基于二阶振荡粒子群算法的铝合金Y-U硬化模型参数反演

针对铝合金的Y-U硬化模型在标定过程中参数的迭代求解特点,采用二阶振荡粒子群算法(PSO)对参数进行了反演分析求解。首先,建立参数反演的数学模型与残差目标函数;然后,基于图解法的参数近似解确定部分参数取值,对选定的5个待反演参数进行求解域标定;最后,采用具有跳出局部最优解特性的二阶振荡粒子群算法进行目标函数的优化求解。结合7075-O铝合金的拉压循环实验数据,实现了Y-U硬化模型参数的反演寻优。研究结果表明:二阶振荡粒子群算法前期渐进收敛,强化全局搜索,快速逼近最优解;后期振荡收敛,跳出局部最优,提高反演精度。

基于改进粒子群算法的高强钢Y-U本构模型参数反演

建立Y-U本构模型参数反演的数学优化模型,针对本构模型迭代求解等特点,对传统粒子群算法的参数设置、初始群体生成等方面进行改进,并融合遗传算法中的变异思想,用于此优化问题的求解。根据高强钢材料WELDOX1100的拉压循环试验数据对模型中的7个参数进行反演。最后进行折弯回弹有限元计算和试验,验证了反演结果的准确性。结果表明,该反演算法收敛性好、精度高,反演结果对提高高强钢成形的数值模拟精度具有重要意义。

基于不同应变路径的QP980超高强钢板回弹预测

为了更加精准的预测超高强钢冷冲压后零件的回弹大小,提供模具设计及修正理论依据,解决实际生产中的回弹问题,以QP980超高强钢板为研究对象,通过使用自主研发的实验装置完成拉伸压缩循环实验,获取不同预应变下的循环拉伸压缩应力-应变曲线,从而建立QP980超高强钢板在复杂加载模式下的Y-U材料模型。基于不同的材料模型对帽形件进行拉延、成形和翻边等不同冲压应变路径下的回弹数值仿真,并将有限元模拟分析结果与实际回弹值对比。结果表明,在任一成形工艺下,Y-U材料模型都能更加准确的预测高强钢冷冲压回弹,其中屈服准则为Hill48的Y-U材料模型回弹预测最可靠;对于不同冲压应变路径下的Y-U材料模型预测,相较于成形冲压回弹,拉延回弹后的帽形件回弹角θ1预测精度提高了2.1%;相较于翻边冲压回弹,对卷曲半径ρ的预测精度提高了49.6%;而回弹角θ2在成形路径下的预测最贴合,相对误差仅为0.2%。

模糊逻辑扩展DMC算法及仿真

提出一种模糊逻辑扩展动态矩阵算法,该算法的主要思想是在不同工作点作阶跃响应,建立局部线性模型,然后利用隶属函数对局部线性模型进行加权。并将约束输入思想引入到DMC算法中来,避免求逆矩阵。实现起来占用内存小,计算速度快。算法对于系统开环y-u曲线单调递增或递减的情况,只要做3个工作点的阶跃响应即可建立起系统模型;即使开环y-u曲线不单调,也可以对系统进行分段处理建立模型。算法的应用范围较广。对非线性连续发酵过程的仿真研究表明该算法控制效果较好,具有很好的理论和实践价值。

基于JSTAMP/NV的汽车横梁回弹分析

为测试JSTAMP/NV的回弹仿真精度,以2005年国际板材成型数值模拟会议(Numisheet’2005)提出的预测汽车横梁回弹的基准考题为例,采用Y-U材料模型,基于JSTAMP/NV仿真冲压拉深成型和回弹的过程.仿真结果与试验结果吻合良好,表明利用JSTAMP/NV能有效预测汽车横梁的回弹.

高温合金超薄板循环塑性本构模型适用性研究

高温合金具有优良的综合性能,是航空发动机高性能构件的首选材料。由于高温合金带材屈服强度高、壁厚超薄、回弹明显、构件成形精度难以控制,因此研究现有循环本构模型对于高温合金带材变形预测的适用性具有重要意义。基于循环剪切实验,研究了不同循环塑性本构模型(Armstrong-Frederick(A-F)模型、Yoshida-Uemori(Y-U)模型和the anisotropic nonlinear kinematic(ANK)模型)对高温合金超薄带材循环塑性变形响应的表征效果。同时,通过U形弯实验和有限元仿真结果的对比,分析了不同屈服准则(Hill48,Barlat89和YLD2000-2d)结合不同循环塑性模型对于回弹预测的影响。结果表明,采用Y-U模型对高温合金超薄板循环塑性变形行为的表征能力最好,A-F和ANK模型次之。采用Y-U模型对回弹的预测精度高于各向同性模型和A-F模型,而屈服准则对回弹预测精度的影响不大,采用基于Hill48和YLD2000-2d屈服准则的Y-U模型,回弹预测误差可以控制在5%以内。

不同材料强化模型对QP钢回弹预测精度的理论及应用研究

对第3代先进高强钢QP980和QP1180材料的4种强化模型参数进行了分析,基于特征帽型零件比较了模型的回弹预测精度,然后采用最优模型在某车型A柱零件上开展回弹分析并进行实际零件预测结果验证。研究结果表明:QP980和QP1180均表现出一定的包申格效应; Chaboche、NSK Swift和Y-U模型均能描述材料的包申格效应,但Y-U模型拟合效果最好,等向强化模型Swift不能描述包申格效应;比较4种模型对帽型零件的回弹计算结果和试验结果可知,Y-U模型预测精度最高;比较Y-U模型在A柱零件关键截面上回弹预测与试验结果可知,轮廓重合性较好,并在一些关键点进行比较,计算与实测误差较小,说明Y-U模型对该零件回弹表现出较高的预测精度。

DP780双相钢U弯回弹预测影响因素研究

回弹是影响冷成形高强钢零件尺寸和形状精度的关键因素,而高强钢回弹预测精度取决于材料模型的准确性,研究材料模型对回弹预测精度的影响规律具有重要意义。基于两种不同应变量的拉伸-压缩试验及多循环拉伸-压缩试验,确定了DP780双相钢Yoshida-Uemori(Y-U)随动硬化模型参数。采用LS-DYNA有限元仿真软件分析了不同硬化模型和屈服准则对U弯回弹预测的影响规律,并与回弹试验进行对比。结果表明,通过不同拉伸-压缩试验策略获得的Y-U模型参数存在较大差异,采用多循环拉伸-压缩试验获得的Y-U模型具有更高预测精度,U弯回弹误差可控制在5%以内。随预应变增加,DP780双相钢的弹性模量先急剧降低后逐渐趋于平缓,考虑弹性模量衰减的Y-U模型可提高U弯回弹的预测精度。相比Swift各向同性硬化模型,Y-U随动硬化模型结合Hill48屈服准则可得到更高的回弹预测精度。屈服准则对DP780双相钢回弹的预测有一定影响,但其对回弹精度的影响程度显著低于硬化模型。研究结果对先进高强钢材料模型的选择和回弹预测精度的提升提供了理论依据。

基于BP神经网络的7050铝合金本构关系模型及加工图

利用热模拟试验机对7050铝合金进行等温压缩试验,获得了不同变形温度、不同应变速率和不同真应变下的流动应力数据。以试验数据为基础,建立了7050铝合金的BP神经网络本构关系模型。分析表明,该神经网络本构关系模型具有较高的精度,并得到了相关性和平均相对误差的验证。利用BP神经网络修正的数据,根据动态材料模型（DMM）建立功率耗散图和失稳图,通过叠加得到7050合金的热加工图,并利用热加工图确定了该合金的加工安全区和流变失稳区。分析得出了最佳变形工艺参数：变形温度为420～450℃,应变速率为0.01～0.10s-1,该区域的峰值功率耗散系数η为0.40。