论文部分内容阅读
机械扩径是大直径焊管和其它筒形零件制造流程中非常重要的一道塑性成形工序。机械扩径可以改善制品的尺寸和形状精度、提高材料的屈服强度并有效的控制残余应力,所以在UOE、JCOE等大直径直缝埋弧焊管的生产流程中,这一方法都被安排在最后一道成形工序。机械扩径工艺还可以用于锻造厚壁筒强化、旋压筒形件整形、大直径螺旋焊管端部扩径以及其它大直径管筒形零件的最终成形。目前,在大直径直缝埋弧焊管的生产实践中,无论是管坯的材质、尺寸和形状发生了改变,还是最终制品的成形精度要求发生了改变,为了满足用户的要求,企业都不得不在经验设计的基础上,为寻求一组稳健的工艺参数在生产线上反复做一些成形试验,并为此而付出大量的试验费用。针对上述问题,本文以大直径管线钢管的机械扩径成形过程为分析对象,将最终制品的横断面尺寸和几何形状作为目标响应、变形参数和模具结构参数作为设计变量,从效率、精度和稳健性等方面对其工艺参数的优化方法进行了研究,提出了一种基于BP神经网络和遗传算法、且对优化结果给予稳健性分析的机械扩径工艺参数优化方法。采用正交设计的思想,通过有限元方法对影响机械扩径制品横断面尺寸和形状精度的材料、工艺和模具结构参数的权重进行了定量分析,包括材料的机械性能参数、摩擦条件、扩径率、相对凸模半径、模具边缘圆角半径、模具分瓣数目和管坯椭圆度,筛选出了对成形精度影响显著的参数,确定了优化模型的设计变量。给出了基于BP神经网络的机械扩径工艺参数遗传优化方法。基于BP神经网络的非线性映射功能,建立了尺寸和形状精度参数与设计变量之间的对应关系,得到机械扩径的参数预测模型。该模型提高了遗传算法优化过程中适应度函数值的计算效率。基于稳健设计理论,在优化方法中应用了稳健性分析手段。通过对优化得到的多个Pareto解的稳健性分析,使机械扩径工艺参数优化方法的最终输出结果为稳健性最强的偏好解。本文借助MATLAB的GUI开发工具,开发了机械扩径制品成形质量参数BP神经网络预测模型和工艺参数优化系统的界面。针对不同的管坯椭圆度,分别采用三组不同的模具,应用经过优化和未经优化的参数,对109.2×5×120 mm的钢管进行了机械扩径模拟实验。通过实验结果对比研究,验证了本文提出的机械扩径工艺参数优化方法的有效性。