对比。结果表明,应变速率和变形温度对6082铝合金流变应力有显著影响,流变应力随变形温度的升高而降低,随应变速率的增大而增大。该合金属于正应变速率敏感材料,合金热变形过程受热激活控制,激活能为145.977kJ/mol。     

6082铝合金热压缩变形行为及本构关系

采用Gleeble 3500热模拟试验机模拟了在不同温度和应变速率下6082铝合金的流变力学行为,建立了6082铝合金的本构方程,得到了应力-应变曲线。结果表明,6082铝合金流变应力随变形温度的升高而降低,随应变速率的增加而增大。本构方程对峰值应力的计算结果与试验数据具有较高的一致性。     

6082铝合金热变形流变应力曲线修正与本构方程

利用Gleeble 3500热模拟试验机研究了6082铝合金在300℃~450℃、0.001s-1~1s-1条件下的流变力学行为。基于摩擦修正理论,优化摩擦修正方法,获得材料流变曲线并构建全应变本构方程。结果表明,在应变速率为1s-1的变形过程中,温度波动较小,对应力的影响较小,由温度波动造成的应力波动1MPa;通过线性回归分析计算得到6082铝合金材料的应变硬化指数n=5.78以及变形激活能Q=155.98kJ·mol-1,构建6082铝合金高温条件下的全应变本构方程,对流变应力预测的最大误差10%,平均相对误差为1.52%。     

基于加工图的6082铝合金热成形性能

在Gleeble-1500热模拟试验机上对6082铝合金进行多组热压缩试验,得到6082铝合金在350~500℃和0.01~5 s-1条件下的流变应力数据。根据试验数据建立基于动态材料模型的6082铝合金热加工图,结合压缩变形后的微观组织观察分析,最终获得试验参数范围内6082铝合金热变形的最佳工艺参数。结果表明:保持较高功率耗散效率的加工安全区集中在变形温度430~490℃、应变速率0.1~0.3 s-1的区域,该区域成形时合金主要发生动态再结晶。根据热加工图及微观组织分析,建议在温度440~480℃、应变速率0.1~0.2 s-1范围内选择6082铝合金热成形的工艺参数。     

基于IPSO算法的机器人抓取系统刚度优化研究

微小型工业机器人以其强耦合性、可扩展性、高精度被广泛应用到各行业,然而大多数机器人以串联型为主,其结构弱刚度问题会导致机器人动作时产生振动从而影响整体稳定性。以服务型机器人为研究对象,为保证机器人结构刚度以及抓取物体过程的稳定性,对机器人整体结构刚度进行优化。对机器人进行运动学静态建模,利用刚度等效原理计算机器人关节刚度;在抓取位姿范围约束下,将机器人末端刚度椭球半轴长作为优化指标,采用改进粒子群算法(IPSO)对机器人在不同抓取位姿的刚度进行优化,并将结果与遗传算法、粒子群算法的优化结果进行对比;通过ANSYS有限元分析和实验对比机器人优化前后的末端变形量,结果表明：基于IPSO算法的机器人抓取系统刚度优化对提高机器人整体稳定性具有一定意义。     

挤压态6082-T6铝合金的高温拉伸力学性能及微观组织

通过Gleeble3500热模拟试验机研究了变形温度和应变速率对挤压态6082-T6铝合金高温拉伸力学性能的影响,采用光学显微镜(OM)、扫描电镜(SEM)和透射电镜(TEM)分析了合金在高温拉伸过程中的微观组织演变。结果表明：在恒定的应变速率下,挤压态6082-T6铝合金的拉伸强度随着拉伸温度的升高而下降;在恒定的拉伸温度下,其拉伸强度随着应变速率的升高而上升。挤压态6082-T6铝合金在高温(300～450℃)拉伸条件下表现为韧性断裂,在较高的变形温度和较低应变速率条件下,合金的韧窝增大且更深,表现出较好的塑性。在高温变形过程中,随着拉伸温度的升高,合金内部的位错密度下降,并出现了析出相粗化现象,导致合金的变形抗力下降。     

挤压态6082铝合金热变形行为及组织

使用Gleeble-3500热模拟试验机研究了6082铝合金在变形温度为350～500℃、应变速率为0.01～10 s^-1条件下沿挤压变形方向的热变形行为，得到了真应力-真应变曲线，并建立了本构方程。为了研究挤压态6082铝合金型材的热加工性能，绘制了应变ε=0.3、0.9和峰值应力下的热加工图，并利用光学显微镜(OM)、扫描电子显微镜(SEM)、显微硬度计等设备分析了热压缩后的显微组织、第二相尺寸和材料硬度变化。结果表明：热压缩过程中，挤压态6082铝合金的强度无明显降低，主要软化机制为动态回复；第二相含量随着变形温度的升高逐渐降低，而第二相破碎程度随之升高，且维氏硬度也随之增大。经计算，挤压态6082铝合金的热变形激活能为205.74 kJ·mol^-1,该合金较好的热加工工艺范围为465～500℃/0.01～0.7 s^-1。     

6082铝合金高温变形行为及精锻工艺数值模拟

利用Gleeble-1500热模拟试验机研究了6082铝合金在350~500℃温度和0.01~5.00s-1应变速率条件下的热变形行为,根据试验数据拟合得到6082铝合金的高温流变应力方程。将方程导入Deform-3D软件,并对6082铝合金散热器的热锻成形过程进行了数值模拟。经过生产试模,验证了数值模拟分析结果,并精锻出合格的6082铝合金散热器,为6082铝合金的工程应用提供参考。     

6082铝合金变形性能与数值模拟的研究

采用Gleeble-3800热模拟试验机研究了变形温度350～500℃和应变速率0.01～5 s~(-1)下6082铝合金的热变形行为。结果表明:在同一应变速率下,稳态流动应力随着变形温度的升高而降低,动态回复作用大于加工硬化对应力的影响;在同一变形温度下,流动应力随着应变速率增大而增大。借助Origin软件对数据进行了回归分析,构建了6082铝合金的本构方程,并统计计算了本构方程预测流动应力值和试验值之间的平均相对误差。结果表明:平均相对误差值为0.11,本构方程能够较为准确预测材料高温流动应力随变形量增加而变化的大小和趋势。最后利用Deform-3D软件进行了热压缩试验模拟,发现模拟结果与实际结果有差异,分析了结果偏差的原因。     

受能量约束的移动机器人最优路径规划

在确保移动机器人持续生存前提下,为了尽量减少机器人的能量消耗,通过定义一些基本运算操作符的运算规则对粒子群算法进行改进,并提出基于动态能量阈值和改进粒子群算法的单机器人多充电站最优路径规划方法,来达到能耗最优。单充电站与多充电站情况下的仿真对比证明:该算法具有很好的寻优能力与收敛效率;在确保移动机器人持续生存的同时,两充电站情况下的能耗比单充电站的能耗平均降低7.03%。因此,在合适的位置增设充电站更有利于降低能耗。     

基于免疫粒子群的机器人自抗扰控制器参数整定方法

针对利用经验试凑法或其他优化算法整定机器人自抗扰控制器参数,存在整定过程复杂、整定结果不是全局最优等缺陷,提出一种基于免疫粒子群融合算法的机器人自抗扰控制器参数整定方法。该方法将免疫算法的免疫信息处理机制引入粒子群算法结构中,解决了免疫算法优化过程繁杂冗长以及粒子群算法过早陷入局部最优的问题,实现了自抗扰控制器参数整定,快速找到全局最优解。MATLAB仿真结果表明：该方法提高了自抗扰控制器的响应速度和稳定性,适用于机器人自抗扰控制器参数的整定。     

基于改进粒子群算法的轧制负荷分配优化

应用改进粒子群算法,实现单机架可逆冷轧机轧制负荷分配优化。结合某厂单机架可逆冷轧机实际工况,建立了合适的轧制力数学模型并进行参数计算,以压下率为自变量,以轧制力成比例分配为目标,通过改进粒子群算法,得到最佳的轧制负荷分配。工程实践证明:与基本粒子群算法、遗传算法相比,改进粒子群算法具有计算精度更高、收敛速度更快、搜索能力更强等优点,是一种适于单机架可逆冷轧机轧制负荷分配优化的新方法。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于动态惯性权重粒子群算法的磨削低能耗加工方法

利用三层误差反向传播(back propagation, BP)神经网络建立磨削能耗预测模型,以砂轮线速度、进给速度和磨削深度为影响因素设计125组全因子试验,并取其中的75组试验数据作为该预测模型的训练样本与测试样本。采用动态惯性权重改进粒子群算法(adaption particle swarm optimization, APSO),以BP神经网络的预测作为适应度函数,以最小能耗为目标进行迭代寻优获取最优工艺参数。结果表明:模型预测结果较为准确,采用优化后的工艺参数能够有效降低磨削能耗。      

粒子群算法在优化板坯二冷制度中的应用

提出了一种基于带有变异算子的改进粒子群算法对二冷区水量进行优化的新方法。首先应用凝固原理和时空有限体积法建立连铸板坯凝固传热的数学模型，数值模拟结果与现场实测结果相符。再利用改进粒子群优化算法对二冷区各段的水量进行优化，优化之后的二冷制度使铸坯各段表面温度冷却速率和温度回升速率趋于平缓，与冶金准则对改善铸坯冷却过程和提高产品质量的要求相吻合。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

模具行业信息

<正>2013年模具工业投资与模具城地产投资增速均呈上升态势2012年以来,受国内外复杂环境等多种因素影响,工业增长面临较大下行压力。在稳增长主基调下,各种扩大内需政策陆续展开,促进了投资快速稳定增长,并带动模具工业整体回升,我国工业经济运行总体平稳,结构调整稳步推进。     

基于改进粒子群算法的板坯二冷制度优化

应用带变异算子的改进粒子群算法对安钢一炼轧连铸板坯的二冷制度进行了优化计算。针对安钢板坯连铸机的特点,建立了连铸板坯凝固传热的二维数学模型,模型的坯壳厚度计算值与现场硫印射钉法实测值一致。由冶金准则及设备约束条件设计优化算法的价值函数,用改进粒子群优化算法以价值函数值最小化为目标,对二冷区各段的水量进行优化。优化后的二冷制度使铸坯各段表面冷却速率和表面温度回升速率趋于平缓,与冶金准则对改善铸坯冷却过程和提高产品质量的要求相吻合。     

基于HPSO优化BP神经网络的刀具磨损状态识别

针对BP神经网络容易陷入局部极值导致识别精度低的问题,文章提出了一种基于混合粒子群算法(HPSO)的BP神经网络优化算法。在刀具磨损监测实验过程中,采集刀具切削的声发射(AE)信号,利用小波包分解算法对AE信号进行滤波,并进行特征提取。将频带能量特征和切削参数分别作为主特征和辅助特征,并对其对归一化处理。采用混合粒子群优化算法(HPSO)对BP神经网络预测模型进行优化,利用优化后的模型对测试样本进行模式识别,结果表明,优化后的HPSO-BP模型能够有效地降低神经网络陷入局部极值的情况,提高刀具磨损识别精度。