空调后板冲压成形的回弹翘曲研究

采用CAE分析以及试验相结合的方法,建立加筋后空调后板冲压成形及回弹的有限元数值模型,研究后板在冲压成形过程中的回弹问题,得到加强筋的形状、位置、尺寸等对成形效果的影响规律。提出该后板的加筋设计规范,依据设计规范,加筋后的后板回弹较小,满足实际生产要求。     

汽车顶板拉深成形回弹分析及补偿的研究

针对汽车覆盖件拉深成形过程中存在回弹缺陷,以有限元分析软件Dynaform为平台,对某汽车顶板进行回弹分析与补偿的研究,解决该零件在成形过程中的回弹缺陷。通过利用回弹补偿法对模具结构进行4次有效迭代补偿修正,并运用Dynaform软件对优化的模具结构进行有效性验证,成形零件的最大正向回弹量从19.048 mm下降至1.052 mm,降低了94.477%;最大反向回弹量从-8.598 mm下降至-2.172 mm,降低了74.738%。通过研究发现,采用此方法可以控制大型冲压件的回弹量,但随着回弹补偿次数的增加会使模具结构出现过度补偿现象,导致回弹量增加。     

汽车踏板横梁翻边过程中的回弹预测

以汽车踏板横梁为研究对象,结合数值模拟技术与GRNN神经网络对零件翻边过程中的回弹情况进行预测。首先采用Autoform对踏板横梁翻边过程进行模拟,并与相同参数下实际零件回弹角进行对比,验证模拟结果的准确性和可替代性。再通过设计正交试验获取不同参数组合下各检测点的回弹角数据作为样本数据,并在MATLAB中对GRNN神经网络进行训练。为保证预测精度,设置多组光滑因子进行训练,发现光滑因子为0.1时,网络具有最优的逼近性能和预测性能,并作为最终网络模型进行检验。通过预测结果与真实结果进行对比,发现预测误差最大为4.3%,满足生产要求。研究表明,GRNN神经网络对板料翻边回弹预测既具有较高效率,又具有较高的精度。     

汽车前车门内板多步冲压成形回弹预测及控制

文章以汽车前车门内板为研究对象,基于单工序模拟精度偏低的问题,提出采用多步冲压成形数值模拟方法对多道冲压工序的回弹量进行预测,前车门内板窗框处最大回弹量为3.2mm。将模拟结果与试验结果进行比较,认为采用多步冲压成形模拟方法对回弹预测精度更高,预测精度可提高26%。通过优化成形工艺参数,提出合理的模具结构方案,得到回弹量在±0.7mm公差范围,模拟与实测结果更为吻合。     

汽车覆盖件成形过程中回弹问题研究现状

介绍了汽车覆盖件成形过程中回弹问题的研究现状,数值模拟的基本流程,影响因素及控制补偿概况,并对回弹问题的研究前景作了展望。     

拼焊板方盒件拉深成形过程变压边力曲线预测

基于有限元数值模拟软件LS-DYNAFORM,对拼焊板方盒形件拉深成形进行模拟研究。通过改变拉深成形过程中压边力这一最重要且易于控制的工艺参数,寻求拼焊板方盒形件拉深成形时较优的变压边力曲线加载形式。为预测不同工艺参数下拼焊板方盒形件拉深成形时的较优压边力加载曲线,建立了变压边力的BP神经网络预测模型,并将该模型预测的结果与数值模拟得到的结果进行对比分析。研究结果表明,拼焊板薄板采用变压边力、厚板采用恒定压边力、且薄板压边力不小于厚板压边力的加载形式,拼焊板成形件整体质量较好,焊缝移动量较小;神经网络预测模型能较好的预测拼焊板方盒形件拉深成形时的变压边力,与数值模拟结果的最大相对误差在12.3%以内。     

顶端板拉深回弹控制与影响因素分析

针对某轨道客车顶端板拉深成形存在的缺陷,运用塑性力学理论进行应力分析,提出优化补充造型和翼边反向拉深的控制方法,并运用数值模拟分析不同因素对板料拉深回弹和翘曲的影响规律。结果表明,进行板料工艺补充、增加翼边拉深工序能有效地减小端壁翘曲和拱顶外张。增大板料大曲率半径段外扩量、增大压边力和减小凹模圆角半径能有效减小端壁翘曲回弹量。控制翼边顶料板圆角半径在R4~R8mm,凸、凹模间隙在1.6~2mm,翼边压边力小于3000kN都能有效地控制板料拉深回弹。     

汽车后门外板拉深成形工艺的改进

针对汽车后门外板在拉深过程中的开裂问题,通过分析制件结构和拉深成形工艺,采用增大制件局部结构的圆角半径和增大脱模角度、改变拉深筋的圆角半径的方法解决制件的开裂问题。经生产实践验证,此方案可行,生产的制件合格,可为同类制件的生产提供参考和借鉴。     

某轿车侧围内板冲压成形的数值模拟

对由激光拼焊板制成的整体侧围内板进行了基于Dynaform成形软件的冲压成形模拟及参数的优化,分析了零件在冲压成形过程中的金属流动及应力应变分布规律。根据冲压后的模拟结果,进行参数优化,通过改变压边力、改进等效拉深筋等措施,抑制了成形中焊缝的移动,消除了起皱、破裂等成形缺陷。实践证明,产品质量与数值模拟结果吻合良好。     

基于灰色关联的铝合金板拉深成形扭曲回弹工艺参数优化

针对铝合金板成形工艺参数如何选取的难点,利用灰色关联准则对铝合金板成形质量进行分析,通过因子关联度的方差分析,获得铝合金板成形工艺中的主要影响因子。为了减少板料成形工艺参数优化时间,以铝合金板成形中主要影响因子为设计变量,以板料成形后扭曲回弹、增厚、减薄为成形目标,使用拉丁超立方抽取样本,通过Dynaform软件进行数值模拟获得训练样本,利用人工免疫算法训练RBF神经网络,建立主要影响因子与成形目标之间的RBF神经网络近似模型,最后采用人工免疫算法对该模型进行优化,获得最优工艺参数。以Numisheet'96 S梁为研究对象,利用本文所提出的方法进行拉深成形研究,通过对比分析优化前后的成形结果,证明了该方法能极大地提高铝合金板的成形质量。     

汽车后背门内板起皱解决措施

根据汽车后背门内板结构特点及成形方法,介绍了汽车后背门内板不同位置起皱的成形机理,并提出了5种相应的起皱解决措施,为解决汽车后背门内板起皱问题积累经验,提供思路。     

基于Autoform的汽车覆盖件拉深成形数值模拟研究

以典型覆盖件(汽车外轮罩)为研究对象,板料三维成形分析软件Autoform为平台,研究了板料与凸模、凹模的摩擦、压边力、拉深筋等因素对成形性能的影响。通过Autoform的成形仿真预测板料成形过程中减薄、拉裂、起皱等缺陷,同时分析缺陷产生的原因,进而优化板料成形工艺参数和改进模具结构。     

基于人工神经网络的拉形回弹预测技术研究

以蒙皮拉形为对象,探索了人工神经网络技术在拉形回弹预测中的应用。研究了利用神经元网络预测拉形回弹的关键技术,将人工智能技术和拉形数字仿真技术有机结合,建立了拉形回弹预测的人工神经网络模型,并验证了预测模型的有效性,为推动知识工程在飞机板金精密成形中的应用积累了经验。     

汽车座椅外侧板单动拉延成形工艺分析及优化

以某型号汽车座椅外侧板为例,采用Auto Form软件对座椅外侧板拉延成形过程进行模拟分析,并根据分析结果预测出拉延过程中的拉裂风险。通过调整零件的圆角半径和修改局部结构,消除了开裂风险,降低了最大减薄率。为取得更好的成形效果,选取压边力、摩擦系数、冲压速度、凸凹模间隙4个重要成形工艺参数进行正交试验及参数优化,得出最优工艺方案为:压边力250 k N、摩擦系数0.13、冲压速度1000 mm·s-1和凸凹模间隙2.42 mm,最终零件的最大减薄率为24.33%,最大增厚率为6.54%。采用优化后方案进行实际拉深试模,得出零件的成形性能与有限元模拟结果一致,工件质量完全符合设计要求。     

基于Dynaform的某汽车外板件拉延分析与模具设计

详细分析了某汽车外板拉延件的成形工艺,利用Dynaform分析软件对拉延件的成形过程进行数值模拟,获得了坯料流入量分布、拉延结果、板料厚度变化及FLD图等模拟结果.通过对模拟的结果分析,提出了减少成形缺陷的措施.根据分析结果进行拉延模具设计,确定了拉延模具结构及压力中心,设计了上模、压边圈及下模,详细阐述了其工作原理,并进行了实际冲压试验.结果显示,借助数值模拟技术实现了拉延模的结构优化、提高了模具设计效率与可靠性,并最终通过实际实验调试获得满足质量要求的汽车外板零件.     

基于数值模拟的覆盖件表面畸变检测算法

根据汽车覆盖件成形中表面畸变的几何特征,模拟油石检测板料表面畸变的过程,在对板料进行三维网格数值模拟的基础上,通过分析网格上节点与周围节点的相对位置,在FASTAMP后置处理系统中实现了表面畸变的检测功能。算法的计算效率和计算精度较高,在分析设计阶段实现了表面畸变的预测,使试模次数减少,生产率得到提高。     

基于UG的汽车覆盖件拉深筋参数化设计

应用UG的二次开发技术,对拉深模常用形状结构的拉深筋进行分析研究,从其设计特点、过程出发,提出了从建模到编辑修改的参数化设计方案,开发了拉深筋参数化设计软件模块,实现了拉深筋的参数化、智能化设计,提高了拉深筋设计的质量和效率。     

汽车覆盖件拉深模型面设计

阐述了汽车覆盖件的成形特点和覆盖件拉深模型面设计的基本原则,提出了包括冲压方向、工艺补充面、压料面、拉深筋及拉深台阶等设计的常用方法.以前车门外板为实例,具体分析了其成形特点,找出车门外板类冲压件成形的共性,分析车门外板类覆盖件的成形方法,为类似零件成形工艺的制定提供一定的经验.