共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
《热加工工艺》2020,(13)
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。 相似文献
3.
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. 相似文献
4.
《热加工工艺》2021,(3)
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。 相似文献
5.
微车曲轴锻造工艺开发及模具设计 总被引:1,自引:0,他引:1
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。 相似文献
6.
7.
8.
《锻压技术》2020,(6)
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。 相似文献
9.
10.
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。 相似文献
11.
12.
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。 相似文献
13.
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. 相似文献
14.
15.
16.
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%。 相似文献
17.
18.