金属粉末注射成形仿真分析的喂料粘度模型参数

针对喂料粘度模型参数求解和现有模流分析软件无拟合功能的问题,引入Cross-WLF七参数模型对MIM中非牛顿流体流动过程进行了研究,提出了自适应快速遗传算法拟合该模型参数,开发了粘度模型参数拟合求解器,得到了W-Ni-Fe高密度粉末喂料和316L不锈钢喂料粘度模型的7个参数,拟合结果的复合相关系数分别达到0.998 489和0.998 200.研究结果为高密度类零件和不锈钢类的质量预测、模具和工艺参数优化设计提供了必须的材料数据.     

基于改进本构模型的超声辅助渐进成形仿真研究

在渐进成形加工中施加高频振动会引起被加工材料的塑性性能改变,并产生软化现象,从而降低加工过程中所需的成形力。首先,基于晶体塑性理论建立了描述金属塑性变形过程中应力-应变关系的理论模型,通过调整位错密度演化和热激活过程体现了超声施加后的声软化效应,构建了超声辅助成形加工时材料的本构模型。基于改进后的本构模型,通过ANSYS/LS-DYNA软件,对超声辅助渐进成形过程进行仿真模拟,获得了成形过程中成形力随成形深度的演变规律。通过超声辅助点成形实验,识别了本构模型参数并验证了仿真模拟结果,获得在一定频率下施加不同振幅时成形力的变化曲线。结果表明,在仿真时使用考虑软化效应的本构模型能获得更好的成形力预测效果。     

基于铝合金粉末成形本构模型的BP神经网络参数预测

建立准确的本构模型是进一步开展金属粉末成形研究的基础.基于修正的Drucker-Prager Cap模型和遗传算法优化的BP神经网络,对铝合金粉末压制成形过程进行了数值模拟,实现了本构模型参数的预测.对于铝合金粉末成形研究,首先确定了修正的Drucker-Prager Cap模型参数取值范围,基于ABAQUS及子程序U...     

超声振动辅助成形本构模型

超声振动辅助成形技术是将超声振动与传统金属塑性成形相结合的一种加工技术,该技术可以有效改善加工方法,获得较好的成形结果。为了分析超声振动辅助成形技术的成形机理,文章综合考虑成形过程中的应力叠加效应和软化效应,确定一维状态下金属在超声振动作用下的本构关系,实现基于理论推导的超声振动辅助成形机理分析,并通过实验进行了验证。     

TA1本构模型的确定

采用试验方法,通过准静态压缩试验和分离式Hopkinson压杆试验,获得不同应变率10-3s-1～103s-1和不同温度293K～873K范围内TA1的应力-应变曲线;基于Johnson-Cook模型对试验结果进行分析,并对其应变率强化项做出修正。结果表明,TA1为应变率敏感材料,流动应力随应变率增加而增加,随温度增加而减小;未经修正的Johnson-Cook本构模型与试验数据偏差较大,修正后的本构模型与试验值吻合较好。     

基于粒子群算法的GCr15钢温热成形Hansel-Spittel本构模型参数反求优化方法

采用Gleeble-1500D热-力模拟试验机在变形温度为600～850℃和应变速率为0.01～5 s^-1的条件下对GCr15轴承钢进行等温压缩试验以研究其温热变形行为。首先采用传统平均法构建了该材料的Hansel-Spittel本构模型,然后基于粒子群算法,以Hansel-Spittel本构模型各参数为自变量,目标函数为该本构模型计算得到的预测应力与试验应力之间的累积误差,目标函数值作为粒子适应度的值,通过改变粒子位置进行迭代,进一步优化该模型的参数。将试验值与预测值进行对比,使用相关系数R、均方根误差RMSE以及平均绝对相对误差AARE来衡量该模型的准确性。结果表明：优化后该模型试验值和预测值之间的相关系数R由0.972提升至0.998,均方根误差RMSE由50.896下降至14.604,平均绝对相对误差AARE由6.072%下降至2.803%,表明粒子群算法优化后的Hansel-Spittel模型能够更加精确地预测GCr15轴承钢的温热变形行为。     

6061铝合金粉末冷压成形本构模型

在粉末压制过程中,材料的本构方程表征着粉体的变形机理,是用数值模拟方法研究、分析粉末压制过程的基础,因此,建立粉末压制本构方程对研究铝合金粉末压制成形规律、优化模具设计及工艺参数具有重要意义。通过对6061铝合金粉末进行单轴压缩、径向压缩(巴西圆盘实验)和模压实验,建立了相关材料参数随相对密度的变化规律,成功建立了Drucker-Prager Cap本构模型,并基于Abaqus仿真软件二次开发用户子程序USDFLD,添加了粉体材料密度场下6061铝合金粉末的模型参数,对铝合金粉末压制过程进行了数值模拟分析,通过压制力、位移曲线和相对密度分布结果验证了6061铝合金粉末冷压DPC本构模型的正确性。致密度在ρ=0.75～0.84范围内,仿真精度较高,即修正的DPC模型能更为准确地描述6061铝合金粉末的后期压制行为。     

ZL201合金半固态成形本构模型

对采用近液相线铸造法制备的ZL201合金半固态坯料进行了热模拟压缩试验。根据试验获得的ZL201合金不同温度与应变速率下的应力-应变曲线,采用多元回归线性方法建立了能够表征ZL201合金半固态变形行为的本构方程。同时,根据半固态浆料的表观粘度与热模拟压缩试验中的应变速率等参数间的关系式,对表观粘度和剪切速率之间的关系进行了研究。利用仿真软件Anycasting对ZL201合金半固态触变压铸成形过程进行了数值模拟,研究了内浇道厚度对ZL201合金半固态触变压铸过程的影响,并预测了铸件缺陷。结果表明,当内浇道厚度为3mm时,半固态金属浆料充型过程最为理想。     

电磁成形中材料本构模型研究进展

电磁成形过程中金属板料经历宽应变率范围内的复杂载流高速变形,其宏微观行为与常规准静态成形过程存在显著差异,因此传统本构理论不能被完全应用于这一过程的精确预测。为此,首先总结了电磁成形中材料宏观力学行为及微观组织演变机理的特点,论述了本构建模的必要性、可行性及建模关键点。接着综述了适用于电磁成形过程的高速本构模型与载流变形本构模型的建模思想、应用效果及其先进性与局限性。最后,展望了宽应变率、宽温度范围适用的耦合电致塑性效应的机理型本构建模所面临的挑战。     

基于Abaqus的渐进成形软支撑本构模型研究

支撑为板材渐进成形中的重要辅助工具。尝试采用橡胶材料弹性软支撑代替传统的刚性体支撑辅助完成成形过程。根据力学性能实验得到了橡胶材料应力应变曲线。基于有限元软件Abaqus建立了软支撑的本构模型,进行了去顶方锥凸台件渐进成形模拟分析。通过有限元模拟与实验结果对比,证明所选软支撑本构模型是有效的。     

基于BP神经网络的强力旋压成形本构关系模型

利用TLS-W50000A微机控制弹簧试验机,对不同壁厚减薄率下的锡青铜QSn7-0.2强力旋压件进行等温恒应变速率下的单向准静态拉伸试验。基于获得的试验数据,建立基于BP神经网络技术、不同壁厚减薄率下的常温本构模型。结果表明:BP神经网络本构关系模型具有很高的预测精度,可以较好地描述不同壁厚减薄率下锡青铜QSn7-0.2在拉伸变形时的应力-应变关系,为强力旋压工艺本构关系模型的建立提供了一种准确有效的方法。     

基于R-O模型的强力旋压成形本构关系研究

在试验结果的基础上,应用Ramberg-Osgood本构模型,建立了不同强力旋压工艺参数下锡磷青铜筒形件的静态本构方程,即变参数的Ramberg-Osgood模型。经检验,该模型能准确地预测强力旋压成形后筒形件的本构关系,为提高和定量描述强力旋压成形筒形件的力学性能提供理论基础。     

基于遗传算法优化的SMABP神经网络本构模型

系统研究了形状记忆合金丝(SMA)应力-应变曲线、特征点应力、耗能能力及等效阻尼比随材料直径、应变幅值、加载速率、加载循环次数的变化规律;由于SMA唯象Brinson等常见本构模型无法以数学模型方式精确描述SMA各影响因素对其力学性能的影响程度,基于SMA实验结果,本工作采用BP神经网络智能算法(一种利用误差反向传播训练的神经网络算法)对其进行非线性建模,同时利用遗传算法对神经元的初始权值和阈值进行优化,进而获得了一种基于遗传算法优化的SMA BP神经网络本构模型。利用该模型对SMA实验结果进行模拟,所得结果平均误差仅为1.13%,优于未优化的SMA BP神经网络模型。结果表明,基于遗传算法优化的SMA BP神经网络本构模型,能够精确地预测SMA在反复荷载作用下的超弹性性能,避免由于初始权/阈值取值不当引起的BP网络振荡而产生不收敛的问题,同时也充分考虑了加/卸载速率的动态影响,是一种良好的速率相关型动力本构模型。     

热推弯管成形过程材料本构模型

在热推弯管成形过程实验研究基础上,综合考虑加热温度、应变速率、变形程序、应力状态与含碳量等因素对碳钢弯管成形过程材料力学性能的影响,兼顾准确性和计算简单性建立了碳钢弯管成形过程材料本构模型。     

热推弯管成形过程材料本构模型

在热推弯管成形过程实验研究基础上,综合考虑加热温度、应变速率、变形程度、应力状态与含碳量等因素对碳钢弯管成形过程材料力学性能的影响,兼顾准确性和计算简单性建立了碳钢弯管成形过程材料本构模型。     

钛合金热等静压模拟本构关键参数确定及工艺优化

对钛合金粉末热等静压进行数值模拟,以预测材料的成形性能;采用本构为MSC.Marc软件中嵌入的Shima模型,通过对该数值模型的分析;制定了本构模型中TC4材料模拟所需材料参数的测定方法。针对航空类典型环形零件的成形,应用数值模型,通过对多种不同工艺制度参数的对比,得到了热等静压过程中的关键参数压力、温度曲线的优化制度。利用热等静压制备了实际的环形样件,数值模拟与试验结果吻合较好,说明数值模拟可对零件的热等静压工艺过程进行预测,同时也为复杂零件的成形预测奠定了基础。     

基于Kriging模型的翻边成形参数优化

基于数值模拟的参数优化是一个反复迭代的过程,往往要调用有限元模型进行反复迭代,计算周期较长。同时,在翻边成形数值模拟这样的非线性动态大变形分析中,成形优化问题应归为非线性规划问题,其目标函数和约束函数都不能显式的表达,目标函数和约束函数的导数绝大多数为严重的不连续。引用地质学中Kriging模型理论,建立工程问题中的Kriging模型,并介绍了Kriging模型的建立方法;利用对非线性函数的拟合,验证Kriging模型能很好的适应高度非线性的函数;将Kriging模型应用到翻边成形中,进行工艺参数的优化。结果表明,基于Kriging模型的优化,对翻边成形能取得满意的结果。     

仿真本构模型现状及适应未来智能化成形技术应具有的预测功能

本构模型的结构形式和应用实验数据的方式与能力是影响仿真预测精度最为关键的因素,只有清楚本构模型的现状,发现可能影响到预测精度的潜在问题,才能使本构模型获得有效的改进和完善。目前,随着智能化技术在各行各业的兴起和应用,传统成形产业也必将迎来智能化的挑战,而仿真技术必将是智能化成形技术的一个主要组成部分。现有仿真模型和计算方法是否适应于未来智能化成形技术的应用要求,是非常值得讨论和研究的重要课题。为此,分析了现有本构模型的构建形式和基本预测特性,并基于目前所依托的基本理论概念讨论了现有本构关系(塑性应力-应变关系)存在的不足之处和需要完善的地方。在此基础上,进一步讨论了仿真本构模型对未来智能化成形技术发展所起的作用,以及可能会发生的根本性改变,特别是在仿真模型构建概念上的改变,即如何从采用传统的、固定形式的实验数据特性来描述任意加载状态的变形特性,发展到基于对包含任意加载状态的大数据处理结果再现出具体成形件的变形特性。     

B280VK高强钢的Johnson-Cook本构模型与失效参数确定

通过对B280VK高强钢进行动态和准静态拉伸试验获取了其相关力学性能,并基于Johnson-Cook本构模型反求出B280VK高强钢的本构模型参数。结果表明,Johnson-Cook本构模型拟合曲线与试验拉伸曲线具有较高的一致性,能够反映出B280VK高强钢材料拉伸应力及应变变化趋势,可用于预测B280VK高强钢的应力-应变关系。然后,利用不同缺口样件准静态和动态拉伸载荷工况下获得的失效应变和应力三轴度值,通过最小二乘法拟合获得Johnson-Cook失效模型参数。最后,通过对比仿真与试验结果发现仿真与试验的载荷-位移曲线具有较高的一致性,并且峰值载荷最大相对误差被控制在9.23%以内,验证了B280VK高强钢的Johnson-Cook失效模型的准确性。     

树脂板多点热成形本构模型研究

介绍了树脂板多点热成形装置和成形原理,进行了聚碳酸酯(PC)板鞍面件多点热成形实验,获得了形状轮廓较好、厚度分布均匀的实验件。测试了PC板的玻璃态转变温度和其在不同拉伸温度和速度条件下的真实应力-应变曲线,获得了广义Maxwell模型和PC-DSGZ模型的参数。建立了树脂板多点热成形有限元模型,开展了两种本构模型下PC板多点热成形数值模拟。结果表明两种本构模型鞍面件均实现贴模成形,PC-DSGZ模型可以获得更加均匀的应变和厚度分布。数值模拟与成形实验件的厚度对比结果显示PC-DSGZ模型模拟得到的鞍面件厚度与实验结果更接近。