随着车辆轻量化和工业发展,传统的铝型材二维拉弯成形构件己不能满足工业需求,铝型材三维拉弯成形构件越来越受到关注。本文提出了一种新型柔性三维拉弯成形工艺,实现了快速重构模具型面和加工多种截面型材。该成形工艺可进行铝型材三维弯曲的加工,且成形面可重构,能有效地缩短模具的设计、调试和生产的时间,从而提高生产效率。铝型材的三维拉弯成形是一个复杂的力学过程,型材成形形状难以精确控制,而且拉弯成形过程中构件易出现回弹、起皱和破裂等成形缺陷。为了得到成形质量较高的三维拉弯成形铝型材构件,需要对成形过程中的工艺参数进行严格控制和优化。本文对柔性三维拉弯成形工艺进行了系统地研究,提出了回弹预测方法和工艺优化方法。本文将拉弯工艺与多点成形思想进行有机地结合,提出了一种新型三维拉弯成形工艺,该工艺将三维拉弯成形分解为水平弯曲和垂直弯曲。首先介绍了该工艺的成形原理、成形过程和关键部件柔性模具单元体的结构,并建立了柔性三维拉弯成形的有限元模型。研究内容包括模型简化、模拟算法选择、材料本构模型、单元选择、接触和摩擦处理以及边界条件处理等问题,为后续的柔性三维拉弯成形工艺研究中有限元模拟部分提供理论依据。回弹是影响拉弯成形工艺的最大难点,针对三维拉弯成形工艺回弹的特点,本文提出了采用支持向量回归算法对三维拉弯成形回弹进行预测的模型。目前人工神经网络是常用的回弹预测算法,支持向量回归算法是一种与人工神经网络类似的机器学习方法,但是支持向量回归算法的泛化能力高于神经网络算法。首先分析了弹性模量、屈服应力、预拉量、补拉量、水平弯曲角和垂直弯曲角对回弹影响的规律。然后以这些参数作为输入参数,水平回弹角和垂直回弹角作为输出参数,分别采用支持向量回归算法和人工神经网络算法建立了柔性三维拉弯成形的回弹预测模型。采用相同的样本对两个模型进行训练和精度检验,证实了该模型预测精度高于人工神经网络模型。传统的拉弯工艺成形过程中拉力保持不变,本文提出了三维拉弯成形过程中采用变拉力的方法,并以减小回弹为目标建立了变拉力轨迹优化模型。首先以复杂T型材为例分析了三维拉弯成形不同阶段的应力应变状态,建立了力学分析模型。将拉力分为四个阶段,预拉阶段、水平拉弯阶段、垂直拉弯阶段和补拉阶段,将各阶段的拉力、预拉量以及补拉量作为设计变量,以回弹最小化为优化目标建立了变拉力优化模型。优化模型以型材最小减薄率和最大增厚率作为约束条件,用试验数据建立目标函数和约束条件的响应面代理模型,然后采用粒子群算法对不同阶段的拉力大小进行优化。通过试验对优化后的变拉力组合与未优化的拉力组合成形后回弹进行比较,证明优化后的拉力轨迹可以有效地减小回弹。本文对矩形型材的三维拉弯成形进行了研究,建立了其三维拉弯成形的多目标优化模型。由于矩形型材截面中空的特性,其三维拉弯成形过程中易出现截面凹陷的成形缺陷,本文提出了填充钢块抑制截面凹陷的方法。分析了预拉量和补拉量对截面凹陷影响的规律,发现增加预拉量和补拉量会引起截面凹陷增加,但增加预拉量和补拉量是减小回弹的主要方法。为了达到同时控制回弹和截面凹陷的目的,建立了矩形型材三维拉弯成形的多目标优化模型。该模型以预拉量和补拉量作为设计变量,以回弹最小化和截面凹陷最小化作为目标函数,以型材最小减薄率和最大增厚率作为约束条件。用多项式响应面法建立目标和约束的代理模型,用非支配遗传算法对其进行多目标优化,得到优化解集,对解集进行分析后选择最优解。优化后的预拉量和补拉量组合能够同时达到减小回弹和截面凹陷的目的。本文还提出了基于迭代回弹补偿优化柔性三维拉弯成形模具型面的方法。该方法以控制回弹为目的,根据回弹量大小对成形面进行迭代补偿,直到成形件的形状偏差满足要求。针对型材柔性三维拉弯成形特点,提出了分段补偿因子的概念,根据回弹大小对型材进行分段,根据分段型材的回弹量分别采用不同的回弹补偿因子。使用优化后的模具型面进行三维拉弯成形,可以极大地降低与目标形状的形状偏差。