锻造毛坯形状优化设计的研究

近几年来 ,锻造形状优化得到了众多学者的关注。本文对单工序锻造问题的毛坯形状优化进行了研究。以毛坯高径比为优化设计变量 ,目标函数取为实际锻件超出预定理想直线部分的体积 ,以黄金分割法进行优化迭代 ,给出了目标函数的表示方法及计算表达式。并对一典型的轴对称H型锻件的毛坯形状进行了优化设计 。

神经网络与正交试验设计在板料成形毛坯形状预测中的综合应用

以带法兰的低方形盒的毛坯形状预测为例 ,讨论了BP神经网络和正交试验法在毛坯形状预测的综合应用问题 ,建立了能描述 6个工艺参数与毛坯形状之间非线性映射关系的神经网络模型。将正交试验法用于神经网络训练样本的设计和BP网络结构参数的确定 ,可大大减少训练样本和网络结构参数的试算次数 。

基于计算机仿真技术的薄板冲压成型毛坯形状和尺寸反算

以计算机仿真技术为基础 ,提出了一个新的方法 ,解决了薄板冲压成型过程中毛坯形状和尺寸反算的一些关键问题。有限元仿真能很好地模拟材料的流动 ,具体体现在网格上节点的移动 ,根据某种映射 ,确定不同时刻下单元中点的位置变化以及不同时刻位置变化之间的联系 ,从而能获知初始毛坯中哪些部分参与了零件成型 ,并最终获得优化的毛坯形状和尺寸。

单工序二维平面锻造毛坯形状的优化设计

针对单工序二维平面锻造问题 ,对毛坯形状的选择进行了优化设计研究。以毛坯的高宽比表示毛坯的形状 ,并作为毛坯优化问题的唯一优化设计变量。以实际锻件超出预定理想直线部分的面积为目标函数 ,采用传统的黄金分割法作为优化手段 ,对毛坯的高宽比进行优化设计 ,进而确定最佳的毛坯尺寸。给出了目标函数的表示法及表达式和实施步骤 ,最后以一平面变形H形锻件为例 ,对毛坯形状进行了优化设计 。

毛坯形状预测的神经网络法

通过有限元网格映射方法来反算求解毛坯形状和尺寸 ,并建立径向基函数神经网络来预测毛坯的形状 ,同时使用正交表和均匀表为神经网络安排试验样本。数值算例表明本文方法可提高预测精度 。

基于微观组织优化的锻造工艺预成形及毛坯形状优化设计

以锻件晶粒尺寸细小均匀为目标,以预成形形状设计为对象,提出了锻造成形过程微观组织优化设计方法,构建了晶粒尺寸、锻件形状子目标函数以及无量纲化的总目标函数,确定了预成形形状作为优化过程的设计变量;给出了优化设计的具体步骤,采用微观遗传算法和有限元模拟方法开发了基于预成形设计的锻造过程微观组织优化程序;并对典型的圆柱体镦粗进行了面向微观组织优化的预成形设计,给出了能够获得具有良好微观组织的镦粗成形预成形模具型腔形状。通过分析不同高径比的初始毛坯形状对微观组织优化目标函数值的影响,给出了较为合理的初始毛坯形状高径比取值范围。

多目标优化在锻造毛坯形状优化设计中的应用

以形状相对简单的单工序锻件为研究对象,以同时获得材料消耗最小和变形程度最均匀的终锻件为优化目标,对锻造过程毛坯形状进行多目标优化设计的研究。给出了单工序锻件形状优化设计的总的目标函数及其各子目标函数的表示方法及计算表达式,以毛坯的高径(宽)比作为优化设计的变量,基于刚粘塑性有限元理论,采用黄金分割法进行优化迭代,编制了相应的程序,并对一典型的轴对称H型锻件的毛坯形状进行了多目标的优化设计,取得了明显的效果。

非规则盒形件毛坯形状和尺寸的确定

通过圆筒形及盒形零件拉伸前后网格变化分析，确定变形区和非变形区，由此计算出拉伸件轮廓边缘上任意点处的拉伸线实际长度，然后用在该点毛坯平面上切线的法线上截取线段长等于拉伸线实际长度的方法，确定非规则盒形件毛坯形状和尺寸。用该方法计算出的汽车制动阀安装板毛坯形状和尺寸，在试模时一次即获得成功，具有一定的实用推广价值。

基于FEM分析的板料冲压毛坯形状反算研究

利用覆盖拉延件成形过程的FEM分析结果,提出一种基于坐标变换和局部坐标不变性的毛坯反推算法,推导了反算公式,并给出可快速确定点所属单元的新算法。当使FEM输出中间网格数据后,该算法可用于h法和p法自适应网格划分。最后使用LS-DYNA950对方盒深冲作h法自适应分析为例验证本算法,结果表明该方法可以较精确地预测出板料毛坯形状。

板料拉伸成形中确定合理毛坯形状的理论方法综述

合理的毛坯形状不仅可以提高原材料的利用率,减少成形后的修边余量,而且能改善可成形性,大大提高成形质量。对此,人们提出了许多预测方法和估算方法。本文着重对各种确定毛坯外形的理论方法做原理上的介绍及比较,并讨论了有关方法中存在的问题和今后研究的方向。

不等高非规则盒形件毛坯形状的确定

通过圆筒形及盒形件拉深前后网格变化分析 ,并确定变形区和非变形区 ,由此得到不规则盒形件毛坯展开形状由不变形区和参与变形拉深线组成 ,并用此方法计算出汽车制动阀安装板的毛坯形状和尺寸 ,在试模时一次即获得成功 ,具有一定的实用价值。

分块压边条件下毛坯形状对矩形件成形性能的影响

利用有限元软件ANSYS/LS-DYNA分析了在分块压边条件下不同的毛坯形状对矩形件拉深成形性能的影响。模拟结果表明:在变压边力成形过程中,毛坯形状对零件成形性能有着重要的影响,优化后的毛坯可以显著改善矩形件的成形性能。

毛坯形状对盒形件拉深的影响研究

本文主要研究毛坯形状对盒形件拉深的影响。主要通过不同的毛坯形状，例如：长方形、八角形、圆形、正方形，椭圆形等，对盒形件拉深的影响进行研究。

神经网络在毛坯形状预测中的应用

从影响冲压成型结果的因素和有限元网络映射法反算毛坯形状的方法出发,提出了基于神经网络预测毛坯形状模型的方法。选取凸模圆角半径、凹模圆角半径、压边力和摩擦系数等作为影响冲压成型结果的因素,利用正交表和随机法产生径向基神经网络的学习样本,用有限元网络映射法反算的毛坯的长度作为神经网络的输出,通过影响冲压成型结果因素的随机样本对神经网络进行检测。实验表明,提出了预测毛坯形状模型的方法是有效的。

毛坯形状对球形零件冷镦的质量影响

本文通过自行车上托架零件冷镦成形的工艺实例探讨毛坯形状(图1)

基于有限元模拟的机车齿轮锻件的毛坯形状优化

针对机车齿轮锻件在成形过程中容易出现轮毂和轮辋充填不满、成形力较大和模具寿命短的问题,根据坯料在不同自由空间下不同填充情况,提出了上凹形坯料的新方案。利用有限元软件Deform-3D建立机车齿轮锻件热锻有限元模型,并模拟其成形过程。以成形载荷作为目标函数,采用黄金分割法,对镦粗毛坯直径进行优化设计,使锻件在成形饱满的前提下,将成形载荷降低了31.76%,提高了模具寿命。实际生产与有限元模拟具有较好的一致性,锻件形状满足设计要求,无缺料、折痕等缺陷。

一步成形有限元法在确定毛坯初始形状中的应用

一步成形有限元法,是从产品的形状出发,将其作为成形后工件的中面并对其离散,通过有限元方法确定在满足一定边界条件下,工件中的节点在初始毛坯中的位置。由一步成形有限元法可以得到对应的毛坯形状,通过计算毛坯结点到工件上的位移可得到工件上的应力和应变。此法计算速度快,不需要模具和工艺信息,建立分析模型简单,可用于板料成形设计早期,用来估计零件的成形性能。

钣金零件毛坯展开计算方法研究进展

通过对钣金零件毛坯展开方法的论述,可以看出以几何映射法为基础发展起来的各种方法在确定钣金零件毛坯的初始解方面,有着不可替代的快速性优势;随着计算机技术和有限元技术的发展,软件使用进一步简单化,有限元增量法和有限元逆算法将会得到更为广泛的应用,同时也将成为数字化钣金精密成形的主要工艺手段;另外,随着人们对高分子复合材料性能的进一步探索研究,以及对物理逆向法实用化工艺问题的研究,物理逆向法在未来可能成为一种行之有效的方法。

汽车制动阀安装板坯料形状与尺寸的确定

非规则成形件的毛坯形状与尺寸的确定,一般都是通过成形模并采取试错的方法来完成的。然而,试错要考虑多种因素,又由于落料模必须要在由试错来确定最后的形状与尺寸后才能设计制造,如此就要影响板料零件的生产周期和成本。汽车制动阀安装板是一个比较典型的非规则成形件,在要求极短的周期内同时完成其落料模与成形模的设计制造,用初始网格法来确定汽车制动阀安装板的毛坯形状与尺寸,可在较短时间内完成模具生产工作。

基于有限元分析的板料形状对S梁拉深的影响

基于DYNAFORM动力显式有限元分析软件,将数值模拟技术应用于S梁的坯料优化过程,研究了不同的毛坯形状、尺寸对S梁拉深的成形极限图、厚度分布、减薄率的影响。通过对比分析不同的坯料成形模拟结果,确定较为合理的毛坯形状尺寸。研究结果表明:方式1是不可取的,而方式2能很好地成形出合格零件,最大减薄率为16.6%,最大增厚率为1.84%。在法兰处可以适当添加拉延筋以缓解起皱趋势。