基于GS理论和神经网络遗传算法函数寻优的板料成形优化

基于GS理论和神经网络遗传算法函数寻优法,利用非线性有限元分析软件Dynaform,对非标准方形盒成形过程参数寻优。借助正交试验法,初步获取不同组合下的减薄率数值;基于GS理论,对获取的数据进行分析,找出影响减薄率的两个主要因素即摩擦因素和冲压速度;利用拉丁超立方抽样对选出的两个主要因素进行抽样;基于神经网络遗传算法函数寻优模型,摩擦因数和冲压速度作为输入,最大减薄率作为输出,用输入输出数据训练BP神经网络。最后,用遗传算法寻优把训练后的BP神经网络预测结果作为个体适应度值,找到函数全局最优解和对应输入值。对比优化前后的数值模拟结果可知,优化后的冲压参数可以有效提高板料成形性能。     

变形量对半固态CuSn10合金组织和性能的影响

材料的组织形态直接影响零件的性能,本文采用自主研发的熔体约束诱导形核半固态制浆装置制备CuSn10半固态浆料并流变挤压成薄板,然后在350℃下轧制变形,研究变形量对微观组织和性能的影响。结果表明,随着变形量增加,变形板件内部缩松缩孔等铸造缺陷逐渐减少减小、晶粒呈现压缩拉长趋势、平均晶粒厚度从初始未变形时30.58μm到变形量ε=0.4时的22.12μm。随变形量的加大在初生相内部产生的形变孪晶数量逐渐增加。在变形量从ε=0增加到ε=0.4的过程中,CuSn10合金组织内小角度晶界占比逐渐占优,引入了大量的亚结构和位错密度。在变形量ε=0.4时,可以发现极图{110}和{111}存在[101]、[111]和[001]织构。在板材力学性能方面,板材的屈服强度、抗拉强度和硬度不断增加;但塑性呈现下降的趋势。变形量ε=0.4时,其屈服强度、抗拉强度和布氏硬度分别达到了443MPa、554MPa、194HBW,相较于初始未变形薄板其屈服强度、抗拉强度和硬度分别提高了106.1%、66.4%、41.6%,延伸率降低至0.82%。半固态CuSn10合金在变形过程中随变形量的增加强度、硬度不断提高、塑性持续降低,这主要是归功于在轧制变形过程中产生的晶粒细化和加工强化。     

基于神经网络遗传算法函数寻优与回弹补偿的汽车横梁成形优化

利用神经网络遗传算法函数寻优结合回弹补偿法对某型汽车横梁进行了冲压成形工艺优化,以解决其严重的回弹缺陷。利用极差分析找出了影响回弹的两个主要因素:冲压速度和模具间隙;对其进行了拉丁超立方随机抽样,将抽样结果作为神经网络遗传算法函数寻优模型的数据基础。以两个主要因素作为输入量,最大回弹量作为输出量,构建了非线性映射关系。计算了预测结果的个体适应度值,以求出最大回弹量的最小值以及对应的冲压速度和模具间隙。最后,通过三次回弹补偿优化将回弹量降低至0.5 mm以下,达到了生产要求。     

基于GS理论与神经网络的汽车覆盖件成形优化

利用GS理论和神经网络遗传算法函数寻优法,搭乘非线性有限元分析软件Dynaform,对轻型卡车左后侧围外板拉延成形过程工艺参数寻优,以解决该零件在成形过程中出现的破裂和过度减薄质量缺陷。将GS理论和正交试验设计相结合,获得各工艺参数组合下的最大减薄率,并对获取的数据进行灰色关联度分析,找出影响减薄率的两个主要因素,即冲压速度和压边力;基于神经网络遗传算法函数寻优模型,借助拉丁超立方抽样对选出的两个主要因素进行随机抽样,将冲压速度和压边力作为输入,最大减薄率作为输出,获得输入与输出之间的非线性映射关系,并获得BP神经网络预测结果。最后,将预测结果进行个体适应度值计算,得到全局最优解和对应输入值。对比优化前后的数值模拟结果以及实验结果可知,采用此方法所得的工艺参数组合可有效提高板料成形的性能和质量。     

壁厚对半固态流变挤压铸造CuSn10P1合金微观组织均匀性和性能的影响

显微组织的不均匀性影响零部件的综合性能,而半固态成形的特性易引起零部件不同部位显微组织存在较大差异,如何改善半固态组织均匀性是获得性能优异成形件的关键。本文设计四种零件壁厚,研究零件壁厚对流变成形件显微组织均匀性及性能的影响。研究结果表明：不同壁厚CuSn10P1合金半固态挤压铸件的显微组织均由α-Cu相、δ-Cu41Sn11相、β′-Cu13.7Sn相和Cu3P相四种相构成,随着壁厚的减小,CuSn10P1合金半固态浆料充型时固液两相协同变形能力变差,导致了显微组织沿充型方向上的不均匀分布,晶间组织（α+δ+Cu3P）逐渐呈大面积网状或者长条状且团簇聚集分布不均;初生α-Cu晶粒尺寸先减小后增大,其中10mm壁厚铸件初生α-Cu晶粒最为细小。随着壁厚减小,CuSn10P1合金半固态挤压铸件的室温抗拉强度和延伸率均呈先增加后降低的趋势,当壁厚为10 mm时性能最佳,分别为445.7 MPa和37.78 %,这主要归功于其组织均匀化、固溶强化效应和细晶强化效应。     

汽车顶板拉深成形回弹分析及补偿的研究

针对汽车覆盖件拉深成形过程中存在回弹缺陷,以有限元分析软件Dynaform为平台,对某汽车顶板进行回弹分析与补偿的研究,解决该零件在成形过程中的回弹缺陷。通过利用回弹补偿法对模具结构进行4次有效迭代补偿修正,并运用Dynaform软件对优化的模具结构进行有效性验证,成形零件的最大正向回弹量从19.048 mm下降至1.052 mm,降低了94.477%;最大反向回弹量从-8.598 mm下降至-2.172 mm,降低了74.738%。通过研究发现,采用此方法可以控制大型冲压件的回弹量,但随着回弹补偿次数的增加会使模具结构出现过度补偿现象,导致回弹量增加。     

基于正交试验法的托架冲压成形模拟分析与优化

本文基于正交试验法,利用有限元分析软件Dynaform,对某型托架冲压过程进行数值模拟分析。通过设定压边力、摩擦系数、冲压速度、板料尺寸和模具间隙等5个因素,参照五水平正交试验表对25个不同组合进行试验,并以减薄率、增厚率以及侧壁破裂情况为三个评定指标,结合综合平衡法对托架零件冲压性能进行数值模拟并找出影响托架表面质量的主要因素。最后,对上述参数进行优化,从而得到较高表面质量的托架。本文在相同类型产品加工过程中减少失稳起皱、破裂,改善零件表面质量方面提供了一定的理论基础。     

基于PSO-BP和灰色关联度分析的盒形件成形工艺参数反求

以非线性有限元分析软件Dynaform为平台,基于粒子群算法优化的BP神经网络和灰色关联度,对盒形件成形过程进行成形参数寻优并反求。先利用正交试验法获取不同组合下的减薄率数值;采用灰色关联度理论,找到对该盒形件最大减薄率起主要影响的两个因素即压边力和摩擦因数;运用拉丁超立方抽样对选出的两个主要因素进行随机抽样,通过Dynaform进行数值仿真以获得样本数据;基于PSO-BP模型,将压边力和摩擦因数作为两输入值,最大减薄率作为输出,建立压边力和摩擦因数与最大减薄率之间的非线性映射关系,其后,利用粒子群算法对其优化可获得最优工艺参数和对应输入值。对比优化前后的数值模拟结果可知,优化后的冲压参数可以有效提高板料成形性能。     

基于灰色关联度分析与响应曲面法的汽车驾驶室底板拉深成形优化

为解决某轻型卡车驾驶室底板在拉深成形过程中出现开裂的问题,以Dynaform软件为平台,利用灰色理论和响应面法,对拉深成形过程中的参数进行优化,首先将灰色理论和正交试验相结合,获得在不同参数组合下板料成形的最大减薄率,然后对试验数据进行灰色关联度分析,获取对最大减薄率产生影响的2个主要参数:压边力和模具零件间隙,最后将模具零件间隙和拉深筋的高度作为输入,最大减薄率作为输出,进行响应面法寻优得到最优解。通过对比优化前后的成形效果和试验结果可知,优化后的工艺参数改善了轻型卡车底板拉深成形质量。