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。     

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。     

微车曲轴锻造工艺开发及模具设计

以微车内燃机用曲轴的成形工艺开发为目的,分析了该规格曲轴成形可行性及工艺难点,设计了预、终锻件形状及预、终锻模具结构.在预锻件平衡块的内侧设计了厚度为15mm的工艺连皮,预、终锻模具设置了阻力墙结构,上述两项工艺改进有效的保证了终锻件的成形效果.利用金属塑性成形仿真软件DE-FORM-3D,对改进的工艺进行仿真分析,仿真结果有效的验证了工艺方案.模拟预测了预、终锻成形力分别为39.9MN,终锻为56MN.设备63MN有富余.模拟显示终锻件的平衡块顶端完全充满.基于模拟验证的工艺和设计的模具进行生产试制,经检测曲轴锻件产品的尺寸及性能完全达到了设计要求.     

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误差分别为4.51%、4.58%、3.65%。对于选择trainlm函数的模型进行了样本验证,结果是平均相对预测误差为4.02%。该模型预测能力强、预测精度高。AZ80-0.3Ti镁合金的锻压工艺优选为:始锻温度390℃,终锻温度280℃,模具预热温度260℃,变形速度6.5 mm/s。     

微车曲轴锻造工艺开发及模具设计

以微车内燃机用曲轴的成形工艺开发为目的，分析了该规格曲轴成形可行性及工艺难点，设计了预、终锻件形状及预、终锻模具结构。在预锻件平衡块的内侧设计了厚度为15mm的工艺连皮，预、终锻模具设置了阻力墙结构，上述两项工艺改进有效的保证了终锻件的成形效果。利用金属塑性成形仿真软件DE-FORM＊3D，对改进的工艺进行仿真分析，仿真结果有效的验证了工艺方案。模拟预测了预、终锻成形力分别为39．9MN，终锻为56MN，设备63MN有富余。模拟显示终锻件的平衡块顶端完全充满。基于模拟验证的工艺和设计的模具进行生产试制，经检测曲轴锻件产品的尺寸及性能完全达到了设计要求。     

基于神经网络的6系铝合金接头锻压工艺优化

采用5×30×6×1的四层拓扑结构,以铝合金牌号、模具预热温度、始锻温度、终锻温度、锻压速度作为输入层参数,以抗拉强度作为输出层参数,构建了6系铝合金接头锻压工艺神经网络模型,并对其进行了训练、预测和验证。结果表明,模型预测性强,精度性较高,平均相对预测误差值仅为3.3%。和生产线传统用工艺锻压的试样抗拉强度相比,运用神经网络模型优化工艺锻压的试样抗拉强度增大了16%,拉伸性能得到了显著的提高。     

基于Forge的铝合金轮毂温锻成形模拟

铝合金轮毂形状复杂、强度刚度要求高。本文分析了6061铝合金轮毂温锻成形工艺。运用模拟软件Forge建立了铝合金轮毂预锻、终锻成形有限元仿真模型,分析了预锻、终锻成形工艺过程中的温度、等效应力分布。结果表明:铝合金轮毂在预锻、终锻成形过程中,整体温度偏差较小;不同成形阶段和不同成形部位,轮毂等效应力值不同;轮毂结构及温锻成形工艺参数对铝合金轮毂温锻件影响较大。     

基于BP神经网络的镁合金轮毂旋转挤压工艺

以镁合金轮毂挤压成形工艺为研究对象,采用有限元分析软件DEFORM-3D对其成形工艺进行模拟。为使制件成形效果达到最佳,选取凸模冲压速度、凹模旋转速度、成形温度作为输入层,以成形后制件的损伤值和应变标准差为输出层,通过构建关于工艺参数的BP神级网络对输入、输出层参数关系进行拟合。并采用遗传算法,基于构建的神经网络寻求最优解。得出最优参数组合为:凸模冲压速度为5. 0 mm·s~(-1)、凹模旋转速度为30 r·min~(-1)、成形温度为380℃,采用最优参数进行试模,制件成形效果良好,与预测结果基本一致,验证了有限元模拟和优化的正确性,为实际生产提供指导。     

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Deform-3D的曲轴热锻工艺参数优化

利用UG软件建立轿车发动机曲轴的实体模型,对其进行相应的预锻、终锻模具设计。利用Deform-3D软件进行曲轴成形过程的散热、预锻、终锻数值模拟,通过调节模具下压速度,获得不同的模拟结果;分析不同下压速度下的曲轴应力、应变场分布情况;利用Origin软件对不同下压速度的应力、应变值进行数据处理,观察其变化规律,发现当下压速度为100 mm·s-1时应力和应变较小;对06d02曲轴几个主要部位进行金相试验,并比较其微观组织差异发现,平衡块顶端的组织出现了黑色空洞,因此模具设计时要对平衡块进行优化。     

基于BP神经网络的薄板成形回弹仿真预测

基于薄板成形回弹正交试验的设计,利用Dynaform仿真软件对薄板成形回弹进行数值模拟,仿真结果表明:薄板弯曲成形高度随着模具间隙以及弯曲半径的增大而逐渐减小,随着冲压速度以及摩擦系数的增加而不断增大。以模具间隙、弯曲半径、冲压速度以及摩擦系数为输入层,将薄板弯曲成形高度作为输出层,建立4-12-1的3层BP神经网络。基于正交试验数据进行BP神经网络的训练与测试,BP神经网络预测值与有限元模拟值的误差为2.053%。此外,利用薄板成形模具进行试验验证,试验值与BP神经网络预测值的误差为11.87%,从而验证了BP神经网络的可靠性。     

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。     

GH4169合金叶片终锻过程数值模拟

利用三维建模软件Pro/E建立了叶片终锻模型.通过三维有限元软件DEFORM-3D进行了叶片终锻过程数值模拟.分析了不同始锻温度、摩擦因子及上模下压速度对叶片终锻过程的影响,探究不同工艺参数下叶片终锻过程温度场的演变规律.     

多质量目标的曲轴NTR弯曲镦锻成形工艺优化

研究提高曲轴NTR弯曲镦锻外形质量的工艺参数优化方法。以中速船用6G32曲轴为例,借助数值模拟方法预测曲轴成形结果,设定曲轴外形质量评价准则。应用正交实验方法设计实验方案,模拟多种工艺条件下曲轴弯曲镦锻成形。根据实验结果,以降低曲轴成形塌角缺陷、减少飞边量、降低设备载荷为目标,采用响应面分析方法,建立评价指标与各工艺参数的函数表达式,优化始锻温度、NTR设备肘杆终锻角、模具运动方式、模具运行速度等曲轴NTR弯曲镦锻工艺参数。     

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%。     

基于神经网络的钒钛改性镁合金汽车轮圈锻造工艺优化

以钒钛改性镁合金成分、模具预热温度、始锻温度、终锻温度、锻造比为输入层参数,以拉伸性能为输出层参数,采用5×35×7×1四层拓扑结构构建出钒钛改性镁合金汽车轮圈锻造工艺优化的神经网络模型。结果表明,神经网络模型相对预测误差在2.6%~4.2%,平均预测相对误差为3.3%。与生产线传统工艺相比,采用神经网络模型优化工艺成形的汽车轮圈抗拉强度增大了53%。     

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。     

钢板水火加工温度场热源参数预报研究

本文以水火弯板加工过程中的燃气流量、火焰移动速度、加工时间和钢板厚度作为输入参数,热源热效率和热源半径作为输出结果,建立了一种可以预测水火弯板热源模型参数的BP神经网络方法.应用神经网络预测结果设定水火弯板数值模拟时钢板表面的热流载荷参数,基于ANSYS软件得到钢板水火弯板温度场数值计算结果.经应用实例验证,以BP神经网络输出为热源参数的水火弯板数值计算结果与试验测试结果基本一致,说明本文所建立的BP神经网络方法可以用来预测水火弯板温度场热源模型参数.     

基于BP神经网络算法的耐磨钢热处理工艺优化

以耐磨钢牌号、淬火温度、淬火冷却方式、回火温度和回火冷却方式作为输入层参数,以硬度作为输出层参数,采用BP神经网络算法构建了耐磨钢热处理工艺优化的BP神经网络模型,并进行了模型的预测和应用验证。结果表明,该模型的输出参数平均相对预测误差为2.2%,具有较好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BP神经网络模型优化工艺热处理后的NM360、NM400、NM500耐磨钢的磨损体积分别减小26%、26%、28%。     

某微车曲轴模具结构的优化

针对曲轴锻件材料利用率较低的现状,以某微车四拐曲轴为例,采用带阻力墙结构的模具来提高材料利用率.运用有限元分析软件Deform3D对预锻及终锻过程进行模拟.针对终锻载荷过大问题,将终锻模具阻力墙优化为分段式阻力墙结构,有效地降低了成形载荷.同时,对各方案的模具磨损进行了分析.实际生产表明:带阻力墙结构的锻模所生产的曲轴锻件质量良好、填充饱满,材料利用率由75.9％提高到83.3％,同时成形载荷适中.