基于BP神经网络的挤压模具磨损预测

基于修正的Archard磨损模型,将人工神经网络与有限元分析相结合,用有限元模拟数据作为学习样本,训练BP神经网络模型,以此模型预测挤压模具的磨损,实现了模具寿命的快速预测,也为模具型腔等磨损设计奠定了基础。     

模具型腔温挤压工艺

阐述了用温挤工艺制造内六方型腔摸的方法．列举了模具在挤压过程中出现的一些主要缺陷．分析了原因．给出了解决问题的措施，对温挤工艺制造型腔模具有一定的参考价值．     

浅谈冷挤压模具与温挤压模具设计

以一具体零件为例,介绍了冷挤压模具和温挤压模具的设计及加工方法。     

温挤压模具材料的选择及其热处理

通过分析模具材料和热处理对模具使用寿命的影响,阐述了选择温挤压模具材料的原则及其典型材料的热处理工艺.     

基于BP神经网络的铝型材挤压模具优化设计

采用三层BP神经网络建立挤压模具的数学模型,利用三维刚塑性有限元模拟获得神经网络的样本信号,对神经网络模型进行训练。利用神经网络函数逼近功能,以U形铝型材在挤压工作带出口处具有最均衡的轴向挤压速度为目标,最终对U形铝型材挤压模具合理模孔位置进行了优化设计,并采用计算机模拟仿真对优化结果进行验证,表明优化结果是有效的。     

轴承保持架温挤压模具失效分析

相对于传统的加工制造方法，铜合金实体轴承保持架温挤压技术有很多优点，针对温挤压中出现凹模开裂的问题，利用三维绘图软件SolidWorks建立保持架凹模的三维模型，将三维模型导入ANSYS有限元软件进行模拟和分析，发现应力分布不均匀且应力集中现象严重。分析认为应力集中导致疲劳裂纹是凹模开裂的原因。因此提出了两种解决方案：增加凸台壁厚可以降低应力集中，从而避免出现疲劳裂纹；或者改变凹模结构以彻底消除应力集中现象。对两种方案分别进行了数值模拟验证，结果证明是有效的。     

温挤压模具的早期失效探讨及对策

针对温挤压模具在高温高压下产生早期失效的现象，探讨和剖析了模具早期失效产生的因素，从模具设计、模具材料、模具冷却和模具润滑等方面提出了对策。     

基于Deform的温挤压模具塑性变形失效分析

生产某壳体零件的凸模存在着严重的塑性变形早期失效现象,本文结合生产实际利用Deform有限元模拟软件对其温挤压过程进行了模拟.通过模拟得到模具在挤压过程中的温度场分布情况.取不同的挤压速度进行了对比分析,得到不同挤压速度时凸模前端高温层厚度.结果表明:当坯料温度低于700℃时,凸模因应力超过模具材料的屈服强度发生塑性变...     

基于BP神经网络的传力片冲裁凸模磨损仿真预测

以离合器盖总成中的传力片作为研究对象,借助Deform-3D仿真软件模拟了传力片冲裁过程中的凸模磨损情况,依据正交仿真试验的数据以及BP人工神经网络对传力片冲裁凸模的磨损量进行仿真预测。将冲裁间隙、凹模刃口圆角半径与冲裁速度作为BP神经网络的输入层,将冲裁凸模的最大磨损深度作为BP神经网络的输出层,建立3-12-1的3层BP神经网络。BP神经网络通过训练之后,仿真预测的最大误差为1.14%。基于正交试验的仿真数据对BP神经网络的性能进行检验,BP神经网络的仿真预测值与数值模拟值之间的误差为2.09%,并利用冲压级进模对BP神经网络的仿真预测值进行试验验证,两者之间的相对误差为8.25%,验证了BP人工神经网络应用于传力片冲裁凸模磨损仿真预测的准确性。     

基于人工神经网络的QCr0.5热反挤压力预测模型

以铬青铜热反挤压过程中凸模锥角、断面缩减率以及温度和挤压力的关系为研究对象，在Matlab语言环境下，以高温反挤压试验数据作为训练和预测样本，用2、3节点的双隐层BP型神经网络对钢材单位挤压力进行了预测。结果表明此方法预测铬青铜反挤压力是有效和可行的。     

影响温挤压模具的寿命因素及对策探讨

针对温挤压模具在高温高压下产生失效的现象,从模具设计、模具材料、热处理、机械加工和模具摩擦等5个方面探讨和剖析了影响模具寿命的因素,提出了延长模具寿命的对策,对温挤压技术、工艺的应用具有一定的参考价值.     

基于神经网络与遗传算法的压铸工艺参数优化

依据A356咖啡机顶盖高压铸造特点,采用FEM仿真软件对铸件成型工艺进行数值模拟,以L16(45)正交试验和6个补充试验作为BP神经网络的训练样本,建立模具热应力与浇注温度、模具预热温度、压射比压、压铸速度4个压铸工艺参数的非线性映射关系;以模具热应力σmax的最小值为优化目标,运用遗传算法进行工艺参数优化。最终得出浇注温度、模具预热温度、压射比压、压铸速度等4个参数最佳的一组组合,使试验指标σmax最小,模具的热疲劳趋势最低,零件的成型质量最佳。试验结果证明,该减少模具热疲劳趋势的优化方案具有可行性,同时对相近结构压铸件的生产也具有一定的指导意义。     

神经网络在模具型腔温升预测中的应用

挤压成形过程中由于坯料和模具之间的滑动接触摩擦和坯料的塑性变形产生热而使模具型腔表面温度升高,加剧模具的磨损。采用热力耦合有限元法计算挤压成形过程中模具型腔表面的温升,将模拟结果与人工神经网络相结合,以有限元模拟结果作为学习样本,训练BP神经网络模型,以此模型预测模具型腔表面的温升。根据预测结果分析了挤压锥角、挤压速度和摩擦系数对型腔温升的影响,为进一步建立挤压成形过程中模具型腔表面的温升模型和磨损预测模型奠定了基础。     

基于BP人工神经网络的油箱端盖拉深成形仿真预测

以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。     

法兰轴温挤压成形工艺分析与挤压凸、凹模参数优化

在分析法兰轴温挤压工艺的基础上,制定了法兰轴的温挤压工艺流程,采用正交试验法对挤压凸、凹模结构参数进行了优化,将优化的凸、凹模结构参数对法兰轴进行温挤压成形试制与验证,得到了合格零件,证明了法兰轴成形工艺方案的正确性。     

内燃机用保护螺母温挤压成形模具设计及ANSYS分析

研究了DF7C型内燃机车中的气缸螺栓保护螺母的温挤压成形工艺,确定了其成形毛坯、挤压温度、模具预热温度、模具的冷却与润滑方式等.设计了温挤压成形时阶梯轴型凸模和组合式凹模的模具结构,并利用ANSYS软件对其强度进行了有限元分析.结果表明,所设计的气缸螺栓保护螺母的模具结构是合理的,满足生产要求.经实际生产证明,该零件的下料重量由原来自由锻生产的3.85 kg下降为现在的1.3 kg,材料的利用率由原来的22.7%提高到现在的83.6%,每年可节省钢材4t多.这为生产相似零件提供了有益的依据和成功的经验.