喷丸成形2024铝合金整体带筋壁板变形规律研究

目的 获得2024铝合金在不同喷丸参数下壁板外表面的变形规律。方法 选取喷丸气压、移动速度、预应力3个工艺参数作为正交试验因素进行预应力喷丸成形正交试验,研究在不同参数组合下单筋件的变形规律。结果 工艺参数按对单筋件变形量影响程度从大到小的顺序依次为：移动速度、预应力和喷丸气压。获得了2024铝合金单筋试验件喷丸成形后曲率半径与气压、移动速度和预应力之间的回归方程,其拟合值与试验值偏差小于12.6%。结论 获得了喷丸成形工艺参数对单筋件弯曲变形的影响规律,建立了工艺参数与曲率半径的回归方程,可为今后带筋壁板零件的喷丸成形工艺设计提供参考。     

Ti–6Al–4V钛合金筋板类吊挂锻造成形工艺优化及模具磨损研究

目的 改善Ti–6Al–4V筋板类吊挂锻件成形缺陷,降低模具磨损。方法 通过对原始工艺中存在的折叠、充填不满等缺陷进行分析,揭示局部飞边高度对锻件充填的影响,进而优化终锻模具局部飞边高度;通过增加预锻件筋条等几何特征,对预锻模具结构进行优化设计,并分析塑性变形时筋条区域金属材料的流动情况。结合BP神经网络技术,分析锻造工艺参数对终锻模具磨损的影响,并对工艺参数组合进行优化设计。结果 基于局部飞边高度对锻件充填效果的影响规律,确定最佳局部飞边高度为4mm;通过增加预锻筋条优化预锻件结构,从而有效避免折叠缺陷;将BP神经网络技术与数值模拟结合,得到了最优工艺参数组合,有效降低了锻造模具的磨损量。结论 通过实际锻造生产试验对模拟分析结果进行了验证,固化了最佳模具结构与工艺参数组合,获得了变形均匀且无工艺缺陷的钛合金发动机吊挂锻件。     

V型伸长翻边解析与数值研究

为了预示曲面翻边成形性能,采用有限元仿真、解析计算与人工神经网络的方法对V型零件翻边成形进行了分析.通过建立有限元模型研究了工艺参数对成形性能的影响;基于全量塑性理论及膜应变假定,推导了轴对称情况的解析计算模型;以数值模拟结果作为训练样本,建立了V型翻边成形性能预测的BP神经网络模型.研究结果表明:工艺条件对翻边成形有较大影响,其中以张角的影响最为显著;解析模型计算简便,但是只适用于零件张角较小以及相对翻边高度较小的情况;有限元仿真与人工智能相结合的BP人工神经网络模型可以快速有效地预测翻边成形性.     

面向壁厚均匀性的拉深成形TRB板形设计及神经网络预测模型

目的 研究连续变截面板拉深成形过程中圆筒件的壁厚均匀性问题。方法 基于正交试验设计和极差分析方法,研究连续变截面板结构参数对圆筒件拉深成形壁厚均匀性的影响,并结合SSA–BP神经网络预测并验证连续变截面板成形的壁厚均匀性。结果 通过正交试验及极差分析,得到连续变截面板各结构参数按对最大壁厚影响由大到小的顺序依次为薄区厚度>厚区厚度>左侧过渡区长度>右侧过渡区长度;按对最小壁厚影响由大到小的顺序依次为薄区厚度>厚区厚度>右侧过渡区长度>左侧过渡区长度;按对最大壁厚差影响由大到小的顺序依次为薄区厚度>左侧过渡区长度>厚区厚度>右侧过渡区长度。综合考虑最大壁厚、最小壁厚及最大壁厚差,得到最优参数组合如下:厚区厚度为1.1 mm,薄区厚度为0.8 mm,左侧过渡区长度为2.5 mm,右侧过渡区长度为29.5 mm。基于正交试验分析结果建立的SSA–BP神经网络模型具有良好的预测能力,正交试验外5组数据的预测值与真实仿真值的最大误差均在11%以下。结论 基于正交试验分析结果建立的SSA–BP神经网络模型能够实现对TRB板圆筒件拉深成形壁厚的准...     

高强钢板冲压成形的回弹规律与工艺参数研究

高强钢板冲压成形的回弹问题在很大程度上制约了其深入应用,合理的工艺是减少回弹的关键和有效途径之一.建立了曲面扁壳件冲压成形的有限元模型,基于正交试验法研究了工艺参数,包括压边力、摩擦系数、板厚以及拉深筋的布置方式对回弹的影响规律,采用普通钢板和高强钢板分别进行了冲压成形实验,并与数值模拟结果进行对比.结果表明,高强钢板冲压成形的回弹较大,但通过合理的压边力和拉深筋布置方式可以实现高强钢板冲压成形回弹的有效控制.     

基于BAS算法优化的电弧增材制造焊道尺寸预测

目的 为提高实际应用中电弧增材制造对工艺参数的选取效率及成形形貌的控制效果,建立高效且精准的成形尺寸预测模型,实现对焊道尺寸的合理预测。方法 在单层单道CMT电弧增材制造实验的基础上,建立基于天牛须搜索算法(Beetle Antennae Search,BAS)优化BP神经网络的焊道尺寸预测模型,利用BAS算法实现对BP神经网络初始权值和阈值的优化,可以实现预测不同工艺参数(焊接速度、送丝速度、干伸长)下焊道的成形尺寸(熔宽、余高)。利用试验验证BAS-BP预测模型的性能,与现有模型进行对比,结果 结果表明该模型具有较高精度的预测效果,能够有效映射工艺参数与焊道尺寸之间的非线性关系,印证了该模型具有良好的拟合和泛化能力,同时其对焊道熔宽和余高的预测误差分别不超过0.2、0.12 mm,预测平均误差率均不超过6%,相对于其他预测模型表现出较好的准确性和稳定性。结论 BAS-BP神经网络预测模型的输出误差较小,网络训练收敛速度加快,避免了过拟合及欠拟合的风险,有效提高了预测模型的泛化能力和预测精度,可以实现一定工艺参数范围内的焊道尺寸预测,为后续电弧增材的实时预测及控制参数应用提供了技术支持。     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。     

工艺参数对7075铝合金带筋壁板时效成形回弹的影响

目的 研究7075航空高强度铝合金带筋壁板时效成形过程中工艺参数对零件回弹的影响,以提高筋板类零件的产品质量。方法 利用正交试验开展不同工艺参数组合下的带筋壁板时效成形试验,并对带筋壁板时效成形后的回弹率进行极差分析和规律曲线分析。结果 带筋壁板时效成形后的回弹同时受到时效参数和筋板结构参数的影响,各因素按对回弹的影响程度由大到小的顺序依次为时效时间、筋条厚度、筋条高度和时效温度,筋条结构参数对调节构件回弹有重要作用,并且回弹率实测值基本处于回弹率随工艺参数变化的拟合曲线附近。结论 回弹率随时效时间和筋条高度的增加表现为非线性下降趋势,随筋条厚度的增加呈现线性上升趋势。7075铝合金带筋壁板时效成形后的回弹行为可以用回弹率回归方程进行较为合理的描述。     

基于BP神经网络遗传算法的高强钢成形研究

对新材料DP-780高强钢依据国家标准GB/T228.1-2010进行室温拉伸试验,获得材料的力学性能参数;依据冲压成形极限图,进一步提出冲压成形质量评价指标;针对车身侧围板整个冲压制造工艺过程,对不同的工艺参数设计正交试验,并得到试验数据库;根据BP神经网络遗传算法得到最优参数组合,最后经试验验证,满足成形工艺要求并且与数据库结果相匹配。     

铝合金薄板冲压成形过程中的侧壁起皱及有限元模拟

针对铝合金薄板的侧壁起皱问题,本文通过有限元软件分析工艺参数对成形质量的影响,提出了一种基于数值模拟与智能算法相结合的优化方法。首先,利用最优拉丁超立方抽样进行实验设计,并依据数值模拟获取实验值;其次,基于BP神经网络拟合工艺参数与成形质量之间的关系,预测结果的平均相对误差为2.69%,建立了准确的预测模型;最后,用遗传算法极值寻优获取了一组最优的工艺参数组合,起皱幅值的预测值和仿真值相对误差仅为4.03%,实验结果与仿真分析结果相近,验证了该优化方法的合理性和有效性。研究表明:以料厚、摩擦系数和压边力作为优化变量,以最大起皱幅值最小化为优化目标,建立几何模型,并利用有限元软件Autoform进行仿真分析;依据起皱轮廓线径向位移的实验和数值模拟对比,验证了有限元模型的正确性,表明利用神经网络和遗传算法极值寻优可以有效解决铝合金侧壁起皱缺陷。     

2050铝锂合金喷丸成形变形规律试验研究

目的 以某飞机机身壁板为研究对象,采用2050铝锂合金材料开展喷丸成形基础工艺研究,获得其宏观变形规律。方法 采用正交试验法,选取零件厚度、喷丸气压、移动速度、预应力4个喷丸工艺参数作为正交试验因素,对2050铝锂合金进行喷丸成形试验,研究不同工艺参数对喷丸变形的影响规律。结果 随着4个喷丸工艺参数的变化,2050铝锂合金喷丸弯曲半径曲线均呈现出幂函数曲线特征,其中喷丸弯曲半径随着零件厚度和移动速度的增大而增大,随着喷丸气压和预应力的增大而减小。结论 根据正交试验结果可知,各参数对喷丸变形程度的影响顺序为:板材厚度>预应力>移动速度>喷丸气压。通过回归分析建立了喷丸弯曲半径与工艺参数间的幂函数经验方程,为后续开展机身壁板喷丸成形提供了一定的技术支撑。     

基于回归方法和神经网络的电弧增材制造单道成形形貌预测

目的 针对电弧增材制造技术实际应用中工艺参数选取困难和成形结果难预测的问题,确定高效、准确的电弧增材制造单道成形形貌预测的数学方法,以快速、方便地选取丝材电弧增材制造工艺参数并指导成形质量控制。方法 在单道单层丝材电弧增材制造实验的基础上,采用多种回归方法和神经网络方法分别建立焊接电流、电压和焊枪移动速度等多个工艺参数与增材层宽度、增材层高度及熔池深度等成形形貌参数之间的数学关系模型。结果 电弧增材制造单道成形形貌与焊接电流、电压和焊枪移动速度显著相关,且各参数间存在非线性交互作用;采用多元线性回归法可较准确地预测单道增材层宽度,但对于增材层高度和熔深的预测效果较差;神经网络可良好地处理各工艺参数间复杂的非线性关系,其对增材层宽度、增材层高度和熔深的预测平均误差率分别为4.17%、6.60%和7.01%,显著优于多元线性回归法。结论 采用神经网络法可以准确预测电弧增材制造单道成形的形貌参数,进而指导增材制造工艺参数的选取和成形质量的控制。     

表面滚压强化工艺对FV520B钢表面完整性的影响及预测模型建立

目的 基于多元回归法和BP神经网络建立预测模型,实现对滚压后试件表面完整性指标的精准控制,从而指导实际加工生产。方法 以FV520B钢为研究对象,以滚压工艺参数（压强、进给量、滚压速度）为影响因素,以材料表面完整性指标（表面粗糙度、表面硬度、塑性变形层深度）为评价指标,设计了正交试验。通过对正交试验数据进行方差分析和信噪比分析,探究了滚压工艺参数对FV520B钢表面完整性的影响。基于正交试验数据构建了多元回归预测模型和BP神经网络预测模型,并对2种模型的有效性和精准度进行了分析和比较。结果 进给量对表面粗糙度有显著影响,随着进给量的增大,表面粗糙度也显著增大。压强和进给量对塑性变形层深度均有显著影响,且塑性变形层深度随着压强的增大而增大,随着进给量的增大而减小。多元回归法建立的预测模型的拟合度较差,而BP神经网络预测模型的实验值和预测值的相对误差均在10%以下,预测效果较好。结论 相比于多元回归预测模型,BP神经网络预测模型具有误差小、泛化性能好等优点,能够实现对滚压后试件表面完整性指标的精准控制,为实际的加工生产提供一定的指导。     

Strength enhancement of the welded structures by ultrasonic peening

Residual stresses exist in all manufacturing processes which use heat and/or force such as casting, forming, machining and welding. Sometimes they cause decrease in strength and life of components especially under dynamic loads and vibration conditions. To improve fatigue strength, a number of post treatment operations are being used such as grinding, shot peening, re-melting and heat treatment. Ultrasonic peening is a newly developed method for the improvement of fatigue strength of, mainly, welded joints and structures. By employing this process, geometry of weld toe can be modified for reducing the stress concentration. In addition, elimination of tensile residual stresses, exertion of compressive residual stresses and closing of cracks, voids and cavities are expected, too. The extra advantage of this technology is its application on massive and large structures which cannot be treated by other procedures. For investigating the effect of ultrasonic peening on stainless steel-304 welded parts, a series of experiments were designed and implemented. Ultrasonic peening is mostly used as a mechanical surface treatment method in the automotive and aerospace industries. However, this paper comprises the results of experimental fatigue strength tests along with metallography, micro hardness and corrosion resistance tests of welded pieces with and without processing by ultrasonic peening. Experiments proved that under post treatment by ultrasonic peening, a better mechanical and corrosion resistance is achieved.     

基于机器学习的薄板等离子弧搭接焊的熔深预测

在等离子弧搭接焊中,搭接焊接头的焊缝熔深是评价焊接质量的关键指标之一,而焊接过程中的热输入信息和熔池图像信息都与焊缝熔深有密切关系。本文通过建立304L不锈钢薄板等离子弧搭接焊数据采集系统,利用LabVIEW实时检测电信息,采用视觉传感技术实时获取薄板等离子弧搭接焊过程中的熔池图像,并通过图像处理方法获得熔池的几何参数信息,结合焊接工艺参数,选择峰值电流、峰值电压、焊接速度、离子气流量、保护气流量、熔池宽度和熔池后端长度作为输入量,焊缝熔深作为输出量,建立了基于支持向量机回归和BP神经网络的熔深预测模型。实验验证表明,采用径向基函数的支持向量机回归模型可以有效地对焊缝熔深进行预测,并具有很好的泛化能力,可为进一步实现在线优化焊接工艺参数提供依据。     

先进喷丸表面改性技术研究进展

综述了先进喷丸表面改性技术研究现状及应用,阐述了微粒子喷丸、激光喷丸、超声/高能喷丸、高压水射流喷丸的基本原理,与传统喷丸对比发现,微粒子喷丸可提高材料的耐磨性,激光喷丸可精确控制定位,超声/高能喷丸可实现材料表面纳米化,高压水射流喷丸可承受半柔性冲击并减少应力集中.此外,对各种喷丸技术综合分析并进行对比,认为超声喷丸、复合喷丸(高能-微粒喷丸,激光-机械喷丸)综合性能最佳,并展望了未来应重点开展的工作.     

大尺寸2024-T351铝合金喷丸成形曲率变化规律研究

目的 以喷丸成形工艺下的2024-T351铝合金平板件和单筋件为研究对象,分析弦向及展向曲率半径试验值与拟合值的变形规律。方法 针对试件厚度、喷丸压力、喷丸速度、预弯量4个参数进行喷丸成形操作的正交试验,通过测量成形后曲率的变化规律,分析不同参数组合对平板件和单筋件成形变化规律的影响。结果 在不考虑材料性能波动的情况下,随着平板件厚度和喷丸速度的增大,平板试件的弦向曲率半径和展向曲率半径均呈递增趋势;而随着喷丸压力的增大,平板试件的弦向曲率半径和展向曲率半径则呈现递减趋势,即当平板件厚度和喷丸速度增大时,喷丸成形对平板试件弯曲的影响程度有所增大,曲率半径减小;反之,喷丸成形对平板试验件弯曲的影响程度减小,曲率半径增大。结论 在忽略初始状态并将其假设为自由状态或给定预弯量状态的条件下,随着喷丸速度的增大,单筋试件的曲率半径递增,试验值与拟合值的变化趋势基本相符,二者最大偏差为11.2%。     

V型坡口多层多道焊焊道几何参数预测

中厚板V型坡口多层多道焊焊接过程中,每一条焊道的几何参数都会影响最终焊缝成形质量。为了评估V型坡口多层多道焊缝成形质量,提出了基于麻雀搜索算法(SSA)优化的BP神经网络模型预测焊道几何参数。文中通过实验分析各焊接工艺参数对焊道成形几何尺寸的影响,确定了以焊接电流、焊接速度、熔池宽度作为模型的输入,将能表征焊道质量的焊道高度和焊道计算高度作为模型的输出。对优化前后BP神经网络预测模型的性能进行对比,结果表明,优化后模型预测结果的相对误差分别保持在±4%、±8%以内,模型的稳定性、准确率都有较大提升,证明了该方法可有效预测V型坡口焊接时的焊道几何参数。     

基于神经网络的电弧增材制造铝合金力学性能预测

目的 预测不同工艺参数下电弧增材制造铝合金的力学性能。方法 通过实验建立了电弧增材制造6061铝合金及Ti C增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果 与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R²)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测Ti C增强的6061铝合金抗拉强度最佳结果的R=1,R²高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论 BP、PSO-BP、GA-BP 3种神经网络模型可以用来预测电弧增材制造...