薄规格中厚板中边浪控制措施

针对薄规格中厚板生产过程中出现中边浪的问题,分析了中边浪的产生机理。通过中边浪不同情况下弯辊力的合理设定,并限制末道次压下率,使厚度12 mm以下薄规格中边浪问题得到了明显改善。     

基于温度场模拟的防爆阀激光焊接工艺

为了分析不同工艺参数的激光焊接热输入对汽车动力电池盖板防爆力的影响,采用有限元法模拟汽车动力电池盖板防爆阀激光焊接的温度场。根据再结晶退火和均匀化退火对Al3003晶内偏析的影响,结合防爆阀爆破区的显微组织,分析防爆力在不同焊接热输入时变化规律。同时,根据防爆力指标为0.9±0.05 MPa,优选防爆阀焊接工艺参数。结果表明,当激光功率增大时,防爆力呈抛物线趋势变化;当激光功率为1 050 W、竖坐标为+161 mm和焊接速度为50 mm/s时,防爆力最接近目标值0.9 MPa。     

石油钻探用非平面聚晶金刚石复合片的开发

采用国产铰链式六面顶压机,通过高温高压（HPHT）合成工艺及后续加工获得石油钻探用非平面聚晶金刚石复合片,包括三刃齿、四刃齿及五刃齿的,同时考察刃齿与垂直方向夹角对三刃齿、四刃齿及五刃齿复合片性能的影响。实验室检测结果表明:刃齿与垂直方向夹角呈90°的三刃齿、四刃齿及五刃齿与屋脊齿在耐磨性、磨削载荷力及抗疲劳冲击性方面基本保持不变;相较平面齿,屋脊齿90°耐磨性、抗疲劳冲击性分别提高约58.6%、51.8%,磨削载荷力降低41.9%。当三刃齿、四刃齿及五刃齿的刃齿与垂直方向夹角呈99°时,相较于夹角呈90°时,在耐磨性及磨削载荷力保持一致的条件下,屋脊齿99°抗疲劳冲击性平均提高约30%;而相较于平面齿,抗疲劳冲击性平均提高约95.7%。      

基于数值模拟的挡泥板成形工艺与模具设计

利用Dynaform对汽车制动盘挡泥板零件进行展开计算,分析了制动盘挡泥板成形过程中金属的流动及应力应变分布规律,利用数值模拟分析的结果得出零件能一次拉深成形,设计的模具结构合理紧凑,灵活可靠,提高了生产效率和零件成形质量的稳定性。     

用固定式液压缸代替铰接式液压缸的两种方法

本文介绍了固定式有杆液压缸和固定式无杆液压缸与铰杆增力机构组合而的系统。有杆液压缸采用过渡连杆与铰杆增力机构联接,无杆液压缸通过活塞径向孔中的过渡滑块与铰杆增力机构联接。用固定式液压缸代替铰接式液压缸,系统刚性显著提高,冲击及噪声显著降低。     

音乐琴片窄长槽形模设计

介绍了冲压零件材料为65Mn高硬度锰钢片 ,零件的B/L(弦的宽度与长度之比)较小 ,冲裁受力中心偏离工件中心零件的音乐琴片模具 ,在模具中 ,针对性地设计了楔紧块和平衡凸模 ,圆满解决了上述难题     

环形拉深筋成形力的计算及试验研究

通过对曲面零件带筋拉深中筋的成形过程的分析 ,推导了拉深筋的成形力公式 ,并且进行了试验验证。同时 ,又得到了保证拉深零件时压边圈不被抬起的最小压边力公式。     

NiTi形状记忆合金回复力-温度模型改进与实验研究

摘要: 针对NiTi形状记忆合金的马氏体不完全逆转变现象带来的回复力模型预测误差,开展了NiTi形状记忆合金一维回复应力-温度模型研究。在Brinson的形状记忆合金(SMA)一维本构模型基础上,增加马氏体回复因子为内变量,给出了马氏体回复因子与预应变的关系,综合考虑温度和应力对马氏体体积分数的影响,构造NiTi形状记忆合金回复应力-温度改进模型,通过实验测试了不同预应变量的NiTi合金回复应力与温度关系曲线。研究表明：本文提出的改进模型预测的NiTi形状记忆合金回复应力-温度曲线,与实验结果曲线吻合较好,本研究结果对于提高NiTi形状记忆合金回复力预测精度具有重要意义。     

锻造操作机钳口的结构分析与设计

钳口是锻造操作机夹持机构中与工件直接接触的元件,其结构决定着操作机夹持力的确定。针对锻造操作机钳口的夹持力分析模型,提出钳口与工件摩擦因数、钳口长度和钳口夹持销轴中心距是确定夹持力的关键因素。根据钳口夹持特点,实验研究"冷"钳口与"热"工件之间摩擦因数的变化规律,分析了钳口与工件接触面摩擦因数的取值范围;研究被夹持工件的类型和结构特点,确定了钳口长度的设计原则;分析了被夹持最小工件直径对操作机设计和应用的影响,研究了被夹持最小工件直径的确定方法;明确基于钳口满足强度条件下质量最轻来进行优化设计并确定钳口夹持销轴中心距的研究思路,为锻造操作机钳口结构设计提供了有效支撑。     

汽车覆盖件拉深过程中的压边力预测

结合数值模拟与人工神经网络技术研究了汽车内覆盖件承载地板在冲压成形中压边力的预测。将板料模型零件导入到Dynaform中进行网格划分并对其拉深过程进行模拟仿真,结合正交试验获取不同参数条件下最佳压边力的数据样本,然后运用Matlab软件中的GRNN神经网络工具箱对数据进行训练学习,采用训练好的神经网络对板料成形过程中的压边力进行预测,获得了板料拉深过程中的压边力变化曲线。通过预测结果和模拟结果对比,预测误差在10%以内。将预测的曲线对零件模拟仿真,结果显示零件最大减薄率在25%以内,并对板料进行实际冲压验证。结果显示成形效果良好,无起皱、破裂缺陷,符合实际生产的要求,说明GRNN神经网络可以用于零件冲压过程中压边力的预测。