弯曲是成形工序中最为普遍的成形方法之一,应用相当广泛,在冲压成形中占有很大比例,在汽车冲压件中就有许多零件主要是通过弯曲成形得到的,如纵梁、横梁、内外板等。板料弯曲成形后由于弹性回复和残余应力的作用不可避免地会产生回弹现象,回弹量的大小直接影响着零件的成形质量,以及后续的装配。经过十多年的研究和发展,目前回弹的预测、测量、控制及补偿的研究都还只是处于初级水平。因此,研究如何在设计模具前准确掌握回弹的规律及大小、如何确定模具的结构、如何选取成形过程中的冲压参数等问题对实际生产过程中减小和控制板料冲压成形中的回弹具有重要的指导意义。本文将数值模拟技术、正交诉验方法、人工神经网络和最优化技术综合应用于U形件弯曲回弹的预测、优化和控制中,为实际生产中解决回弹问题、提高零件成形质量、缩短新产品开发周期提出了新思路。 本文的研究工作主要有以下几个方面: 对板料冲压成形过程和回弹数值模拟中的关键技术进行了研究,如:有限元算法、单元类型和网格划分技术、单元公式的选择、接触处理和磨擦模型、材料模型和回弹模拟方法。此外,还对回弹数值模拟的建模步骤和方法进行了介绍。 对弯曲变形过程和回弹进行了细致地讨论和研究。通过U形件弯曲回弹的数值模拟试验,研究了冲压成形参数(如:摩擦系数、压边力、板料厚度、模具间隙等)对回弹的影响,并且通过正交试验方法研究了板料厚度、模具间隙、压边力及其两两交互作用对U形件弯曲回弹影响规律和显著性,根据研究结果对影响U形件弯曲回弹的主要因素进行了优化。 在U形件弯曲回弹数值模拟试验的基础上,利用BP神经网络建立了U形件弯曲回弹和板料厚度的预测模型,并根据神经网络算法拟合了模具间隙、压边力与回弹,板料厚度之间的非线性关系。 综合运用数值模拟试验、人工神经网络技术和最优化设计,对U形件弯曲回