CN107491600B - 一种优化冲裁工艺参数的方法 - Google Patents

一种优化冲裁工艺参数的方法 Download PDF

Info

Publication number
CN107491600B
CN107491600B CN201710660606.1A CN201710660606A CN107491600B CN 107491600 B CN107491600 B CN 107491600B CN 201710660606 A CN201710660606 A CN 201710660606A CN 107491600 B CN107491600 B CN 107491600B
Authority
CN
China
Prior art keywords
blanking
finite element
process parameters
model
target optimization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710660606.1A
Other languages
English (en)
Other versions
CN107491600A (zh
Inventor
刘倩
李佳凝
张荣华
郑小平
田亚强
陈连生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Science and Technology
Original Assignee
North China University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China University of Science and Technology filed Critical North China University of Science and Technology
Priority to CN201710660606.1A priority Critical patent/CN107491600B/zh
Publication of CN107491600A publication Critical patent/CN107491600A/zh
Application granted granted Critical
Publication of CN107491600B publication Critical patent/CN107491600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mounting, Exchange, And Manufacturing Of Dies (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于塑性加工领域，特别是涉及一种优化冲裁工艺参数的方法。所述方法包括以下步骤：(1)构建冲裁有限元模型对冲裁工艺进行实体建模，冲裁有限元模型以剪切修正GTN模型表征冲裁过程中材料损伤演化行为；(2)将不同冲裁工艺参数组合输入有限元模型中，输出目标优化量，得到多组冲裁工艺参数与相应的目标优化量数据，构成数据库；(3)结合所述数据库，训练人工神经网络模型获得目标优化量与冲裁工艺参数之间的函数映射关系，构建目标优化量预测模型。本发明具有预测精度高、响应速度快、可操作性强等特点，能够准确预测多个工艺参数耦合对冲裁工艺带来的影响，优化工艺参数。

Description

一种优化冲裁工艺参数的方法
技术领域
本发明属于塑性加工领域，特别是涉及一种优化冲裁工艺参数的方法。
背景技术
冲裁是一种借助于模具使板料产生断裂分离，从而获得所需形状零件尺寸的重要加工方式，属于冲压工艺。与其它塑性加工方式相比，冲压具有生产效率高、加工成本低、产品尺寸精度高和操作简单等优点，因而被广泛应用于汽车、航天航空、造船以及电子电器等工业领域。据统计，在汽车制造业中，大约有60％～70％的汽车零件是经薄板冲压成形生产出来的，其成形质量与断面质量会直接影响到汽车外观与整车装配，进而影响到汽车的制造成本以及新车型的开发周期。
从工业应用角度来看，断面质量是评价冲裁产品质量好坏的最重要指标，冲裁力则是合理选择冲压设备能力的依据。断面质量良好要求断面垂直度要高、粗糙度要低，可以用断裂带与光亮带间的比例来评价。影响冲裁加工工艺的因素有许多，包括冲裁间隙、模具刃口、冲裁速度、约束状态、润滑条件、板料厚度及性质等。不同的工艺参数组合会造成冲裁变形区应力状态的改变，从而引起冲裁力的变化，使得产品质量参差不齐。通常采用试错法优化工艺参数或控制变量的方法来研究某单个因素对断面质量及冲裁力的影响趋势，但这种方式不但费时费力，而且分析并不全面，偶然性较大，不能满足实际冲裁生产的要求。
近年来，随着计算机仿真技术与有限元塑性成形理论的日臻完善，越来越多的学者开始借助于冲裁数值模拟技术来研究各工艺参数对冲裁断面质量与冲裁力的影响。但还仅仅局限在特定情况下研究某个特定工艺参数对冲裁断面质量与冲裁力的影响，很少涉及到多个工艺参数间的耦合作用，制约了实际冲裁生产。
发明内容
针对上述问题，本发明提供了一种优化冲裁工艺参数的方法。本发明能够准确预测多个工艺参数耦合作用对冲裁工艺带来的影响，进而优化工艺参数，减少实际生产中的试模次数，降低生产成本。
本发明是通过以下技术方案实现的：
一种优化冲裁工艺参数的方法，所述方法包括以下步骤：
(1)构建冲裁有限元模型：构建冲裁有限元模型对冲裁工艺进行实体建模，所述冲裁有限元模型中以剪切修正GTN模型表征冲裁过程中材料损伤演化行为；
(2)建立数据库：将不同冲裁工艺参数组合输入冲裁有限元模型中，输出目标优化量，得到多组冲裁工艺参数与相应的目标优化量数据，构成数据库；
(3)构建目标优化量预测模型：结合所述数据库，自学习训练人工神经网络模型，获得目标优化量与冲裁工艺参数之间的函数映射关系，根据映射关系构建目标优化量预测模型；
所述目标优化量为冲裁力或冲裁质量中的一种或两种以上。
进一步地，所述冲裁工艺参数包括但不限于冲裁间隙、模具刃口、冲裁速度、约束状态、润滑条件、板料厚度。
进一步地，所述冲裁质量包括四个特征区的特征参数；所述四个特征区为塌角、光亮带、断裂带与毛刺；所述特征参数包括尺寸和角度。
进一步地，所述冲裁有限元模型所使用的材料模型为剪切修正GTN模型，使用FORTRAN语言编写ABAQUS用户子程序数值代码，并通过vumat接口嵌入的。它以孔洞体积分数作为损伤变量来预测变形过程中裂纹萌发及扩展情况；
孔洞体积分数增量df由孔洞形核、长大与剪切部分所组成，孔洞形核体积分数增量、长大体积分数增量与剪切部分体积分数增量，表示为：
df＝dfgrowth+dfnucleation+dfshear
式中，dfnucleation、dfgrowth与dfshear分别为：
Figure BDA0001370468450000031
Figure BDA0001370468450000032
dfgrowth＝(1-f)dεp:I
Figure BDA0001370468450000033
Figure BDA0001370468450000034
式中，ks为剪切系数，表示纯剪切状态下损伤增长率的大小；S为偏应力张量；I为单位张量；J3为应力偏量的第三不变量；A为塑性应变控制的孔洞形核系数，假定只在拉应力作用下存在孔洞形核，而在压应力下不发生形核；εN为孔洞形核时的平均应变；SN为孔洞形核标准差；fn为能够发生微孔洞形核的所有第二相粒子体积分数；
Figure BDA0001370468450000041
为基体的等效塑性应变；εp为塑性应变增量；σH为平均应力；σeq为宏观等效应力。
进一步地，所述冲裁有限元模型应用前经过调整，所述调整具体步骤为：在冲裁装置上进行试验，同步记录冲裁力-行程曲线，冲裁后测量包含塌角、光亮带、断裂带与毛刺在内的各个冲裁断面特征区尺寸；
将试验过程中的冲裁工艺参数输入以剪切修正GTN模型作为材料模型的冲裁有限元模型中，输出冲裁力-行程曲线、塌角、光亮带、断裂带与毛刺在内的各个冲裁断面特征区尺寸；
将试验结果和有限元模拟结果相比较，判断差值是否在容差范围内，若差值大于容差则调整εN、SN、fn、fc、fF、ks参数直至差值小于容差。
进一步地，所述步骤(3)中
目标优化量与冲裁工艺参数之间的函数映射关系包含于训练好的人工神经网络模型之中，其数学表达式为：
Figure BDA0001370468450000042
式中，Y表示目标优化量，为一个矩阵，可以包含一个或多个值；X＝[x1,x2,x3…xn]表示包含有n个工艺参数的矩阵；f1(·)、f2(·)分别为输入层同隐藏层1、隐藏层1同隐藏层2之间的S型转换函数；f3(·)为隐藏层2同输出层之间的线性转换函数；ω1、ω2、ω3分别表示输入层同隐藏层1、隐藏层1同隐藏层2以及隐藏层2同输出层之间的连接权矩阵；p、q分别表示隐藏层1，隐藏层2的节点数；i、m、h分别是加和符号中的起始值。
进一步地，剪切修正GTN模型的屈服函数表示为：
Figure BDA0001370468450000051
式中，σeq为宏观等效应力；σm为静水压力；σy为基体屈服应力，
Figure BDA0001370468450000052
q1，q2与q3为拟合系数，一般分别取1.5，1.0，2.25；cosh()是双曲余弦函数。
损伤函数f*是孔洞体积分数f的分段函数，表示为：
Figure BDA0001370468450000053
式中，fc为孔洞聚合时的临界孔洞体积分数；fF为材料发生断裂时的孔洞体积分数；
Figure BDA0001370468450000054
进一步地，用剪切修正GTN模型来描述冲裁过程中材料变形行为过程中对凸凹模间板料变形剧烈的区域进行了网格细化，模具刃口处以及板料冲裁区的网格尺寸远小于其他区域的网格尺寸。
进一步地，在冲裁有限元模拟过程中采用任意拉格朗日-欧拉法避免大变形所引起的网格畸变问题。
进一步地，步骤(3)中采用正交试验设计方法，在Abaqus有限元软件中进行不同工艺参数下的冲裁数值模拟，对应得到目标优化量的值。
本发明的有益技术效果：本发明的显著特点是预测精度高，响应速度快，可操作性强，能够准确预测多个工艺参数耦合作用对冲裁工艺带来的影响，进而优化工艺参数，减少实际生产中的试模次数，降低生产成本。
附图说明
图1为本发明优化冲裁工艺参数的方法流程图；
图2为本发明中自行设计的冲裁试验装置示意图；
图3为本发明中所使用的二维轴对称冲裁有限元模型；
图4为本发明中有限元模拟与试验中的冲裁力-行程曲线间比较；
图5为本发明中根据人工神经网络获得的冲裁力预测模型；
图6为本发明中冲裁试验断面特征区域的特征参数示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
实施例1
本实施例提供了一种优化冲裁工艺参数的方法。
方法包括以下步骤：
1)进行冲裁工艺试验：该步骤可以在专用压力机或者自行设计冲裁装置在拉伸试验机上进行冲裁工艺试验，同步记录冲裁力-行程曲线，冲裁后测量包含塌角、光亮带、断裂带与毛刺在内的各个冲裁断面特征区尺寸；本实施例采用自行设计冲裁试验装置，如图2所示，安装到拉伸试验机上进行冲裁试验。其中，凸模与凹模的直径尺寸为5.00mm与5.15mm，圆角半径均为0.05mm，冲裁速度为20mm/s，所用板料为1.0mm厚的无取向硅钢，本构关系为
Figure BDA0001370468450000071
其中，参考应变率
Figure BDA0001370468450000072
2)建立冲裁有限元分析模型：在Abaqus有限元软件中对冲裁工艺进行实体建模，如图3所示，压边力为1.0KN，摩擦系数为0.10。使用FORTRAN语言编写ABAQUS用户子程序数值代码，定义剪切修正GTN材料模型，并通过vumat接口嵌入。
剪切修正GTN模型的屈服函数表示为：
Figure BDA0001370468450000073
式中，σeq为宏观等效应力；σm为静水压力；σy为基体屈服应力，
Figure BDA0001370468450000074
q1，q2与q3为拟合系数；损伤函数f*是孔洞体积分数f的分段函数，表示为：
Figure BDA0001370468450000081
式中，fc为孔洞聚合时的临界孔洞体积分数；fF为材料发生断裂时的孔洞体积分数；
Figure BDA0001370468450000082
孔洞体积分数增量df由孔洞形核、长大与剪切部分所组成，表示为：
df＝dfgrowth+dfnucleation+dfshear
式中，dfnucleation、dfgrowth与dfshear分别为：
Figure BDA0001370468450000083
Figure BDA0001370468450000084
dfgrowth＝(1-f)dεp:I
Figure BDA0001370468450000085
Figure BDA0001370468450000086
式中，ks为剪切系数，表示纯剪切状态下损伤增长率的大小；S为偏应力张量；I为单位张量；J3为应力偏量的第三不变量；A为塑性应变控制的孔洞形核系数，假定只在拉应力作用下存在孔洞形核，而在压应力下不发生形核；εN为孔洞形核时的平均应变；SN为孔洞形核标准差；fn为能够发生微孔洞形核的所有第二相粒子体积分数；
Figure BDA0001370468450000087
为基体的等效塑性应变；εp为塑性应变增量；σH为平均应力。
通过剪切修正GTN模型来描述冲裁过程中材料损伤演化行为，将孔洞体积分数作为损伤变量来预测变形过程中裂纹扩展情况。模拟中所用的材料模型参数分别列于表1；此外，为了提高计算精度并节约计算时间，对凸凹模间板料变形剧烈的区域进行了网格细化，模具刃口处以及板料冲裁区的网格尺寸远小于其他区域的网格尺寸；同时，采用任意拉格朗日-欧拉法来避免大变形所引起的网格畸变问题，保证单元网格质量，使得计算顺利进行，具体来说，自适应网格频率设置为10，每次网格重划分时进行的扫掠数为3。
表1、模拟中所用的材料模型参数
Figure BDA0001370468450000091
3)冲裁有限元分析模型的试验验证。该步骤可以在专用压力机或者自行设计冲裁装置在拉伸试验机上进行冲裁工艺试验，同步记录冲裁力-行程曲线，冲裁后测量包含塌角、光亮带、断裂带与毛刺在内的各个冲裁断面特征区尺寸。特征区尺寸如图6所示，图中：bR表示塌角宽度，hR表示塌角高度，hS表示光亮带高度，hF表示断裂带高度，hI表示毛刺高度，α表示断裂带角度。
对于冲裁力-行程曲线来说，将从开始压下直至断裂发生的整个模具行程范围内等间距地分为n份，分别读取有限元模拟与试验中各个模具行程下所对应的冲裁力值，当两者满足下式时，即验证了冲裁有限元分析模型的可靠性：
Figure BDA0001370468450000101
式中，
Figure BDA0001370468450000102
与
Figure BDA0001370468450000103
分别为当压下行程为δi(i＝1～n)时试验与模拟中的冲裁力值；tol1为所设置的容差值。
所述冲裁有限元分析模型的试验验证步骤中，对于断面质量来说，包含有塌角、光亮带、断裂带与毛刺四部分，这里以光亮带为例进行说明，分别读取有限元模拟与试验中光亮带高度值，当两者满足下式时，即验证了冲裁有限元分析模型的可靠性：
Figure BDA0001370468450000104
式中，
Figure BDA0001370468450000105
分别为有限元模拟与试验中光亮带高度值；tol2为所设置的容差值。
图4比较了模型与试验中的冲裁力-行程曲线，从开始压下直至断裂发生的整个模具行程等间距地分为20份，分别读取有限元模拟与试验中各个模具行程下所对应的冲裁力值，则
Figure BDA0001370468450000106
可见，两曲线吻合程度很高，由此验证了有限元模型的可靠性。
4)人工神经网络的建立。本发明中所建立的神经网络模型结构为4-10-10-1型。其结构包含一个含有4节点的输入层，两个分别含有10个节点的隐藏层以及含有一个节点的输出层。输入层参数有：冲裁间隙、冲裁速度、模具圆角半径、板料厚度；输出层参数为冲裁力。
5)冲裁力预测模型建立步骤。
所述人工神经网络模型建立步骤中，目标优化量可以是冲裁力大小，或断面质量参数，如塌角高度、光亮带高度、断裂带高度等。
所述人工神经网络模型建立步骤中，目标优化量与冲裁工艺参数之间的函数映射关系包含于训练好的人工神经网络模型之中，其数学表达式为：
Figure BDA0001370468450000111
式中，Y表示目标优化量，为一个矩阵，可以包含一个或多个值；X＝[x1,x2,x3…xn]表示包含有n个工艺参数的矩阵；f1(·)、f2(·)分别为输入层同隐藏层1、隐藏层1同隐藏层2之间的S型转换函数；f3(·)为隐藏层2同输出层之间的线性转换函数；ω1、ω2、ω3分别表示输入层同隐藏层1、隐藏层1同隐藏层2以及隐藏层2同输出层之间的连接权矩阵。
根据已经获取的冲裁力与冲裁工艺参数之间的函数关系以及各个工艺参数与冲裁力之间的函数关系，基于Matlab平台建立目标优化量预测模型。当其他条件不变时，通过人工神经网络预测的冲裁力随冲裁间隙的变化情况如图5所示，可以应用于实际生产中。

Claims (7)

1.一种优化冲裁工艺参数的方法，其特征在于，所述方法包括以下步骤：
(1)构建冲裁有限元模型：构建冲裁有限元模型对冲裁工艺进行实体建模，所述冲裁有限元模型以剪切修正GTN模型表征冲裁过程中材料损伤演化行为；所述剪切修正GTN模型通过编写ABAQUS用户子程序数值代码，并由vumat接口嵌入ABAQUS；
(2)建立数据库：将不同冲裁工艺参数组合输入所述冲裁有限元模型中，输出目标优化量，得到多组冲裁工艺参数与相应的目标优化量数据，构成数据库；所述冲裁工艺参数包括但不限于冲裁间隙、模具刃口、冲裁速度、约束状态、润滑条件、板料厚度；
(3)构建目标优化量预测模型：结合所述数据库，对人工神经网络模型进行自学习训练，获得目标优化量与冲裁工艺参数之间的函数映射关系，根据映射关系构建目标优化量预测模型；
所述目标优化量为冲裁力或冲裁后断面质量中的一种或两种以上；
所述冲裁有限元模型以孔洞体积分数作为损伤变量预测变形过程中裂纹萌发及扩展情况；
孔洞体积分数增量df由孔洞形核、长大与剪切部分所组成，表示为：
df＝dfgrowth+dfnucleation+dfshear
式中，dfnucleation、dfgrowth与dfshear分别为孔洞形核体积分数增量、长大体积分数增量与剪切部分体积分数增量：
Figure FDA0002788871250000021
Figure FDA0002788871250000022
dfgrowth＝(1-f)dεp:I
Figure FDA0002788871250000023
Figure FDA0002788871250000024
式中，ks为剪切系数，表示纯剪切状态下损伤增长率的大小；S为偏应力张量；I为单位张量；J3为应力偏量的第三不变量；A为塑性应变控制的孔洞形核系数，假定只在拉应力作用下存在孔洞形核，而在压应力下不发生形核；εN为孔洞形核时的平均应变；SN为孔洞形核标准差；fn为能够发生微孔洞形核的所有第二相粒子体积分数；
Figure FDA0002788871250000025
为基体的等效塑性应变；εp为塑性应变增量；σH为平均应力；σeq为宏观等效应力；f为孔洞体积分数；
采用剪切修正GTN模型描述冲裁过程中材料损伤演化行为；对凸凹模间板料变形剧烈的区域进行了网格细化，模具刃口处以及板料冲裁区的网格尺寸远小于其他区域的网格尺寸。
2.如权利要求1所述方法，其特征在于，所述冲裁有限元模型应用前经过调整，所述调整具体步骤为：在冲裁装置上进行试验，同步记录冲裁力-行程曲线，冲裁后测量包含塌角、光亮带、断裂带与毛刺在内的各个冲裁断面特征区尺寸和角度；
将试验过程中的冲裁工艺参数输入冲裁有限元模型中，输出冲裁力-行程曲线、塌角、光亮带、断裂带与毛刺在内的各个冲裁断面特征区尺寸和角度；
将试验结果和有限元模拟结果相比较，判断差值是否在容差范围内，若差值大于容差则调整冲裁有限元模型的参数εN、SN、fn、fc、fF、ks直至差值小于容差；
fc为孔洞聚合时的临界孔洞体积分数；fF为材料发生断裂时的孔洞体积分数。
3.如权利要求1所述方法，其特征在于，所述步骤(3)中
目标优化量与冲裁工艺参数之间的函数映射关系包含于训练好的人工神经网络模型之中，其数学表达式为：
Figure FDA0002788871250000031
式中，Y表示目标优化量，为一个矩阵，可以包含一个或多个值；X＝[x1,x2,x3…xn]表示包含有n个工艺参数的矩阵；f1(·)、f2(·)分别为输入层同隐藏层1、隐藏层1同隐藏层2之间的S型转换函数；f3(·)为隐藏层2同输出层之间的线性转换函数；ω1、ω2、ω3分别表示输入层同隐藏层1、隐藏层1同隐藏层2以及隐藏层2同输出层之间的连接权矩阵，p、q分别表示隐藏层1，隐藏层2的节点数；i、m、h分别是加和符号中的起始值。
4.如权利要求1所述方法，其特征在于，剪切修正GTN模型的屈服函数表示为：
Figure FDA0002788871250000032
式中，σeq为宏观等效应力；σm为静水压力；σy为基体屈服应力，
Figure FDA0002788871250000041
Figure FDA0002788871250000042
为等效塑性应变；q1，q2与q3为拟合系数；cosh()是双曲余弦函数；
损伤函数f*是孔洞体积分数f的分段函数，表示为：
Figure FDA0002788871250000043
式中，fc为孔洞聚合时的临界孔洞体积分数；fF为材料发生断裂时的孔洞体积分数；
Figure FDA0002788871250000044
5.如权利要求1所述方法，其特征在于，在冲裁有限元模拟过程中采用任意拉格朗日-欧拉法避免大变形所引起的网格畸变问题。
6.如权利要求1所述方法，其特征在于，步骤(3)中采用正交试验设计方法，在Abaqus有限元软件中进行不同工艺参数下的冲裁数值模拟，对应得到目标优化量的值。
7.如权利要求1-6任一所述方法，其特征在于，所述冲裁后断面质量包括四个特征区的特征参数；所述四个特征区为塌角、光亮带、断裂带与毛刺；所述特征参数包括尺寸和角度。
CN201710660606.1A 2017-08-04 2017-08-04 一种优化冲裁工艺参数的方法 Active CN107491600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710660606.1A CN107491600B (zh) 2017-08-04 2017-08-04 一种优化冲裁工艺参数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710660606.1A CN107491600B (zh) 2017-08-04 2017-08-04 一种优化冲裁工艺参数的方法

Publications (2)

Publication Number Publication Date
CN107491600A CN107491600A (zh) 2017-12-19
CN107491600B true CN107491600B (zh) 2021-01-19

Family

ID=60643427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710660606.1A Active CN107491600B (zh) 2017-08-04 2017-08-04 一种优化冲裁工艺参数的方法

Country Status (1)

Country Link
CN (1) CN107491600B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191390B (zh) * 2018-10-26 2023-09-01 中国航发商用航空发动机有限责任公司 表面带有内凹部的零件建模方法、设备以及电子设备
CN111259497A (zh) * 2020-01-13 2020-06-09 中国地质大学（北京） 一种热冲压压边力优化控制方法
CN111651916B (zh) * 2020-05-15 2022-09-09 北京航空航天大学 一种基于深度学习的材料性能预测方法
CN112749479A (zh) * 2020-12-14 2021-05-04 广东省科学院智能制造研究所 一种模具结构的优化方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103646A (zh) * 2010-12-14 2011-06-22 武汉理工大学 基于有限元技术和人工神经网络的精冲模具磨损预测方法
CN106503292A (zh) * 2016-09-20 2017-03-15 浙江大学 预测低速冲击下复合材料层合板渐进失效的有限元方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106140901A (zh) * 2015-03-31 2016-11-23 株式会社日立制作所 金属板材弯曲成形控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103646A (zh) * 2010-12-14 2011-06-22 武汉理工大学 基于有限元技术和人工神经网络的精冲模具磨损预测方法
CN102103646B (zh) * 2010-12-14 2012-11-14 武汉理工大学 基于有限元技术和人工神经网络的精冲模具磨损预测方法
CN106503292A (zh) * 2016-09-20 2017-03-15 浙江大学 预测低速冲击下复合材料层合板渐进失效的有限元方法

Also Published As

Publication number Publication date
CN107491600A (zh) 2017-12-19

Similar Documents

Publication Publication Date Title
CN107491600B (zh) 一种优化冲裁工艺参数的方法
KR101088115B1 (ko) 스프링백 발생 원인 특정 방법, 스프링백 영향도 표시 방법, 스프링백 발생 원인 부위 특정 방법, 스프링백 대책 위치 특정 방법, 그 장치, 및 그 프로그램
Lee et al. Shape optimization of the workpiece in the forging process using equivalent static loads
US20160288184A1 (en) Method for Bending Metal Sheet to Achieve High Angle Accuracy
CN109284539B (zh) U型波纹管液压或气压成形模具尺寸及工艺参数优化方法
CN107908917B (zh) 一种高强板冲压成形回弹预测方法
CN102737147B (zh) 确定板料多步成形的中间构型的几何参数的优化设计方法
CN110941923B (zh) 一种空气弹簧结构敏感参数的确定方法
Fu Design and development of metal-forming processes and products aided by finite element simulation
CN107025354A (zh) 一种基于极差分析的车窗升降板成形工艺优化方法
US6731996B1 (en) Method of using isotropic plasticity to model the forming of anisotropic sheet
Gume Computer-aided modeling of the rubber-pad forming process
KR20090055348A (ko) 금속판의 곡면 성형방법
Javanmard et al. Meshless analysis of backward extrusion by natural element method
CN107092745A (zh) 一种基于方差分析的车窗升降板成形工艺优化方法
CN110765693A (zh) 基于cae仿真技术的贵金属钽电容器外壳优化模具设计方法
EP1149330B1 (en) A method of modeling the forming of anisotropic sheet
Stellin et al. Modelling and experimental study of a microforging process from metal strip for the reduction of defects in mass production
CN111889601B (zh) 增大难变形合金模锻件表层变形的波浪形坯料设计方法
Woźniak et al. Application of CAE systems in forming of drawpieces with use rubber-pad forming processes
Mohammadi et al. On the geometric accuracy in shallow sloped parts in single point incremental forming
Gharehchahi et al. Blank shape optimization in the deep drawing process by sun method
CN109033512A (zh) 一种精冲模具最优刃口形状的判定方法
Sundar Singh Sivam et al. Sustainability-driven optimization of directionally rolled copper strips for deep drawing microcups through response surface methodology
Zhang Design for uncertainties of sheet metal forming process

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171219

Assignee: Ningbo huijuxin New Material Technology Co.,Ltd.

Assignor: NORTH CHINA University OF SCIENCE AND TECHNOLOGY

Contract record no.: X2021120000011

Denomination of invention: A method of optimizing blanking process parameters

Granted publication date: 20210119

License type: Common License

Record date: 20210625

EE01 Entry into force of recordation of patent licensing contract