CN110740822B - 冲压系统及其控制方法 - Google Patents
冲压系统及其控制方法 Download PDFInfo
- Publication number
- CN110740822B CN110740822B CN201880038166.9A CN201880038166A CN110740822B CN 110740822 B CN110740822 B CN 110740822B CN 201880038166 A CN201880038166 A CN 201880038166A CN 110740822 B CN110740822 B CN 110740822B
- Authority
- CN
- China
- Prior art keywords
- load
- press
- unit
- objective function
- evaluation
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D24/00—Special deep-drawing arrangements in, or in connection with, presses
- B21D24/10—Devices controlling or operating blank holders independently, or in conjunction with dies
- B21D24/14—Devices controlling or operating blank holders independently, or in conjunction with dies pneumatically or hydraulically
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D24/00—Special deep-drawing arrangements in, or in connection with, presses
- B21D24/02—Die-cushions
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2622—Press
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Shaping Metal By Deep-Drawing, Or The Like (AREA)
Abstract
冲压系统具备冲压部和对冲压部进行控制的控制器。控制器包括:载荷模式生成部,其生成多个载荷模式;评价输入部,其输入按照多个载荷模式通过冲压部成形的多个成形品各自的品质评价;以及最佳载荷模式设定部,其基于由评价输入部输入的多个品质评价设定最佳的载荷模式。最佳载荷模式设定部具有:响应曲面生成部,其根据基于多个载荷模式和多个品质评价的评价值数据,以将设计变量设为载荷模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及最优化计算部,其通过最优化来求出该响应曲面的目标函数的最优解。
Description
技术领域
本发明涉及冲压系统及冲压装置的控制方法,特别是涉及伺服模具缓冲部等的载荷模式控制。
背景技术
使用利用伺服马达控制模具缓冲部并能够任意变更载荷的伺服模具缓冲部,能够通过使冲压成形中的模具缓冲部载荷变化来提高成形品的品质。
但是,对于谋求最佳模具缓冲部载荷的变化,需要大量试验和大量劳力。
另一方面,在日本特开2016-200901号公报中,提出了通过规定材料的参数的最优化来创建保持最佳的材料特性的构造物的近似模型的方式。
以往,在使用最优化方法时,大多同时使用解析工具。
在使用解析工具的情况下,存在为了减小解析误差而必须精通解析工具且难以高精度地设定最佳的载荷模式的课题。
在先技术文献
专利文献
专利文献1:日本特开2016-200901号公报
发明内容
发明要解决的课题
本发明的目的在于提供一种能够以简单的方式高效地设定载荷模式的冲压装置及其控制方法。
用于解决课题的方案
一个方案的冲压系统具备冲压部和对冲压部进行控制的控制器。控制器包括:载荷模式生成部,其生成多个载荷模式;评价输入部,其输入按照多个载荷模式通过冲压部成形的多个成形品各自的品质评价;以及最佳载荷模式设定部,其基于由评价输入部输入的多个品质评价设定最佳的载荷模式。最佳载荷模式设定部具有:响应曲面生成部,其根据基于多个载荷模式和多个品质评价的评价值数据,以将设计变量设为载荷模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及最优化计算部,其通过最优化来求出该响应曲面的目标函数的最优解。
一个方案的冲压系统具备冲压部和对冲压部进行控制的控制器。控制器包括:速度模式生成部,其生成冲压部的滑动件的多个速度模式;评价输入部,其输入按照多个速度模式通过冲压部成形的多个成形品各自的品质评价;以及最佳速度模式设定部,其基于由评价输入部输入的多个品质评价设定最佳的速度模式。最佳速度模式设定部具有:响应曲面生成部,其根据基于多个速度模式和多个品质评价的评价值数据,以将设计变量设为速度模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及最优化计算部,其通过最优化来求出该响应曲面的目标函数的最优解。
发明效果
冲压系统及冲压装置的控制方法能够以简单的方式高效地设定载荷模式。
附图说明
图1是基于实施方式的冲压装置的示意图。
图2是说明基于实施方式的控制部34及其周边部的图。
图3是说明基于实施方式的向载荷模式生成部110输入的条件的图。
图4是说明基于实施方式的载荷模式生成部110生成的载荷模式的生成方式的图。
图5是说明基于实施方式的多个载荷模式的图。
图6是说明基于实施方式的试样的一例的图。
图7是说明基于实施方式的评价画面的图。
图8是说明基于实施方式的冲压装置中的最优解的输出流程的图。
图9是说明基于实施方式的缩放的流程图。
图10是说明基于实施方式的目标函数的概念的图。
图11是针对基于实施方式的按照多个采样点(特性数据)的响应曲面的变化说明的图。
图12是说明基于另一实施方式的控制部34#及其周边部的图。
图13是说明基于实施方式的向速度模式生成部111输入的条件的图。
具体实施方式
以下,基于附图说明实施方式。需要说明的是,在以下的说明中,对相同部件标注相同的附图标记。这些部件的名称及功能也相同。因此,不重复关于这些部件的详细说明。
以下,参照附图说明本例的实施方式。
图1是基于实施方式的冲压装置的示意图。
如图1所示,冲压装置以位于上部的滑动件2与位于下部的垫板8相互对置的方式设置。
滑动件2从内置于上方的冠部13的滑动驱动机构1接受动力而进行升降动作。
在滑动件2的下部安装有上模3a。另一方面,垫板8固定于基座9的上部,在垫板8的上部安装有下模3b。
在垫板8及下模3b设置有沿上下方向贯通的多个孔,在该孔中穿插缓冲销7。
缓冲销7的上端与在下模3b的凹部分设置的防皱压板5的下部抵接,缓冲销7的下端与在基座9内设置的模具缓冲部10的缓冲垫11抵接。
在基座9的内壁面间设置有横梁6,通过横梁6支承模具缓冲部10。
在冲压加工时,在防皱压板5上载置工件(坯件)4。
在上模3a与滑动件2一起下降时,上模3a的凸部与工件4抵接。
然后,通过上模3a的凸部和防皱压板5夹持工件4来实现褶皱抑制。若滑动件2及上模3a进一步下降,则工件4通过上模3a和下模3b实现拉深成形。
此时,缓冲垫11、缓冲销7及防皱压板5成为一体,在产生向上方的作用力的同时下降。
针对缓冲垫11设置伺服马达12,使用电动式的伺服马达12产生缓冲压力。
对滑动件2及缓冲垫11的控制系统进行说明。
滑动驱动机构1根据从后述的控制部34输出的指令电流使滑动件2进行升降动作。
伺服马达12根据从控制部34供给的指令电流使缓冲垫11进行升降动作。
用于对滑动件2及缓冲垫11进行控制的规定的升降动作信息相互建立对应地存储在后述的存储器33中。
例如,在存储器33中存储的是滑动件2的每一行程的时间变化与位置变化的关系、缓冲垫11的每一行程的时间变化与位置变化的关系、以及拉深成形时的缓冲垫11的时间变化与压力变化的关系。滑动件2及缓冲垫11的一行程需要的时间设为相同。因此,滑动件2与缓冲垫11的升降动作相互同步。操作者能够使用未图示的输入装置变更滑动件2及缓冲垫11的升降动作的设定。
控制部34对滑动件2进行位置控制,并对缓冲垫11进行位置控制及压力控制(载荷控制)。
在实施方式中,对缓冲垫11的位置控制及载荷控制进行说明。
图2是说明基于实施方式的控制部34及其周边部的图。
参照图2,在控制部34的周边设置存储器33、输入部100及显示部102。
输入部100是鼠标及键盘等根据操作者的指示输入各种信息的各种输入设备。
显示部102使用公知的各种显示器。
需要说明的是,输入部100与显示部102也可以分体设置,但在本例中,设置触摸面板型的显示器。
控制部34基于储存在存储器33中的程序实现各种功能。控制部34通过执行在存储器33等的ROM等中存储的程序(计算机软件)来实现各种功能。需要说明的是,可以由通过执行程序而使各部位发挥作用的计算机构成,也可以是各部位由专用电路构成的专用装置。
具体来说,控制部34包括针对缓冲垫11的载荷模式生成部110、对冲压加工进行控制的冲压控制部112及最佳载荷模式设定部120。
载荷模式生成部110生成针对缓冲垫11的多个载荷模式,该多个载荷模式用于基于来自输入部100的各种条件的输入形成作为试样的成形品。
在本例中,输入针对缓冲垫11的载荷上限、载荷下限、成形行程分割数、成形行程分割位置的条件。
冲压控制部112对滑动驱动机构1及伺服马达12进行控制。具体来说,输出用于实现希望的冲压加工的指令电流。
最佳载荷模式设定部120设定针对缓冲垫11的最佳的载荷模式。
图3是说明基于实施方式的向载荷模式生成部110输入的条件的图。
如图3所示,作为条件输入针对缓冲垫11的载荷上限、载荷下限、成形行程分割数、成形行程分割位置L1、L2、L3。
在本例中,示出作为成型行程分割数设定为“3”的情况。
图4是说明基于实施方式的载荷模式生成部110生成的载荷模式的生成方式的图。
如图4所示,作为载荷模式的设计变量使用拉丁超立方设计(LHD:LatinHypercube Design)法和正交表设定其值例如参数值。拉丁超立方法是离散地均匀覆盖设计变量空间的采样方法。在此,示出设定两个参数值x1、x2的情况,但用于生成载荷模式的参数值的个数按照上述输入条件来设定。因此能够在设计变量空间中均匀地设定参数值。除了拉丁超立方法以外,例如还能够使用正交表、蒙特卡罗法等设定设计变量的参数值。
图5是说明基于实施方式的多个载荷模式的图。
如图5所示,载荷模式生成部110基于载荷上限、载荷下限、成形行程分割数、成形行程分割位置的输入条件,使用上述的拉丁超立方法生成针对缓冲垫11的多个载荷模式PA~PD。需要说明的是,在本例中示出四个载荷模式,但该载荷模式数按照上述输入条件设定。
在本例中,按照由载荷模式生成部110生成的载荷模式PA~PD实际执行冲压成型。
冲压控制部112按照针对缓冲垫11的载荷模式PA~PD对伺服马达12进行控制。另外,冲压控制部112以滑动件2按照规定的滑动运动进行动作的方式对滑动驱动机构1进行控制。具体来说,输出用于实现希望的冲压加工的指令电流。
图6是说明基于实施方式的试样的一例的图。
如图6所示,示出以针对缓冲垫11的某种载荷模式进行冲压成型的试样。
针对每个所生成的各载荷模式对试样进行模具成型。在本例中,操作者针对通过该冲压成型而生成的各试样对品质进行感官评价。
具体来说,设置三个指标,针对试样,对“最终品质”、“褶皱”、“破裂”的品质进行感官评价。
图7是说明基于实施方式的评价画面的图。
如图7所示,操作者针对冲压成型的试样,对“最终品质”、“褶皱”、“破裂”的品质进行感官评价。
在本例中,作为一例,针对“最终品质”品质设置有“满意”、“略有不足”、“不满意”的评价项目。另外,针对“褶皱”品质设置有“完全没有”、“稍有一些”、“有”的评价项目。另外,针对“破裂”品质设置有“完全没有”、“稍有一些”、“有”的评价项目。
该评价项目分别预先与评价数据建立关联。
具体来说,关于试样的品质,与“最终品质”品质相关的“满意”、“略有不足”、“不满意”的评价项目作为一例分别被分配为评价数据“-0.5”、“0.5”、“1.5”。
另外,关于试样的品质,与“褶皱”品质相关的“完全没有”、“稍有一些”、“有”的评价项目作为一例分别被分配为评价数据“-0.5”、“0.5”、“1.5”分配。
另外,关于试样的品质,与“破裂”品质相关的“完全没有”、“稍有一些”、“有”的评价项目作为一例分别被分配为评价数据“-0.5”、“0.5”、“1.5”。
操作者针对按照由载荷模式生成部110生成的多个载荷模式成形的多个试样分别执行品质评价。需要说明的是,在本例中,关于试样的品质,在上述例子中,对三个阶段评价的情况进行了说明,但并不特别限于此,也可以设为两个阶段或进一步分为多个阶段进行评价。
由此,取得多个载荷模式与基于操作者的感官评价的多个评价数据分别建立了关联的特性数据。
在本例中,基于所取得的多个特性数据,以将设计变量设为载荷模式时的评价数据为目标函数,创建该目标函数的响应曲面。
具体来说,创建以“最终品质”为目标函数时的响应曲面。
另外,创建以“褶皱”为约束函数时的响应曲面。
另外,创建以“破裂”为约束函数时的响应曲面。
并且,根据类似于惩罚(penalty)法的方法,通过将约束条件作为惩罚函数处理,从而生成放大目标函数。另外,同样地创建放大目标函数的响应曲面并使其最小化,以求出最优解。
需要说明的是,具有约束条件的目标函数的最优化方法并不特别限于此,也能够使用其他方法。
另外,作为目标函数、约束条件的对象,能够使用其他成形品质及能够进行评价的全部指标。如面变形、线偏移、塌边、颤动、挤痕、回弹、尺寸精度不良、生产节拍、消耗电力等。
通过该处理设定与最优解对应的载荷模式并进行冲压成型。另外,通过追加针对冲压成型的成形品的特性数据,逐次对响应曲面进行更新。
由此,响应曲面与目标函数近似,能够提高精度。
需要说明的是,在本例中,作为一例,针对以下情况进行说明,即,取得多个载荷模式与基于操作者的感官评价的多个评价数据分别建立了关联的特性数据,基于所取得的多个特性数据,以将设计变量设为载荷模式时的评价数据为目标函数,创建该目标函数的响应曲面。另一方面,不特别限于感官评价,也能够使用实际计测的测量值。具体来说,也可以输入作为成形品质的指标或与之密切关联的测量值本身,将其作为目标函数或约束条件,创建该目标函数及约束条件的响应曲面。
接下来对最优化计算进行说明。
在本例中,由最佳载荷模式设定部120执行该处理。
最佳载荷模式设定部120包括评价输入部122、响应曲面生成部124、最优化运算部126及显示控制部130。
评价输入部122受理针对成形品的评价的输入。如上所述,评价的输入与评价数据建立关联,按照该输入取得评价数据。
由评价输入部122输入的评价数据是待评价的量、即目标函数。目标函数具有作为性能优选的方向,有值变大、变小或接近规定值等。另外,关于目标函数,除了上述的优选的方向以外,也有与优选的方向相反的不理想的方向。在本例中,获得作为性能优选的方向的最优解。
在冲压成型的成形品的情况下,接近最终品质为满意、完全没有褶皱、完全没有破裂的载荷模式值成为最优解。
在冲压成型的成形品的情况下,设计变量是载荷模式。具体来说,对于设计变量,为了生成该载荷模式而输入的载荷上限、载荷下限、成形行程分割数、成形行程分割位置为参数值。
约束条件是用于将目标函数的值约束在规定的范围内,并将设计变量的值约束在规定的范围内的条件。
响应曲面生成部124针对目标函数生成关于设计变量的响应曲面。
响应曲面生成部124计算由多种设计变量的值(参数值)构成的特性值空间中的输出值(采样点)。具体来说,响应曲面生成部124使用设计变量和输出值(采样点),以作为输出值的特性值为目标函数,创建近似模型(响应曲面)。
最优化运算部126设定用于获得最优解的最优化条件、例如最优解探索用的条件等。最优解探索用的条件是用于探索最优解的方法、最优解探索中的各种条件。
在本实施方式中,例如,作为用于探索最优解的方法能够使用DE(DifferentialEvolution(差分进化算法))法。通常,已知随着特性值(目标函数)增大而DE(DifferentialEvolution)法的探索能力下降。解决该问题的方法之一是增加个体数量。
关于最优化计算,最优化运算部126可以使用利用输入变量与输出变量的非线性关系(响应曲面)逐次探索的方法和按照最优化算法一边使输入变量变化一边计算输出值而进行探索的方法中的某一种。
最优化运算部126使用所创建的近似模型实施最优化计算。
近似模型是对输入输出的关系进行近似的数学模型,能够通过参数调整而对各种输入输出关系进行近似。近似模型例如能够使用多项式模型、克里格法、神经网络及径向基函数等。
最优化运算部126也可以进行近似模型的交叉验证等验证计算。
最优化运算部126也可以不使用近似模型而使用有限元法,通过设计变量与特性值的组合来计算特性值。
作为最优化计算方法,使用例如进化计算方法之一的DE(DifferentialEvolution)法。作为DE(Differential Evolution)法,例如使用将解集按照目标函数分割为多个区域并针对该分割后的各解集进行多目标GA的DRMOGA(Divided Range Multi-Objective GA)、NCGA(Neighborhood Cultivation GA)、DCMOGA(DistributedCooperation model of MOGA and SOGA)、NSGA(Non-dominated Sorting GA)、NSGA2(Non-dominated Sorting GA-II)、SPEAII(Strength Pareto Evolutionary Algorithm-II)法等公知的方法。
最优化运算部126对应于最优解探索的条件,根据使用近似模型的最优化计算结果探索最优解并提取最优解。所获得的最优解存储在存储器33中。在此,最优解是在处于折衷关系的多个特性值(目标函数)中虽然不能说优于其他任意解但是不存在更优解的解。通常,最优解以集合形式存在多个。最优化运算部126例如使用DE(Differential Evolution)法探索最优解。
在最优化运算部126中,例如进行使用帕累托排序法(Pareto ranking method)或竞争法(Tournament method)的选择。除了DE(Differential Evolution)法以外,作为相同的进化计算方法,例如也可以使用退火法(SA)或粒子群优化(PSO)。
在本例中,在设计变量与特性值之间确定的响应曲面,即在使用设计变量求出特性值的情况下所用的响应曲面也可以使用理论公式等。
显示控制部130对评价输入画面等进行控制,并显示于显示部102。
图8是说明基于实施方式的冲压装置中的最优解的输出流程的图。
如图8所示输入条件(步骤S2)。具体来说,如图3所说明那样,经由输入部100作为条件输入针对缓冲垫11的载荷上限、载荷下限、成形行程分割数、成形行程分割位置L1、L2、L3。
接下来,生成载荷模式(步骤S4)。具体来说,载荷模式生成部110基于所输入的输入条件生成针对缓冲垫11的如图5说明的多个载荷模式。
接下来,进行冲压成型(步骤S6)。冲压控制部112按照由载荷模式生成部110生成的多个载荷模式进行冲压成型。由此制成多个试样。
接下来,执行成型品的感官评价(步骤S8)。具体来说,操作者按照如图7说明的评价画面,经由输入部100针对多个试样分别对“最终品质”、“褶皱”、“破裂”的品质进行感官评价。评价输入部122按照操作者的评价输入,取得针对多个试样的多个载荷模式与基于操作者的感官评价的多个评价数据分别建立了关联的多个特性数据。
接下来,执行近似模型的创建(步骤S10)。响应曲面生成部124基于由评价输入部122取得的特性数据生成目标函数的响应曲面(近似模型)。具体来说,创建以设计变量为载荷模式、以“最终品质”的评价数据为目标函数时的响应曲面。
另外,创建以设计变量为载荷模式、以“褶皱”的评价数据为约束条件时的响应曲面。
另外,创建以设计变量为载荷模式、以“破裂”的评价数据为约束条件时的响应曲面。
然后,创建将所创建的各响应曲面合成得到的响应曲面。
接下来,实施最优化计算(步骤S12)。最优化运算部126基于所生成的响应曲面按照DE(Differential Evolution)法探索最优解,并提取最优解。
接下来,基于所提取的最优解进行冲压成型(步骤S14)。冲压控制部112按照基于最优解的针对缓冲垫11的载荷模式进行冲压成型。
接下来,操作者判断是否结束最优化处理(步骤S16)。操作者判断按照基于该最优解的针对缓冲垫11的载荷模式的冲压成型的品质是否满意。
在步骤S16中,在操作者判断结束最优化处理的情况下(步骤S16中为是),结束最优化处理(结束)。在操作者判断按照基于该最优解的针对缓冲垫11的载荷模式的冲压成型的品质满意的情况下结束最优化处理。
另一方面,在步骤S16中,在操作者判断为不结束最优化处理的情况下(步骤S16中为否),返回步骤S8,执行成型品的感官评价。具体来说,在操作者判断按照基于该最优解的针对缓冲垫11的载荷模式的冲压成型的品质不满意的情况下,操作者再次按照如图7说明的评价画面,经由输入部100针对成型品进行“最终品质”、“褶皱”、“破裂”的品质的感官评价。
评价输入部122按照操作者的评价输入取得针对成型品的载荷模式与基于操作者的感官评价的评价数据分别建立了关联的特性数据。
然后,响应曲面生成部124对通过追加针对冲压成型的成形品的特性数据而合成的响应曲面进行逐次更新。由此,响应曲面与目标函数近似,能够提高最优化计算的精度。
接下来,说明最优化的方法。
在本例中,使用RBF(Radial Basis Function)网络创建响应曲面,执行最优化。
响应曲面根据下式导出。
[式1]
x:设计变量 m:采样点数量
wj:权重 hj(x):基函数
基函数使用高斯函数。
[式2]
xj:采样点 rj:高斯函数半径
高斯函数半径根据下式导出。
[式3]
dj,max:与第j个采样点的最大距离
为了计算高斯函数半径,以各设计变量的贡献均等的方式进行设计变量的缩放。
图9是说明基于实施方式的缩放的流程图。
如图9所示,设定缩放系数s(>0)(步骤S20)。
接下来,实施缩放(步骤S22)。
根据下式对设计变量进行缩放。
[式4]
接下来,计算高斯函数半径(步骤S24)。
[式5]
接下来,计算高斯函数半径的最小值(步骤S26)。
[式6]
若rmin≤1,则
S=α×S
接下来,判断高斯函数半径的最小值是否满足规定条件(步骤S28)。
在步骤S28中,若满足高斯函数半径的最小值rmin>1的条件则结束缩放。
另一方面,在步骤S28中,若满足高斯函数半径的最小值rmin≤1的条件,则返回步骤S20,设定为缩放系数s×α并重复之后的处理。
接下来,计算响应曲面的权重系数。
将采样点数据设为学习数据,通过最小二乘法设定响应曲面的权重系数。
[式7]
yj:与学习数据xj成对的训练数据(采样点xj处的目标函数值)
λ:关于避免仅部分元素过度反应的权重的参数
结果是权重向量w=(w1,w2,…,wm)如下。
w=(HTH+Λ)-1HTy
代入上述权重向量,创建响应曲面,实施最优化。
通过设定权重系数而生成响应曲面。
图10是说明基于实施方式的目标函数的概念的图。
如图10所示,按照采样点(特性数据)生成针对目标函数的近似模型(响应曲面)。按照该响应曲面探索作为最优解的响应曲面最优值。
图11是针对基于实施方式的按照多个采样点(特性数据)的响应曲面的变化说明的图。
如图11所示,在本例中,示出基于8个采样点(特性数据)的响应曲面。接下来,示出追加了第9个采样点(特性数据)的情况。个数越多,响应曲面越接近目标函数,目标函数最优值与响应曲面最优值越近似。
通过重复执行该处理,目标函数最优值与响应曲面最优值近似,操作者能够按照基于该最优解的载荷模式执行冲压成型。
需要说明的是,在本例中对针对缓冲垫11的载荷模式控制进行了说明,但并不特别限于此,也能够同样地应用于冲压装置的滑动件2的速度模式控制。
图12是基于另一实施方式的控制部34#及其周边部的图。
参照图12,在控制部34#的周边设置有存储器33、输入部100及显示部102。
控制部34#相比于控制部34的区别为,取代载荷模式生成部110而设置有生成滑动件2的多个速度模式的速度模式生成部111,取代最佳载荷模式设定部120而设置有最佳速度模式设定部121。
最佳速度模式设定部121设定针对滑动件2的最佳的速度模式。最佳速度模式设定部121包括评价输入部122、响应曲面生成部124、最优化运算部126及显示控制部130。该结构基本上与上述说明相同,因此不重复关于其的详细说明。
速度模式生成部111基于来自输入部100的各种条件的输入,生成针对用于形成作为试样的成形品的滑动件2的多个速度模式。
在本例中,输入针对滑动件2的成形行程分割数、成形行程分割位置的条件等。需要说明的是,也可以输入滑动速度上限、滑动速度下限的条件。
图13是说明基于实施方式的向速度模式生成部111输入的条件的图。
如图13所示,作为条件输入针对滑动件2的成形行程分割数、成形行程分割位置L1、L2、L3。
在本例中,示出作为成型行程分割数设定为“3”的情况。
通过输入该条件,从而与如图5说明的内容同样地,生成滑动件2的多个速度模式。
然后,按照由速度模式生成部111生成的多个速度模式实际执行冲压成型。
然后,与上述说明同样地,操作者针对按照滑动件2的多个速度模式冲压成型的试样进行感官评价。具体来说,设置三个指标,针对试样进行“最终品质”、“褶皱”、“破裂”的品质的感官评价。
然后,取得多个速度模式与基于操作者的感官评价的多个评价数据分别建立了关联的特性数据,基于所取得的多个特性数据,以将设计变量设为速度模式时的评价数据为目标函数,创建该目标函数的响应曲面。
具体来说,创建以“最终品质”为目标函数时的响应曲面。
另外,创建以“褶皱”为约束条件时的响应曲面。
另外,创建以“破裂”为约束条件时的响应曲面。
并且,与上述说明同样地,创建将所创建的响应曲面合成而得到的响应曲面。
然后,与上述说明同样地进行求出关于响应曲面的目标函数的最良好结果作为最优解的最优化计算。
通过该处理,设定与最优解对应的速度模式并进行冲压成型。另外,通过追加针对冲压成型的成形品的特性数据,逐次对响应曲面进行更新。
由此,响应曲面与目标函数近似,能够提高精度。操作者能够按照基于最优解的速度模式执行冲压成型。
<作用效果>
接下来,说明实施方式的作用效果。
实施方式的冲压系统如图1及图2所示,具备冲压部和对冲压部进行控制的控制部34。控制部34包括:载荷模式生成部110,其生成多个载荷模式;输入部100,其输入按照多个载荷模式通过冲压部成形的多个成形品各自的品质评价;以及最佳载荷模式设定部120,其基于由输入部100输入的多个品质评价设定最佳的载荷模式。最佳载荷模式设定部120具有:响应曲面生成部124,其根据基于多个载荷模式和多个品质评价的评价值数据,以将设计变量设为载荷模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及最优化计算部126,其通过最优化来求出该响应曲面的目标函数的最优解。
最佳载荷模式设定部120基于多个成形品各自的品质评价来设定最佳的载荷模式。因此,无需使用模拟模型、解析工具的复杂处理,能够以简单的方式高效地设定载荷模式。
响应曲面生成部124一边追加基于成形品的品质评价的评价值数据一边逐次对响应曲面进行更新,其中,该成形品按照与由最优化计算部126得到的最优解对应的载荷模式通过冲压部成形而成。
通过逐次对响应曲面进行更新而使得目标函数最优值与响应曲面最优值近似,因此能够设定精度更高的载荷模式。
载荷模式生成部110针对多个载荷模式通过LHD(Latin Hypercube Design(拉丁超立方设计))法决定。
在设计变量空间中,由于能够均匀设定参数值,因此能够高效生成载荷模式。
响应曲面生成部124通过RBF(Radial Basis Function(径向基函数))网络创建响应曲面。
能够简单地创建近似目标函数、约束条件的变化的响应曲面。
最优化计算部126通过DE(Differential Evolution)法进行最优化计算。
利用该方法求出响应曲面的最优值,能够简单计算目标函数的最优值。
载荷模式与冲压部的模具缓冲部载荷相当。通过应用于模具缓冲部载荷,从而能够简单地设定模具缓冲部的载荷模式。
另一实施方式的冲压系统如图1及图12所示,具备冲压部和对冲压部进行控制的控制部34#。控制部34#包括:速度模式生成部111,其生成冲压部的滑动件的多个速度模式;输入部100,其输入按照多个速度模式通过冲压部成形的多个成形品各自的品质评价;以及最佳速度模式设定部121,其基于由输入部100输入的多个品质评价设定最佳的速度模式。最佳速度模式设定部121具有:响应曲面生成部124,其根据基于多个速度模式和多个品质评价的评价值数据,以将设计变量设为速度模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及最优化计算部126,其通过最优化来求出该响应曲面的目标函数的最优解。
最佳速度模式设定部121基于多个成形品各自的品质评价来设定最佳的载荷模式。因此,无需使用模拟模型、解析工具的复杂处理,能够以简单的方式高效地设定载荷模式。
响应曲面生成部124一边追加基于成形品的品质评价的评价值数据一边逐次对响应曲面进行更新,其中,该成形品按照与由最优化计算部126得到的最优解对应的速度模式通过冲压部成形而成。
通过逐次对响应曲面进行更新而目标函数最优值与响应曲面最优值近似,因此能够设定精度更高的载荷模式。
实施方式的具有冲压部的冲压装置的控制方法如图8所示,包括:生成多个载荷模式的步骤S4;输入按照所生成的多个载荷模式通过冲压部成形的多个成形品各自的品质评价的步骤S8;以及基于所输入的多个品质评价设定最佳的载荷模式的步骤,设定最佳的载荷模式的步骤包括:根据基于多个载荷模式和多个品质评价的评价值数据,以将设计变量设为载荷模式时的评价值数据为目标函数,创建该目标函数的响应曲面的步骤S10;以及进行通过最优化来求出该响应曲面的目标函数的最优解的最优化计算的步骤S12。
基于多个成形品各自的品质评价设定最佳的载荷模式。因此,无需使用模拟模型、解析工具的复杂处理,能够以简单的方式高效地设定载荷模式。
创建目标函数的响应曲面的步骤如图11所示包括一边追加基于成形品的品质评价的评价值数据一边逐次对响应曲面进行更新的步骤,其中,该成形品按照与最优解对应的载荷模式通过冲压部成形而成。
通过逐次对响应曲面进行更新而使目标函数最优值与响应曲面最优值近似,因此能够设定精度更高的载荷模式。
另一实施方式的具有冲压部的冲压装置的控制方法包括:生成冲压部的滑动件的多个速度模式的步骤;输入按照所生成的多个速度模式通过冲压部成形的多个成形品各自的品质评价的步骤;以及基于所输入的多个品质评价设定最佳的速度模式的步骤。设定最佳的速度模式的步骤包括:根据基于多个速度模式和多个品质评价的评价值数据,以将设计变量设为速度模式时的评价值数据为目标函数,创建该目标函数的响应曲面的步骤;以及进行通过最优化来求出该响应曲面的目标函数的最优解的最优化计算的步骤。
基于多个成形品各自的品质评价设定最佳的速度模式。因此,无需使用模拟模型、解析工具的复杂处理,能够以简单的方式高效地设定速度模式。
创建目标函数的响应曲面的步骤包括一边追加基于成形品的品质评价的评价值数据一边逐次对响应曲面进行更新的步骤,其中,该成形品按照与最优解对应的速度模式通过冲压部成形而成。
通过逐次对响应曲面进行更新而使目标函数最优值与响应曲面最优值近似,因此能够设定更高精度的速度模式。
本次公开的实施方式是例示,并非仅限于上述内容。本例的范围由技术方案示出,意图包含与技术方案等同的意义及范围内的所有变更。
附图标记说明:
2滑动件、3a上模、3b下模、5防皱压板、7缓冲销、8垫板、9基座、10模具缓冲部、11缓冲垫、12伺服马达、33存储器、34控制部、100输入部、102显示部、110载荷模式生成部、112冲压控制部、120最佳载荷模式设定部、122评价输入部、124响应曲面生成部、126最优化运算部、130显示控制部。
Claims (12)
1.一种冲压系统,其中,
所述冲压系统具备:
冲压部;以及
对所述冲压部进行控制的控制器,
所述控制器包括:
载荷模式生成部,其生成多个载荷模式;
评价输入部,其输入按照多个所述载荷模式通过所述冲压部成形的多个成形品各自的品质评价;以及
最佳载荷模式设定部,其基于由所述评价输入部输入的多个所述品质评价设定最佳的载荷模式,
所述最佳载荷模式设定部具有:
响应曲面生成部,其根据基于多个所述载荷模式和多个所述品质评价的评价值数据,以将设计变量设为载荷模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及
最优化计算部,其通过最优化来求出该响应曲面的目标函数的最优解。
2.根据权利要求1所述的冲压系统,其中,
所述响应曲面生成部一边追加基于成形品的品质评价的评价值数据一边逐次对所述响应曲面进行更新,所述成形品按照与由所述最优化计算部得到的所述最优解对应的载荷模式通过所述冲压部成形而成。
3.根据权利要求1所述的冲压系统,其中,
所述载荷模式生成部针对多个所述载荷模式通过LHD法即拉丁超立方设计法来决定。
4.根据权利要求1所述的冲压系统,其中,
所述响应曲面生成部通过RBF网络即径向基函数网络创建所述响应曲面。
5.根据权利要求1所述的冲压系统,其中,
所述最优化计算部通过DE法即差分进化算法进行所述最优化计算。
6.根据权利要求1所述的冲压系统,其中,
所述载荷模式与所述冲压部的模具缓冲部载荷相当。
7.一种冲压系统,其中,
所述冲压系统具备:
冲压部;以及
对所述冲压部进行控制的控制器,
所述控制器包括:
速度模式生成部,其生成所述冲压部的滑动件的多个速度模式;
评价输入部,其输入按照多个所述速度模式通过所述冲压部成形的多个成形品各自的品质评价;以及
最佳速度模式设定部,其基于由所述评价输入部输入的多个所述品质评价设定最佳的速度模式,
所述最佳速度模式设定部具有:
响应曲面生成部,其根据基于多个所述速度模式和多个所述品质评价的评价值数据,以将设计变量设为速度模式时的评价值数据为目标函数,创建该目标函数的响应曲面;以及
最优化计算部,其通过最优化来求出该响应曲面的目标函数的最优解。
8.根据权利要求7所述的冲压系统,其中,
所述响应曲面生成部一边追加基于成形品的品质评价的评价值数据一边逐次对所述响应曲面进行更新,所述成形品按照与由所述最优化计算部得到的所述最优解对应的速度模式通过所述冲压部成形而成。
9.一种冲压装置的控制方法,其是控制具有冲压部的冲压装置的方法,
在所述冲压装置的控制方法中,包括:
生成多个载荷模式的步骤;
输入按照所生成的多个所述载荷模式通过所述冲压部成形的多个成形品各自的品质评价的步骤;以及
基于所输入的多个所述品质评价设定最佳的载荷模式的步骤,
所述设定最佳的载荷模式的步骤包括:
根据基于多个所述载荷模式和多个所述品质评价的评价值数据,以将设计变量设为载荷模式时的评价值数据为目标函数,创建该目标函数的响应曲面的步骤;以及
进行通过最优化来求出该响应曲面的目标函数的最优解的最优化计算的步骤。
10.根据权利要求9所述的冲压装置的控制方法,其中,
创建所述目标函数的响应曲面的步骤包括一边追加基于成形品的品质评价的评价值数据一边逐次对所述响应曲面进行更新的步骤,所述成形品按照与所述最优解对应的载荷模式通过所述冲压部成形而成。
11.一种冲压装置的控制方法,其是控制具有冲压部的冲压装置的方法,
在所述冲压装置的控制方法中,包括:
生成所述冲压部的滑动件的多个速度模式的步骤;
输入按照所生成的多个所述速度模式通过所述冲压部成形的多个成形品各自的品质评价的步骤;以及
基于所输入的多个所述品质评价设定最佳的速度模式的步骤,
设定所述最佳的速度模式的步骤包括:
根据基于多个所述速度模式和多个所述品质评价的评价值数据,以将设计变量设为速度模式时的评价值数据为目标函数,创建该目标函数的响应曲面的步骤;以及
进行通过最优化来求出该响应曲面的目标函数的最优解的最优化计算的步骤。
12.根据权利要求11所述的冲压装置的控制方法,其中,
创建所述目标函数的响应曲面的步骤包括一边追加基于成形品的品质评价的评价值数据一边逐次对所述响应曲面进行更新的步骤,所述成形品按照与所述最优解对应的速度模式通过所述冲压部成形而成。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017174127A JP6932352B2 (ja) | 2017-09-11 | 2017-09-11 | プレスシステムおよびその制御方法 |
JP2017-174127 | 2017-09-11 | ||
PCT/JP2018/030736 WO2019049649A1 (ja) | 2017-09-11 | 2018-08-21 | プレスシステムおよびその制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110740822A CN110740822A (zh) | 2020-01-31 |
CN110740822B true CN110740822B (zh) | 2021-03-12 |
Family
ID=65633934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880038166.9A Expired - Fee Related CN110740822B (zh) | 2017-09-11 | 2018-08-21 | 冲压系统及其控制方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11318519B2 (zh) |
JP (1) | JP6932352B2 (zh) |
CN (1) | CN110740822B (zh) |
DE (1) | DE112018003493T5 (zh) |
WO (1) | WO2019049649A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7475213B2 (ja) | 2020-06-23 | 2024-04-26 | 日鉄ステンレス株式会社 | 金属板のプレス成形方法 |
CN112507463B (zh) * | 2020-12-16 | 2024-03-01 | 航天科工火箭技术有限公司 | 一种确定着陆支腿结构参数的方法及装置 |
WO2022254731A1 (ja) * | 2021-06-04 | 2022-12-08 | NatureArchitects株式会社 | 構造体の設計探索装置および設計探索方法 |
CN114798779B (zh) * | 2022-03-23 | 2023-06-02 | 中南大学 | 一种基于神经网络的智能金属拉拔加工装置及方法 |
CN114792071B (zh) * | 2022-05-18 | 2023-08-25 | 西安理工大学 | 基于机器学习技术的排水泵站优化调度方法 |
CN116514614A (zh) * | 2023-05-16 | 2023-08-01 | 中国兵器装备集团自动化研究所有限公司 | 一种炸药压制成型工艺参数优化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0692323B1 (en) * | 1994-07-15 | 1999-10-27 | Toyota Jidosha Kabushiki Kaisha | Press having cushioning cylinders each having two chambers whose pressure difference is adjustable to control blank-holding force |
CN101389421A (zh) * | 2006-02-27 | 2009-03-18 | 株式会社Ihi | 缓冲载荷控制装置以及具备缓冲载荷控制装置的冲压机 |
JP2009136880A (ja) * | 2007-12-03 | 2009-06-25 | Tottori Univ | 金属板体の成型支援システム |
JP2010046684A (ja) * | 2008-08-20 | 2010-03-04 | Honda Motor Co Ltd | 成形条件決定方法 |
CN102036765A (zh) * | 2008-05-22 | 2011-04-27 | 株式会社小松制作所 | 模具缓冲装置 |
CN103357734A (zh) * | 2013-07-16 | 2013-10-23 | 上海梅山钢铁股份有限公司 | 一种锥形压边拉深冲压方法 |
CN105260532A (zh) * | 2015-09-30 | 2016-01-20 | 浙江大学 | 基于序列近似优化的薄板拉伸变压边力不确定性设计方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7092845B2 (en) * | 2003-06-25 | 2006-08-15 | Bae Systems Plc | Computational design methods |
JP4660637B2 (ja) * | 2004-12-17 | 2011-03-30 | 公益財団法人ひろしま産業振興機構 | プレス成形システム |
WO2008041745A1 (fr) * | 2006-10-04 | 2008-04-10 | Honda Motor Co., Ltd. | Procédé de décision de condition de formage et système de décision de condition de formage |
US8688616B2 (en) * | 2010-06-14 | 2014-04-01 | Blue Prism Technologies Pte. Ltd. | High-dimensional data analysis |
JP6565285B2 (ja) * | 2015-04-08 | 2019-08-28 | 横浜ゴム株式会社 | 構造体の近似モデル作成方法、構造体の近似モデル作成装置、およびプログラム |
-
2017
- 2017-09-11 JP JP2017174127A patent/JP6932352B2/ja active Active
-
2018
- 2018-08-21 DE DE112018003493.3T patent/DE112018003493T5/de active Pending
- 2018-08-21 WO PCT/JP2018/030736 patent/WO2019049649A1/ja active Application Filing
- 2018-08-21 US US16/615,621 patent/US11318519B2/en active Active
- 2018-08-21 CN CN201880038166.9A patent/CN110740822B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0692323B1 (en) * | 1994-07-15 | 1999-10-27 | Toyota Jidosha Kabushiki Kaisha | Press having cushioning cylinders each having two chambers whose pressure difference is adjustable to control blank-holding force |
CN101389421A (zh) * | 2006-02-27 | 2009-03-18 | 株式会社Ihi | 缓冲载荷控制装置以及具备缓冲载荷控制装置的冲压机 |
JP2009136880A (ja) * | 2007-12-03 | 2009-06-25 | Tottori Univ | 金属板体の成型支援システム |
CN102036765A (zh) * | 2008-05-22 | 2011-04-27 | 株式会社小松制作所 | 模具缓冲装置 |
JP2010046684A (ja) * | 2008-08-20 | 2010-03-04 | Honda Motor Co Ltd | 成形条件決定方法 |
CN103357734A (zh) * | 2013-07-16 | 2013-10-23 | 上海梅山钢铁股份有限公司 | 一种锥形压边拉深冲压方法 |
CN105260532A (zh) * | 2015-09-30 | 2016-01-20 | 浙江大学 | 基于序列近似优化的薄板拉伸变压边力不确定性设计方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6932352B2 (ja) | 2021-09-08 |
WO2019049649A1 (ja) | 2019-03-14 |
CN110740822A (zh) | 2020-01-31 |
US11318519B2 (en) | 2022-05-03 |
DE112018003493T5 (de) | 2020-03-19 |
US20200078847A1 (en) | 2020-03-12 |
JP2019049890A (ja) | 2019-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110740822B (zh) | 冲压系统及其控制方法 | |
Ren et al. | In-situ springback compensation in incremental sheet forming | |
Bahloul et al. | A study on optimal design of process parameters in single point incremental forming of sheet metal by combining Box–Behnken design of experiments, response surface methods and genetic algorithms | |
Zhao et al. | Preform die shape design in metal forming using an optimization method | |
Tang et al. | Advanced high strength steel springback optimization by projection-based heuristic global search algorithm | |
Sbayti et al. | Optimization techniques applied to single point incremental forming process for biomedical application | |
Lu et al. | Part accuracy improvement in two point incremental forming with a partial die using a model predictive control algorithm | |
Lee et al. | Shape optimization of the workpiece in the forging process using equivalent static loads | |
Lu et al. | Shape optimisation of preform design for precision close-die forging | |
Hao et al. | Optimization of tool trajectory for incremental sheet forming using closed loop control | |
Feng et al. | Optimization of variable blank holder force in deep drawing based on support vector regression model and trust region | |
Kumar et al. | Influence of process parameters of single point incremental deep drawing process for truncated pyramidal cups from 304 stainless steel using FEA | |
Jolgaf et al. | Development of a CAD/CAM system for the closed-die forging process | |
Ingarao et al. | Optimization methods for complex sheet metal stamping computer aided engineering | |
Hosseini et al. | A hybrid NN-FE approach to adjust blank holder gap over punch stroke in deep drawing process | |
CN107491040A (zh) | 具备使加工顺序最佳化的功能的程序生成装置 | |
Pohlak et al. | Modelling and optimal design of sheet metal RP&M processes | |
Zhang et al. | Numerical analysis and optimization of hemming processes | |
Sharif et al. | Human-robot collaboration for creative and integrated design and fabrication processes | |
Keum et al. | Application of an expert drawbead model to the finite element simulation of sheet forming processes | |
Kriechenbauer et al. | Deep drawing with local hardening on digital multi-axis servo press | |
Billade et al. | Optimization of forming process parameters in sheet metal forming of Reinf-Rr end Upr-Lh/Rh for safe thinning | |
Iorio et al. | Design of deformable tools for sheet metal forming | |
Harsch et al. | Virtual tryout planning in automotive industry based on simulation metamodels | |
Wasif et al. | Prediction of Springback using the Machine Learning Technique in high-tensile strength sheet metal during the V-Bending 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210312 |