电沉积镍涂层冲压过程的界面特性

采用有限元方法对电沉积镍涂层钢带的冲压成形过程进行了数值模拟,得到了电沉积镍涂层在界面上的应力场、应变场等冲压成形特性。计算结果表明：在冲压过程中,涂层与基体界面上的应力大小、拉压性质都是变化的,且正应力一般在-50～50MPa之间,剪应力一般在-40～30MPa之间;界面上涂层中的应变比基体中的应变大得多,但两者在变形过程中是比较匹配的。     

基于Taguchi试验设计的储箱箱盖注射工艺参数研究

注射成型受众多因素影响,在制件结构和模具结构确定的条件下,通过合理的注射工艺参数,可消除或减少塑件成型中出现的缺陷。针对某企业在试生产一种储物箱箱盖时产生翘曲变形的问题,采用Taguchi试验方法,应用Moldflow对注射过程进行模拟,获得了塑件在熔料温度、模具温度、注射时间和保压压力四因素三水平下成型的翘曲变形量。采用极差分析,比较了不同工艺参数对翘曲变形量的影响程度,得到了优化的工艺参数组合。经试验验证,其效果良好,产品的翘曲变形得到了一定的改善。     

基于韧性断裂准则用有限元方法预测镍涂层薄钢板的成形极限

首先通过拉伸试验,得到了镍涂层薄钢板和低碳钢薄板的材料参数,然后利用有限元软件Abaqus/Explicit对镍涂层薄钢板的冲压成形过程进行了有限元模拟,得到了涂层和基体在冲压变形过程中的应力、应变以及断裂的初始位置及厚度分布,并通过Oyane韧性断裂准则预测了镍涂层薄钢板的成形极限;并将韧性断裂准则的理论计算、试验结果与有限元计算结果进行对比。结果表明:Oyane韧性断裂准则能够较好地预测镍涂层薄板的成形极限和失效的初始位置,预测值与试验值相差较小。     

基于Taguchi的悬浮式割草机叶轮的注射工艺参数优化

以悬浮式割草机叶轮塑件为研究对象,采用Moldflow软件分析出最佳浇口位置,并对其构建浇注系统和冷却系统。以翘曲变形量为参考,采用多因素Taguchi法,获得了塑件最佳注射工艺参数组合,即注射温度为230℃,模具温度为75℃,保压时间为120s,保压压力为100% Velocity/Pressure转换点压力,注射时间为6s。     

同机分体异步薄板冲压工艺

提出一种新的薄板冲压成形工艺,根据薄板的成形特点进行模具板块分体离散并安装在同一台压力机上进行异步冲压板片。分析金属薄板成形零件的形状特点,并根据分析结果给出模具分体部件的几个原则。分析异步冲压中模具衔接区域的薄板变形状况以及提出的解决方案。     

覆盖件冲压仿真参数化建模方法

针对在覆盖件冲压成形领域对快速、自动化的有限元网格建模方法的迫切需求,提出一种快速的汽车覆盖件冲压仿真建模的思路与方法.将覆盖件冲压工艺设计与冲压成形仿真前处理集成,使用散乱三角面片模型,在自主开发的CAE前处理软件中,进行参数化的工艺补充面和压料面设计.模型的网格剖分与冲压工艺设计同时进行,自动生成整套模具的网格模型供冲压仿真计算.为了真实地模拟板料网格的流动,提出了参数化的真实拉深筋的模型建模方法和板料网格的预细分方法.完成了相关软件的开发.多个汽车覆盖件冲压工艺设计和冲压仿真计算实例说明了该方法的有效性.     

基于实际应力-应变曲线的电沉积镍涂层的冲压成形极限

基于Hill集中失稳理论推导出了冲压成形过程中涂层与基体的应力-应变方程,通过求解非线性方程计算出各主应变。依据实验数据采用多项式拟合法拟合了材料的应力-应变曲线,对电沉积镍涂层的冲压成形极限的左边进行了计算,并和应变硬化曲线求得的成形极限进行了比较。计算结果表明,用多项式拟合法求得的电沉积镍涂层的成形极限安全区域比用应变硬化曲线求得的安全区域要高,基体厚向异性、涂层厚度和基体厚度对板料成形极限左边影响不大。     

混凝土搅拌车叶片冲压成形工艺研究

通过对混凝土搅拌车的11号叶片的定位方案进行有限元数值模拟,分析了不同工艺方案的叶片空间变形过程及应力应变的分布云图;通过选择合理的定位方案,优化冲压工艺设计,较好的控制了叶片在冲压成形过程中的滑动现象。     

基于正交试验的汽车覆盖件冲压工艺参数优化

将正交试验设计方法与冲压数值模拟相结合,综合评估了冲压过程中的压边力、摩擦系数、模具间隙和冲压速度等对汽车覆盖件冲压成形质量的影响,并确定优选的工艺参数组合.以汽车翼子板为例,建立了冲压件和模具的计算机辅助工程模型.运用正交试验方法进行仿真计算方案的设计,通过对仿真数据的方差等分析,找到了最优的工艺参数组合.所得结论对冲压工艺的设计具有指导意义.     

基于田口方法的黄铜端子连续拉深工艺优化研究

对厚度为0.8mm的H65黄铜连续拉深进行模拟分析和实际冲压效果对比分析,发现第五工序已经超过了材料成形极限,第六和第七工序的厚度急速变薄,无法达到品质要求。在此基础上,应用田口方法分析了凹模圆角、凸模圆角、凹模孔径、凸模直径、摩擦系数及冲压行程等因子对品质的影响,对各因子水准进行优化组合,冲压出合格产品。最后以第一工序为例探讨各因子对品质的影响度,得出冲压行程对成形厚度的影响达63%,凹模圆角rD为21%,摩擦系数为4%,其他因子的影响不是很大。     

镍涂层复合板拉延过程的数值模拟

采用有限元动力显式算法模拟了电沉积镍涂层复合板的拉延成形过程,得到了涂层与基体的应力应变场,计算结果和其他方法及试验进行了一定的比较。涂层与基体采用Belytschko-W ong-Ch iang四节点壳单元,模具与压边圈采用刚体壳单元。基体采用随动强化模型,涂层与基体结合界面采用固连断开接触。对该材料的拉延模拟计算表明,该涂层与基体在拉延成形过程中不会出现界面失效,但涂层在拉延过程中的应力变化比基体复杂,且涂层的等效塑性应变与基体相差较大,说明涂层的拉延过程比基体复杂。计算出的冲压力曲线可供拉延工艺参考。     

基于多目标遗传算法的板料拉深成形工艺参数优化设计

以多种工艺参数(压边力、摩擦因数等)作为优化变量,多种成形缺陷(起皱、破裂等)作为优化目标,结合多目标遗传算法和数值模拟,建立了板料拉深成形工艺参数的优化设计模型。为了减少数值模拟的次数,利用人工神经网络建立了各种工艺参数和模拟结果之间的映射关系,大大提高了优化的效率。以汽车消声器为例,对其拉深成形工艺参数进行了优化,通过对优化结果进行数值模拟可以看出,该优化参数完全避免了各种缺陷的产生,这说明该优化算法具有较好的优化结果。     

基于正交试验的半球形拉深成形工艺参数优化

以某半球形TA1钛合金拉深成形件为例,通过ABAQUS有限元软件建立了拉深成形三位模型和数值模拟正交试验方案。以是否破裂和起皱为衡量指标,探究凹凸模间隙、拉深速度和压边力对拉深成形件质量的影响,结果表明:起皱现象主要出现在压边区域不影响成形件质量,对底部最小厚度的影响从大到小依次为拉深速度、压边力以及凹凸模间隙。基于正交试验结果设计优化方案,得到最优工艺参数组合并将其应用于实际生产得到表面质量较好的拉深成形件,结果表明:基于正交试验对拉深成形工艺参数优化的方案可行,可以为企业生产提供指导,具有一定的工程应用价值。     

金属板料冲压成形的数值模拟

本文采用有限元动力显式算法模拟金属板料冲压成形的加工过程。四结点蜕化壳单元和刚体壳单元分别用来建立权和模具的有限元模型;更新Ｌａｇｒａｎｇｅ法和速率型本构关系被用来处理板料变形中的大应变和大转动;材料模型采用塑性各向异性屈服与等向强化模型;通过主从面模型定义板料和模具的接触,接触算法采用运动约束法,摩擦力用库仓定律计算;并利用动力松弛法对回弹过程进行了计算。模拟结果和实际零件比较,证明模型合理,算法稳定,结果可靠,具有良好的应用价值。     

基于熵权综合评价法的动力电池壳首道次拉深成形参数优化

针对某动力电池壳首道次拉深成形过程中的起皱、破裂、厚度不均匀和模具接触力大的问题,提出了一种基于熵权的综合评价法对其进行多目标工艺参数优化来提高首道次成形质量。选取压边力、凹模圆角半径、凸模圆角半径、模具间隙、摩擦因数为影响因素,以最大减薄率、最大增厚率、最大凸模接触力、最大厚度差为评价指标,进行正交试验仿真。在此基础上应用熵值法和综合评价法,获得了最优的工艺参数组合,提高了动力电池壳首道次成形质量。     

材料性能参数和工艺参数对板料两道次成形性能的影响

在物理仿真的基础上 ,研究了板料拉深成形过程中材料的性能参数和工艺参数对板料成形性能的影响 ,着重分析了对板料两道次拉深成形的影响。结果表明 ,无论是材料性能参数还是工艺参数对再拉深的影响都比对单道次拉深的影响大得多     

基于Dynaform仿真拉深成形过程参数研究

应用Dynaform仿真软件对金属板料进行了拉深过程的模拟分析,得到了压边力、拉深速度和摩擦系数对于拉深过程中板料成形速度的影响。板料成形速度决定拉深质量,在成形过程中压边力和拉深速度是可控参数,摩擦系数是在一定条件下可以干预控制的参数,同时是多参数共同作用的表现,对成形质量和模具寿命影响较大。影响摩擦系数的主要因素除材料外,还有压边力、拉深速度及润滑状态,成形速度是影响润滑状态的关键因素。     

基于Dynaform的薄壁阶梯筒形件拉深过程研究

针对08Al冷拉钢板成形薄壁阶梯筒形件过程中存在的工艺难题,运用Dynaform模拟软件对阶梯件的拉深成形过程进行了对比分析,揭示了压边力、坯料直径、摩擦因数等工艺参数对法兰区成形质量及各区域壁厚分布的影响规律,最终确定了符合设计要求的优化方案。     

基于深度强化学习与有限元仿真集成的拉深成形控制

金属板材拉深过程中的压边力是决定成品质量的关键参数,传统压边力控制方法往往需要对高度非线性的拉深过程进行建模,导致其控制结果与实际存在较大偏差。提出一种基于深度强化学习与有限元仿真集成的金属板材拉深过程控制模型,利用深度神经网络强大的预测能力来提取拉深加工过程中的状态信息并进行可靠预测,结合强化学习的决策能力来进行压边力控制策略的学习优化,避免了精确系统动力学模型的拟合以及先验知识的获取。同时,针对板材拉深加工中常见的拉裂质量缺陷与起皱质量缺陷,建立拉深成形性能评价函数,为深度强化学习提供回报信号来指导学习过程,并利用有限元仿真构成深度强化学习的环境模型。试验表明,深度强化学习模型能够有效地进行压边力控制策略优化,有效提高产品质量。所提出的压边力控制模型利用无模型的深度强化学习,能避免拉深过程的系统模型拟合,可提高压边力控制策略的控制效果,同时结合循环神经网络能解决板材拉深加工过程中的部分可观察性问题。