汽车前轴的锻压工艺优化研究

采用不同的始锻温度、终锻温度和锻压速度制备了12Mn VBS汽车前轴锻件,并进行了耐磨损性能和力学性能的测试与分析。结果表明:在试验条件下,随始锻温度从1110℃提高至1170℃、终锻温度从990℃提高至1050℃或锻压速度从0.5 mm/min提高至2.5 mm/min,前轴的耐磨损性能和力学性能均先提高后下降。与0.5 mm/min锻压速度相比,2.0 mm/min锻压速度时前轴的磨损体积减小67%,抗拉强度增大11%,屈服强度增大14%。前轴的始锻温度、终锻温度和锻压速度分别优选为1160℃、1040℃、2.0 mm/min。     

机械拉杆锻压工艺的神经网络优化研究

采用不同的隐含层传递函数构建了4×28×1三层拓扑结构的机械拉杆锻压工艺神经网络优化模型,并进行了学习训练和预测验证。结果表明:与logsig函数相比,以tansig函数作为隐含层传递函数的模型平均相对训练误差从5.4%减小至2.5%。以tansig函数作为隐含层传递函数的模型平均相对预测误差为2.4%,具有较强的预测能力和较高的预测精度。     

离合器片锻压工艺的神经网络优化研究

以离合器片材料、模具温度、始锻温度、终锻温度和锻压速度为输入层参数,以磨损性能为输出层参数,采用不同训练函数构建出5×40×8×1四层结构的离合器片锻压工艺优化神经网络模型。结果表明,当训练函数选用trainlm、traingd和traingdm函数时,神经网络的相对训练误差分别在2.6%~4.7%、3.1%~5.6%、1.9%~3.4%。以traingdm函数作为训练函数的离合器片锻压工艺优化神经网络相对预测误差在2.1%~3.3%,具有较强的预测能力和较高的预测精度。     

机械曲臂锻压工艺的神经网络优化研究

以曲臂锻压的5个主要工艺参数作为神经单元输入层参数,以冲击性能作为输出层参数,构建了5×35×1三层拓扑结构的曲臂锻压工艺优化神经网络模型。经学习训练和预测验证,神经网络的相对训练误差1.5%~3.5%、相对预测误差1.8%~3.0%,具有较强的预测能力和较高的预测精度。     

机械联接环的锻压工艺优化研究

针对20CrMnTi钢机械联接环生产效率低、质量稳定性差、废品率高等问题,对其进行了工艺改进试验,并进行了显微组织、拉伸和冲击试验测试分析。结果表明:改进的锻压工艺为毛坯1180℃预热后1320℃反向锻压;与生产线现有工艺相比,采用改进工艺后机械联接环抗拉强度增加161 MPa,屈服强度增加201 MPa,断后伸长率增加7.6%。     

新型建筑销轴的锻压工艺优化研究

采用不同的始锻温度、终锻温度和锻压变形量进行了新型建筑销轴锻压试验,并进行了拉伸性能的测试与分析。结果表明:在试验工艺下,随始锻温度从1200℃升高至1280℃,终锻温度从680℃升高至760℃,锻压变形量从6%上升至14%,销轴的抗拉强度先提高后下降。销轴的锻压工艺参数为:始锻温度1260℃、终锻温度720℃、锻压变形量10%。     

新型汽车曲轴锻压工艺的优化

研究了始锻温度、终锻温度和锻压变形量3个工艺参数对38MnVAlMg新型汽车曲轴弯曲疲劳性能和热疲劳性能的影响。结果表明:随始锻温度从1050℃增加至1150℃或终锻温度从750℃增加至950℃或锻压变形量从6%增加至12%,新型汽车曲轴的弯曲疲劳性能和热疲劳性能均先提高后下降,中值疲劳强度先增大后减小,热疲劳试验后的主裂纹级别、网状裂纹级别和热疲劳裂纹级别均先减小后增大。始锻温度、终锻温度和锻压变形量分别优选为1100℃、850℃、10%。     

新型铝合金建筑扣件的锻压工艺参数优化研究

采用不同的始锻温度和终锻温度对新型铝合金建筑扣件试样进行了成形试验,并进行了耐磨损性能的测试与分析。结果表明:随始锻温度、终锻温度的增加,扣件试样的磨损体积先减小再增大,耐磨损性能先提升再下降。与420℃始锻温度相比,480℃始锻温度下试样的磨损体积减小38.71%;与300℃终锻温度相比,360℃终锻温度下试样的磨损体积减小了42.42%。扣件的锻压工艺参数优选为:始锻温度480℃、终锻温度360℃。     

基于神经网络的汽车连杆锻压工艺优化

以模具加热温度、预热温度、始锻温度、终锻温度和锻压速度为输入层参数,以冲击性能、耐磨损性能为输出层参数,构建了汽车连杆锻压工艺优化的5×25×15×2四层神经网络模型。结果表明,神经网络模型的预测误差小于3%,具有较强的预测能力和较高的预测精度。与生产线原锻压工艺相比,采用优化工艺生产的汽车连杆冲击吸收功增大24%,磨损体积减小35%。使用优化工艺生产的汽车连杆冲击性能和耐磨损性能得到提高。     

铝合金活塞模锻件的锻压工艺优化

采用11组不同工艺制度进行了Al-Si系铝合金活塞模锻件的锻压试验,通过抗冲击性能和耐磨损性能的测试与分析,对其锻压工艺制度进行优化。结果表明,随始锻温度从420℃提高至480℃,随终锻温度从340℃提高至380℃,或随锻压变形量从3%增至11%,活塞模锻件的抗冲击性能和耐磨损性能均先提高后下降。始锻温度优选为465℃、终锻温度优选为370℃、锻压变形量优选为9%。     

基于BP神经网络的前轴锻压工艺优化

以始锻温度、终锻温度、锻压比和前轴材质4个参数作为输入层函数,以耐磨损性能和疲劳性能作为输出层函数,采用4×16×8×2四层拓扑结构构建了前轴锻压工艺的神经网络优化模型,并进行了训练、预测和验证。结果表明,神经网络的耐磨损性能相对训练误差在3.2%～5.7%、疲劳性能相对训练误差在3.2%～5.5%;耐磨损性能的相对预测误差在2.6%～4.2%、平均相对预测误差为3.15%,疲劳性能的相对预测误差在2.6%～4.1%、平均相对预测误差为3.17%。     

基于BP神经网络的连杆锻压工艺优化

以连杆材料、模具预热温度、始锻温度、终锻温度、锻压速度为输入层参数,以磨损体积为输出层参数,构建了5×25×1三层拓扑结构的连杆锻压工艺优化神经网络模型,并对该模型进行了预测和验证。还对45钢连杆和40Cr钢连杆的磨损性能进行了测试分析。结果表明,连杆锻压工艺神经网络模型的平均相对训练误差为4.1%,平均相对预测误差为4.5%,具有较精准的预测能力和精度。应用BP神经网络模型优化锻压工艺的45钢连杆和40Cr钢连杆的磨损体积分别较产线现用工艺减小了38.2%、44%。神经网络优化的连杆锻压工艺的最佳参数为:材料40Cr钢、模具预热温度450℃、始锻温度1240℃、终锻温度810℃、锻压速度32 mm/s。     

基于神经网络算法的连杆锻压工艺优化

基于神经网络算法,以连杆材料、始锻温度、终锻温度、毛坯预热温度、模具加热温度和锻压速度为输入层参数,以屈服强度和耐磨损性能为输出层参数,构建了三层拓扑结构的连杆锻压工艺优化模型,并进行了模型的训练、预测和应用验证,以及连杆的屈服强度和耐磨损性能的测试与分析。结果表明,神经网络模型具有较强的预测能力和较高的预测精度。与生产线现用工艺相比,采用神经网络模型优化工艺制备的连杆屈服强度和耐磨损性能均得到明显提高;40Cr和42CrNiMo连杆屈服强度分别增加69 MPa、56 MPa,40Cr和42CrNiMo连杆磨损体积分别减小44%、40%。     

基于神经网络的汽车前轴锻压工艺优化

采用5×25×2三层拓扑结构,以始锻温度、终锻温度、锻压速度、模具预热温度、模具预热时间为输入层参数,以室温耐磨损性能和高温耐磨损性能为输出层参数,构建出前轴锻压工艺优化的神经网络模型。结果表明,神经网络模型的预测能力较强,预测精度较高。与生产线传统工艺相比,采用神经网络模型优化工艺制备的前轴室温和高温磨损体积分别减小了39%和42%,室温和高温耐磨损性能均得到明显提高。     

基于神经网络的新型镁合金锻压工艺优化

以始锻温度、终锻温度、模具预热温度和变形速度作为输入层神经元,并以力学性能(抗拉强度)作为输出层参数,构建了4×24×1三层拓扑结构的汽车用新型镁合金锻压工艺的神经网络模型,并对该模型进行了预测和验证.结果表明,采用traingd函数、traingda函数、trainlm函数的镁合金锻压工艺的神经网络模型的平均相对训练...     

内燃机活塞模锻件的锻压工艺优化

采用不同的锻压工艺进行了4A11铝合金内燃机活塞模锻件的成形,并进行了耐磨损性能和弯曲疲劳性能测试与分析。结果表明:与"先制坯再2次锻压成形"工艺相比,"1次锻压成形"工艺明显提高了模锻件的耐磨损性能和弯曲疲劳性能;模锻件的磨损体积可减小59%,中值弯曲疲劳强度可增大42%。模锻件的锻压工艺优选为:480℃始锻、380℃终锻的"1次锻压成形"工艺。     

锻压工艺对数控机床齿轮锻件硬度和磨损性能的影响

采用不同的模具预热温度、始锻温度、终锻温度和锻压速度对4140数控机床齿轮毛坯进行了锻压,并进行了试样的硬度和磨损性能测试与分析。结果表明:在试验条件下,随模具预热温度从220℃升高至300℃、始锻温度从1150℃升高至1230℃、终锻温度从790℃升高至870℃或锻压速度从35 mm/min增加到55 mm/min,齿轮的硬度和磨损性能均先提高后下降。数控机床齿轮锻件的最佳工艺参数为:模具预热温度280℃、始锻温度1210℃、终锻温度850℃、锻压速度45 mm/min。     

效合金锻压工艺研究

以前,抚顺钢厂生产钛合金饼材、环坯、大棒均在3吨或5吨蒸汽锤上锻造,组织和性能虽然合格,但不够稳定.为了提高产品质量,保证数量,从80年代中期开始采用从西德引进的“L700P7型”7吨真空自耗炉熔炼φ508mm铸锭,在由西德DEMAG公司制造的200t自由快速锻造液压机,即简称2000t快锻机上生产.主要产品:TC11/饼材>φ300mm×60mm ;环坯>     

基于BP神经网络算法的喷头锻压工艺优化

以喷头材质、模具预热温度、始锻温度、终锻温度和锻压速度作为输入层参数,以磨损性能作为输出层参数,采用BP神经网络算法构建了5×20×4×1四层拓扑结构的喷头锻压工艺优化BP神经网络模型。经过训练和预测验证,神经网络模型的相对训练误差低于5%,相对预测误差低于5.5%,具有较佳的预测能力和预测精度。