论文部分内容阅读
作为先进制造技术的一种,激光弯曲成形技术以其柔性强、无模具等优点,在汽车、船舶制造乃至航空航天领域有着广泛的应用前景。本文通过有限元仿真、薄板加工实验、人工神经网络以及粒子群优化算法对TC4钛合金薄板的激光弯曲成形进行了探索研究:(1)利用有限元分析软件ANSYS对钛合金样件的激光弯曲成形过程进行了仿真。对结果进行研究发现,在激光照射阶段样件上表面由于热膨胀受到压应力作用,下表面受到拉应力,样件会有一个背向光源的反向弯曲。冷却阶段,由于温度降低,样件上表面收缩产生拉应力,下表面所受拉应力逐渐降低,在上表面拉应力比下表面大时,样件发生正向弯曲,之后上下表面应力差趋于稳定。对五次扫描的弯曲情况进行仿真模拟,发现每次扫描的温度峰值基本一致,即冷却时间较为合理;弯曲角度与扫描次数之间成线性关系,模拟结果与实际加工之间存在0.6mm的误差。(2)为探索激光弯曲成形中各个工艺参数对最终弯曲角度的影响,利用现有光纤激光器设计了不同功率、扫描速率以及扫描次数的实验。对结果进行研究发现,在保持其他工艺参数不变的情况下,样件的弯曲角度随激光功率的升高、扫描次数的增多而增大;而扫描速率、线能量密度的逐步增大时,弯曲角度呈现先增大后减小的趋势;在实验所处条件下,扫描次数一定时线能量密度取6.7J/mm2能够获得最大弯曲角度。金相组织显示热影响区内相变析出针状马氏体,其网篮状结构对钛合金薄板的硬度有较大影响。(3)采用径向基函数(RBF)神经网络建立了激光弯曲成形过程中激光功率、扫描速度、扫描次数与弯曲角度间的预测模型。以TC4薄板进行激光弯曲成形实验,将实验数据作为训练样本对神经网络进行训练,得到工艺参数与成形角度之间较为精准的映射关系。(4)利用粒子群优化算法对RBF网络的参数进行寻优计算,优化后的网络在对测试数据进行预测时,误差由4.7%减小到1%左右;以上述优化后的径向基函数神经网络为基础,利用粒子群优化算法就工艺参量进行了寻优计算,并以所得参量进行加工实验,所得弯曲角度接近目标值,两者间的平均误差在5%以内,表明以此方法获得预定角度的所需工艺参数具有一定的可行性与有效性。