论文部分内容阅读
汽车覆盖件成形工艺与模具的设计是制约汽车工业发展的关键性技术。随着数值分析技术和计算机技术的发展,数模拟技术逐渐应用于汽车覆盖件冲压成形质量控制和模具的优化设计等方面,但目前的应用仅限于代替反复试模。现阶段,将人工智能等先进技术与数值模拟方法相结合用以预测产品成形质量以及工艺参数优化己成为一种研究趋势。本论文在板料数值模拟技术、塑性成形以及人工神经网络等理论知识的基础上,以引擎盖内、外板为研究对象,运用数值模拟有限元软件DYNAFORM对其拉深成形过程进行了模拟仿真分析,采用正交试验方法,评定了重要工艺参数对成形质量的影响,根据实验数据建立BP神经网络预测成形质量的模型。主要研究内容有:1、综述了国内外数值模拟理论的研究现状与发展趋势,介绍了神经网络的发展进程,分析了板料拉深成形数值模拟的关键技术,包括动力显式算法,弹塑性本构关系,单元理论,接触和摩擦处理方法,以及自适应网格划分技术等。2、利用有限元数值模拟软件DYNAFROM对典型圆筒件拉深成形过程进行了模拟,分析DYNAFROM后处理模块中的成形极限图和厚度分布图可知,圆筒件的主要成形缺陷为凸缘部分的起皱。通过设置不同压的边力进行模拟,得到了一组有效减少圆筒件起皱区域的优化压边力值,对实际生产中压边力的选择具有一定的指导意义。3、利用DYNAFROM软件模拟了引擎盖内、外板的拉延过程;对引擎盖外板主要成形缺陷——拉裂和起皱以及影响这些缺陷产生的工艺参数做了重点分析;运用正交试验的方法评定了压边力、冲压速度、凸凹模间隙和摩擦系数对引擎盖外板成形缺陷拉裂与起皱的影响,得到了基于正交试验的参数优化值和后续建立神经网络模型的样本数据4、利用汽车引擎盖外板冲压成形过程的数值模拟正交试验获取的实验数据,建立了用于引擎盖外板拉深成形质量预测的BP神经网络模型,通过对一定量的学习样本进行训练后,网络的预测值与数值模拟值相对误差较小,模型基本可靠。本文研究表明,利用数值模拟技术对汽车引擎盖拉延过程进行仿真,可以预知成形过程中的应力应变、成形缺陷等。将数值模拟与人工神经网络结合起来,建立BP网络仿真模型,预测零件成形的缺陷,能够达到较高的准确度,且相对于单一的数值模拟过程,其仿真时间要短得多。这对缩短模具开发周期,提高生产效率以及进一步优化工艺参数具有重要意义。