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。     

新型汽车前轴的半固态锻压工艺研究

采用不同工艺参数进行了12Mn VBS-Ni Zr新型汽车前轴的半固态锻压试验,并测试了前轴的-40℃低温冲击和磨损性能。结果表明:半固态晶粒等效直径为65.352μm,圆整度为0.7832。在试验条件下,随始锻温度从1200℃升高到1320℃,或终锻温度从700℃上升至840℃,或锻压变形量从10%增加至16%,汽车前轴的低温冲击性能和磨损性能均先提高后下降。与700℃终锻相比,820℃终锻时汽车前轴-40℃冲击吸收功增大65.6%,磨损体积减小45.7%。     

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%。     

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%。     

汽车前轴锻造工艺改进研究

前轴是汽车底盘系统的重要安全零件,前轴的生产多采用热模锻的生产工艺,新开发的前轴锻件需要经过台架试验、道路试验,达到强度和疲劳寿命指标才能批量生产。从汽车前轴锻压机模锻工艺的设计、生产过程的控制方面考虑,介绍了机械压力机前轴锻造自动生产线锻造工艺的改进研究,其内容包括:锻件图设计中几个主要部位的设计方法;机械加工余量及技术条件的规定;坯料尺寸的确定;模具设计的改进;模具失效原因的确定及模具寿命的提高方法等。汽车前轴锻造企业在生产过程中逐渐积累经验,在不断改进的过程中,建立了前轴锻造工艺数据库,提高了前轴类新产品开发的速度,生产线的效率明显提升,获得了稳定的锻件质量和较低的生产成本。     

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。     

前轴工字梁成形工艺优化研究

对某重卡前轴精密辊锻成形中工字梁金属充填不满的问题进行了分析,根据最小阻力定理提出了模具型腔分段式摩擦梯度的方法来优化它的充填成形。利用Deform-3D软件模拟分析了不同的分段方式、不同摩擦梯度对前轴工字梁充填影响规律。     

锻压+深冷处理对汽车前轴冲击性能的影响

为了提高12Mn VBSIn钢新型汽车前轴的冲击性能,采用不同的锻压方法及工艺参数对前轴进行了锻造,并进行了深冷处理和25℃室温与-40℃低温前轴冲击性能的测试与分析。结果表明:常规锻压时前轴的始锻温度优选为1120℃、终锻温度优选为980℃、锻压速度优选为8 mm/s。与常规锻压工艺相比,常规锻压后液氮深冷处理的压前轴的室温和低温冲击吸收功分别增大27.5%、26.5%。     

基于神经网络的镁合金汽车车轮锻压工艺优化

采用5×30×10×2四层拓扑结构,以模具温度、锻件温度、成形速率、摩擦因子和保压时间作为输入层函数,以耐腐蚀性能、耐磨损性能作为输出层函数,构建了镁合金汽车车轮锻压工艺神经网络优化模型并进行了训练、预测、验证和生产线应用,以及试样的显微组织、耐腐蚀性能和耐磨损性能的测试与分析。结果表明,该神经网络优化模型预测能力强、预测精度高,输出的耐腐蚀性能预测相对误差在1.1%~2.8%之间、耐磨损性能的预测相对误差在1.3%~2.9%之间。与生产线现用工艺参数相比,采用神经网络模型优化工艺参数获得的镁合金汽车锻压车轮的腐蚀速率减小40%、磨损体积减小32%,耐腐蚀性能和耐磨损性能得到明显提高。     

锤锻汽车前轴工艺模具设计

锤锻汽车前轴工艺模具设计０４３５１４翼城县山西锻造厂赵明钟，韩俊栓在１０、１６ｔ模锻锤上整体模锻汽车前轴日益普遍，其工艺和模具设计水平亦日渐提高。现根据多年生产２０几种轻、中、重型汽车前轴的生产实践经验，并结合本厂的装备状况，将其工艺、模具设计介绍如...     

汽车前轴锻造工艺的合理采用

本文介绍了目前国内应用的几种前轴锻造工艺，其中二汽引进西德ＥＵＭＵＣＯ公司的１２００００ＫＮ热模锻压力机模锻工艺具有现代国际水平。作者认为锻精制坯后体模锻工艺和成形辊锻工艺，具有设备投资少，成本较低的优点，适合中小企业采用。     

前轴弹簧板精整工艺优化

针对传统机械加工方法制造前轴弹簧板导致产品强度下降的问题,提出了先整体夹紧后压平的弹簧板精整工艺。在此基础上对弹簧板局部形状进行了优化设计,有效降低了最大成形载荷;通过有限元模拟,进一步研究了整形温度、摩擦系数对最大载荷的影响规律,为此类零件的局部精整工艺制定提供了理论参考。     

数控机床钻头的锻压工艺优化研究

采用不同的始锻温度、终锻温度和锻比,对含锶数控机床钻头进行了锻压试验,并进行了表面硬度、高温耐磨损性能和高温冲击性能的测试与分析。结果表明,随着始锻温度、终锻温度、锻比的增加,钻头的表面硬度、高温磨损体积和高温冲击吸收功均先增大后减小。钻头的优化工艺为始锻温度1180℃、终锻温度950℃、锻比6。此工艺下,钻头的表面硬度达78 HRC,600℃磨损体积低至21×10~(-3)mm~3,600℃冲击吸收功高达58 J。     

汽车前轴辊锻成形工艺分析

论述了中吨位汽车前轴辊锻成形工艺参数的确定方法和模具设计要点.通过实践证明,汽车前轴的辊锻成形工艺存在的诸如难于展宽、不均匀变形、毛坯与型槽的对中性及控制锻件长度等问题,都可以通过合理设计辊锻模具、优化模具型腔结构、调整成形工艺及采用专用工装夹具予以解决.     

防止汽车前轴早期断裂的工艺措施

针对某汽车前轴早期断裂失效的原因，从锻造工艺、热处理工艺、产品设计，以及生产过程中的质量控制等方面进行了分析和讨论。提出了许多合理化建议，以确保产品质量，防止断裂事故的发生。     

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。     

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%。     

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。