CN113221402A - 一种冲压件回弹预测及监控方法、系统及存储介质 - Google Patents
一种冲压件回弹预测及监控方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113221402A CN113221402A CN202110445526.0A CN202110445526A CN113221402A CN 113221402 A CN113221402 A CN 113221402A CN 202110445526 A CN202110445526 A CN 202110445526A CN 113221402 A CN113221402 A CN 113221402A
- Authority
- CN
- China
- Prior art keywords
- stamping
- data
- monitoring
- plate
- prediction
- 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.)
- Granted
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]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种冲压件回弹预测及监控方法、系统及存储介质,冲压件回弹预测及监控方法包括获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据,根据第一数据和第二数据确定目标补偿值,基于目标补偿值构建回弹量预测模型和/或监控板材状态,获得冲压件实际冲压过程中单次冲压型面的第二数据,通过目标模具型面对应的第一数据结合第二数据确定目标补偿值,根据回弹量预测模型指导冲压件加工,使得本申请中指导冲压件的加工方式更符合实际加工需求,和/或监控板材状态也有利于保证冲压件的加工质量。
Description
技术领域
本发明涉及冲压技术领域,尤其涉及一种冲压件回弹预测及监控方法、系统及存储介质。
背景技术
板材冲压件回弹预测、补偿及监控是机械制造加工领域的研究热点和难点。
现有冲压件回弹预测多基于有限元分析方法,通过设置板材相关属性参数,模拟真实加工环境,计算冲压后的型面与目标模具型面的差值,得出补偿量,用于指导实际加工,但该种方式效率较低,得出的补偿量基于模拟仿真,与真实环境存在较大偏差,导致在冲压力较大时,板材损伤、断裂不能及时监控,使得冲压件加工质量较差。
发明内容
本发明的主要目的在于提出一种冲压件回弹预测及监控方法、检测系统及存储介质,旨在解决通过现有方法中基于模拟仿真得出的补偿量,与真实环境存在较大偏差,导致在冲压力较大时,板材损伤、断裂不能及时监控,使得冲压件加工质量较差。
为实现上述目的,本发明提供一种冲压件回弹预测及监控方法,包括以下步骤:
获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据;
根据所述第一数据和所述第二数据确定目标补偿值;
基于所述目标补偿值构建回弹量预测模型和/或监控板材状态。
可选地,所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤之前包括:
在有限元软件中设置板材属性,并划分网络,模拟实际冲压环境,获得目标模具型面。
可选地,所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤还包括:
获取板材材料对应参数;
根据所述板材材料对应参数经过仿真计算,获取目标模具型面的所述第一数据。
可选地,所述板材材料对应参数包括板材材料属性、屈服强度、软化系数、边缘应力。
可选地,所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤包括:
控制三维扫描仪扫描板材,获取点云数据;
拟合点云数据,获取所述第二数据。
可选地,所述第一数据包括所述目标模具型面对应的单个网格节点的第一子数据,所述第二数据包括所述单次冲压型面对应的单个网格节点的第二子数据;
所述根据所述第一数据和所述第二数据确定目标补偿值的步骤包括;
根据所述第一子数据和所述第二子数据确定对应的单个网格节点的目标补偿量。
可选地,所述基于所述目标补偿值构建回弹量预测模型和/或监控板材状态的步骤包括:
控制热成像仪采集板材冲压热成像图;
根据所述热成像图构建大数据模型,监控板材状态。
可选地,所述根据所述热成像图构建大数据模型,监控板材状态的步骤包括:
根据所述热成像图,构建基于大数据的黑箱模型;
根据所述黑箱模型,监控板材状态。
可选地,所述根据所述热成像图,构建基于大数据的黑箱模型的步骤包括:
采集不同阶段的冲压过程的热成像图;
根据所述热成像图获取特征图像,构建基于大数据的黑箱模型。
可选地,所述根据所述热成像图获取特征图像,构建基于大数据的黑箱模型的步骤之后包括:
根据所述黑箱模型识别板材单次冲压的情况;
当识别板材上出现裂缝时,停止板材加工。
此外,本发明还提供一种冲压件回弹预测及监控系统,所述冲压件回弹预测及监控系统包括:
三维扫描仪,用于扫描板材待冲压型面;
热成像仪采集,用于采集板材单次冲压后的热成像图;
控制装置,所述控制装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的冲压件回弹预测及监控系统程序,所述冲压件回弹预测及监控系统程序配置为实现如上述所述的冲压件回弹预测及监控方法的步骤。
可选地,所述存储介质上存储有冲压件回弹预测及监控程序,所述冲压件回弹预测及监控程序被处理器执行时实现如上所述的冲压件回弹预测及监控方法的步骤。
本发明提供的技术方案中,通过在获得所述冲压件实际冲压过程中单次冲压型面的第二数据,通过所述目标模具型面对应的第一数据结合所述第二数据确定目标补偿值,根据所述回弹量预测模型指导所述冲压件加工,使得本申请中指导所述冲压件的加工方式更符合实际加工需求,同时监控板材状态也有利于保证冲压件的加工质量。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的控制装置的结构示意图;
图2为本发明提供的冲压件回弹预测及监控方法的流程示意图;
图3是图2中步骤S20的其中一个流程示意图;
图4为图2的步骤S20的另一个流程示意图;
图5为目标模具型面与单次冲压型面的回弹量示意图;
图6为图2中步骤S40的流程示意图;
图7为板材冲压监控板材状态的示意图;
图8为图6中步骤S402的流程示意图;
图9为图8中步骤S4021的流程示意图;
图10为图9中步骤S40212之后的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
板材冲压件回弹预测、补偿及监控是机械制造加工领域的研究热点和难点。
现有冲压件回弹预测多基于有限元分析方法,通过设置板材相关属性参数,模拟真实加工环境,计算冲压后的型面与目标模具型面的差值,得出补偿量,用于指导实际加工,但该种方式效率较低,得出的补偿量基于模拟仿真,与真实环境存在较大偏差,导致在冲压力较大时,板材损伤、断裂不能及时监控,使得冲压件加工质量较差。
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种冲压件回弹预测及监控系统,所述冲压件回弹预测及监控系统包括三维扫描仪、热成像仪采集和控制装置,所述三维扫描仪用于扫描板材待冲压型面,所述热成像仪采集用于采集板材单次冲压后的热成像图,所述控制装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的冲压件回弹预测及监控系统程序,所述冲压件回弹预测及监控系统程序配置为实现冲压件回弹预测及监控方法的步骤。请参照图1,图1为本发明实施例方案涉及的硬件运行环境的控制装置的结构示意图。
如图1所示,该控制装置可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的控制装置的结构并不构成对控制装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及冲压件回弹预测及监控系统程序。
在图1所示的控制装置中,处理器1001、存储器1005可以设置在冲压件回弹预测及监控系统中,所述冲压件回弹预测及监控系统通过处理器1001调用存储器1005中存储的冲压件回弹预测及监控系统程序,并执行以下操作:
获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据;
根据所述第一数据和所述第二数据确定目标补偿值;
基于所述目标补偿值构建回弹量预测模型和/或监控板材状态。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤之前包括:
在有限元软件中设置板材属性,并划分网络,模拟实际冲压环境,获得目标模具型面。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤还包括:
获取板材材料对应参数;
根据所述板材材料对应参数经过仿真计算,获取目标模具型面的所述第一数据。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述板材材料对应参数包括板材材料属性、屈服强度、软化系数、边缘应力。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤包括:
控制三维扫描仪扫描板材,获取点云数据;
拟合点云数据,获取所述第二数据。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述第一数据包括所述目标模具型面对应的单个网格节点的第一子数据,所述第二数据包括所述单次冲压型面对应的单个网格节点的第二子数据;
所述根据所述第一数据和所述第二数据确定目标补偿值的步骤包括;
根据所述第一子数据和所述第二子数据确定对应的单个网格节点的目标补偿量。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述基于所述目标补偿值构建回弹量预测模型和/或监控板材状态的步骤包括:
控制热成像仪采集板材冲压热成像图;
根据所述热成像图构建大数据模型,监控板材状态。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述根据所述热成像图构建大数据模型,监控板材状态的步骤包括:
根据所述热成像图,构建基于大数据的黑箱模型;
根据所述黑箱模型,监控板材状态。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述根据所述热成像图,构建基于大数据的黑箱模型的步骤包括:
采集不同阶段的冲压过程的热成像图;
根据所述热成像图获取特征图像,构建基于大数据的黑箱模型。
进一步地,处理器1001可以调用存储器1005中存储的冲压件回弹预测及监控系统,还执行以下操作:
所述根据所述热成像图获取特征图像,构建基于大数据的黑箱模型的步骤之后包括:
根据所述黑箱模型识别板材单次冲压的情况;
当识别板材上出现裂缝时,停止板材加工。
本发明提供的技术方案中,通过在获得所述冲压件实际冲压过程中单次冲压型面的第二数据,通过所述目标模具型面对应的第一数据结合所述第二数据确定目标补偿值,根据所述回弹量预测模型指导所述冲压件加工,使得本申请中指导所述冲压件的加工方式更符合实际加工需求,同时监控板材状态也有利于保证冲压件的加工质量。
基于上述硬件结构,提出本发明冲压件回弹预测及监控方法实施例。
参照图2,图2为本发明冲压件回弹预测及监控方法一实施例的流程示意图。
在本实施例中,所述冲压件回弹预测及监控方法包括以下步骤:
步骤S20:获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据;
步骤S30:根据所述第一数据和所述第二数据确定目标补偿值;
步骤S40:基于所述目标补偿值构建回弹量预测模型和/或监控板材状态。
本发明提供的技术方案中,通过在获得所述冲压件实际冲压过程中单次冲压型面的第二数据,通过所述目标模具型面对应的第一数据结合所述第二数据确定目标补偿值,根据所述回弹量预测模型指导所述冲压件加工,使得本申请中指导所述冲压件的加工方式更符合实际加工需求,同时监控板材状态也有利于保证冲压件的加工质量。
需要说明的是,具体地,基于所述目标补偿值构建回弹量预测模型为在多次目标补偿值的基础上,构建的大数据预测模型。
具体地,所述步骤S20所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤之前包括:
步骤S10:在有限元软件中设置板材属性,并划分网络,模拟实际冲压环境,获得目标模具型面。
在本实施例中,通过在有限元软件中设置板材属性,并划分网络,模拟实际冲压环境,获得目标模具型面,所述目标模具型面是指板材经冲压后的理想型面。
进一步地,参照图3,所述步骤S20所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤还包括:
步骤S201a:获取板材材料对应参数;
步骤S202a:根据所述板材材料对应参数经过仿真计算,获取目标模具型面的所述第一数据。
在本实施例中,通过获取板材材料对应参数,并根据所述板材材料对应参数经过仿真计算,获取目标模具型面的所述第一数据,需要说明的是,所述板材材料对应参数包括板材材料属性、屈服强度、软化系数、边缘应力。
具体地,参照图4,所述步骤S20所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤包括:
步骤S201b:控制三维扫描仪扫描板材,获取点云数据;
步骤S201b:拟合点云数据,获取所述第二数据。
在本实施例中,通过控制三维扫描仪扫描板材,获取点云数据,拟合点云数据,获取单次冲压型面对应的所述第二数据,如此能够精准地获得实际冲压后的板材型面数据,且由三维点云拟合得到的单次冲压型面更为接近板材真实加工型面,以单次冲压型面和目标模具型面的回弹量作为指导加工的依据,能够更为真实、有效地计算回弹量补偿值。
图5为目标模具型面与单次冲压型面的回弹量示意图,在图3中,a为单次冲压型面、b为目标模具型面,c为目标补偿值,获取点云数据的方法有多种,在本申请的实施例中,通过蓝光扫描仪获得,当然,在其他实施例中,还可以通过其它扫描仪获得,本申请对此不作限定。
具体地,所述第一数据包括所述目标模具型面对应的单个网格节点的第一子数据,所述第二数据包括所述单次冲压型面对应的单个网格节点的第二子数据,所述步骤S30所述根据所述第一数据和所述第二数据确定目标补偿值的步骤包括;
步骤S301:根据所述第一子数据和所述第二子数据确定对应的单个网格节点的目标补偿量。
在本实施例中,对所述目标模具型面划分网格,得到多个网络节点,通过获取所述目标模具型面对应的单个网格节点的第一子数据,对所述单次冲压型面划分网络,得到多个网络节点,通过获取所述单次冲压型面对应的单个网格节点的第二子数据,然后根据所述第一子数据和所述第二子数据确定对应的单个网格节点的目标补偿量,如此可以有效地指导生产加工,且可以基于大数据思想,构建多元回归预测模型,用于研究相关参数与回弹量之间的映射关系。
需要说明的是,为了能够更为准确地描述回弹量的变化趋势,可根据板材的实际加工情况,设置多元回归模型参数。
参照图6,所述步骤S40所述基于所述目标补偿值构建回弹量预测模型和/或监控板材状态的步骤包括:
步骤S401:控制热成像仪采集板材冲压热成像图;
步骤S402:根据所述热成像图构建大数据模型,监控板材状态。
在本实施例中,参照图7,由于板材在冲压过程有具有多个冲压阶段,例如冲压阶段1、冲压阶段2、冲压阶段3、裂缝等,在本申请中所述冲压阶段包括弹性形变阶段、弹塑性形变阶段、纯塑性形变阶段及产生裂缝阶段,且对应的各个阶段的热成像图形不同,分别对应热成像N1、热成像N2、热成像N3、热成像Nn等,分别采集多个对应不同阶段的热成像图,根据采集到的所述热成像图构件大数据模型,当在进行板材冲压过程中,根据获取的单次冲压型面对应的热成像图对比大数据模型中的热成像图实时监控板材状态,以保证冲压件加工质量。
需要说明的是,为了监控板材状态除了通过热成像仪采集采集热成像图像,还可以通过振动传感器、声音传感器等监控板材是否出现裂缝,通过振动传感器、声音传感器等监控板材的技术属于成熟技术,本申请在此不作进一步描述。
进一步地,参照图8,所述步骤S402所述根据所述热成像图构建大数据模型,监控板材状态的步骤包括:
步骤S4021:根据所述热成像图,构建基于大数据的黑箱模型;
在本实施例中,具体地,通过采集弹性形变阶段、弹塑性形变阶段、纯塑性形变阶段及产生裂缝阶段等几个阶段对应的多个热成像图,将多个热成像图构建基于大数据的黑箱模型,这里的黑箱模型属于已知技术,黑箱模型的原理是根据输入—输出关系建立起来的,反映了有关因素间的一种笼统的直接因果关系。
步骤S4022:根据所述黑箱模型,监控板材状态。
在本实施例中,获得单次冲压型面对应的热成像图,将单次冲压型面对应的热成像图对比所述黑箱模型中的对应的板材冲压过程中的各个阶段的热成像图,当单次冲压型面对应的热成像图符合所述黑箱模型中某一阶段的热成像图的特性,则可以判断该板材在单次冲压型面时的板材状态。
进一步地,参照图9,所述步骤S4021所述根据所述热成像图,构建基于大数据的黑箱模型的步骤包括:
步骤S40211:采集不同阶段的冲压过程的热成像图;
在本实施例中,进行多次板材冲压,采集不同阶段的冲压过程的热成像图,例如,采集板材在弹性形变阶段、弹塑性形变阶段、纯塑性形变阶段及产生裂缝阶段等几个阶段的多个热成像图,为了提高建立的黑箱模型的准确性,在本申请的实施例中,分别采集弹性形变阶段、弹塑性形变阶段、纯塑性形变阶段及产生裂缝阶段等几个阶段的热成像图各1000个,当然,在其他实施例中,分别采集弹性形变阶段、弹塑性形变阶段、纯塑性形变阶段及产生裂缝阶段等几个阶段的热成像图的数据还可以根据需要设定,本申请对此不做限定。
步骤S40212根据所述热成像图获取特征图像,构建基于大数据的黑箱模型。
在本实施例中,根据所述热成像图获取特征图像,构建基于大数据的黑箱模型具体为采集板材在冲压过程中,在弹性形变阶段、弹塑性形变阶段、纯塑性形变阶段及产生裂缝阶段等几个阶段的热成像图,提出各个阶段的热成像图像的主要特征,以各个阶段的热成像图像的主要特征分别形成对应的各个阶段的训练集,构建基于大数据的黑箱模型,当新采集的单次冲压型面的热成像图输入黑箱模型模型后,能够快速识别板材所处的阶段。
参照图10,所述步骤S40212所述根据所述热成像图获取特征图像,构建基于大数据的黑箱模型的步骤之后包括:
步骤S40213:根据所述黑箱模型识别板材单次冲压的情况;
步骤S40214:当识别板材上出现裂缝时,停止板材加工。
在本实施例中,当新采集的单次冲压型面的热成像图输入黑箱模型模型后,能够快速识别板材所处的阶段,当识别的所述单次冲压型面的热成像图的特征符合产生裂缝阶段的热成像图的主要特征,则可以快速识别板材上出现裂缝时,及时停止板材加工,减轻劳动者的劳动强度,且可以提高冲压效率。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种冲压件回弹预测及监控方法,其特征在于,包括以下步骤:
获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据;
根据所述第一数据和所述第二数据确定目标补偿值;
基于所述目标补偿值构建回弹量预测模型和/或监控板材状态。
2.如权利要求1所述的冲压件回弹预测及监控方法,其特征在于,所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤之前包括:
在有限元软件中设置板材属性,并划分网络,模拟实际冲压环境,获得目标模具型面。
3.如权利要求2所述的冲压件回弹预测及监控方法,其特征在于,所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤还包括:
获取板材材料对应参数;
根据所述板材材料对应参数经过仿真计算,获取目标模具型面的所述第一数据。
4.如权利要求3所述的冲压件回弹预测及监控方法,其特征在于,所述板材材料对应参数包括板材材料属性、屈服强度、软化系数、边缘应力。
5.如权利要求1所述的冲压件回弹预测及监控方法,其特征在于,所述获取目标模具型面对应的第一数据和单次冲压型面对应的第二数据的步骤包括:
控制三维扫描仪扫描板材,获取点云数据;以及,
拟合点云数据,获取所述第二数据;和/或,
所述第一数据包括所述目标模具型面对应的单个网格节点的第一子数据,所述第二数据包括所述单次冲压型面对应的单个网格节点的第二子数据;所述根据所述第一数据和所述第二数据确定目标补偿值的步骤包括:
根据所述第一子数据和所述第二子数据确定对应的单个网格节点的目标补偿量;和/或。
所述基于所述目标补偿值构建回弹量预测模型和/或监控板材状态的步骤包括:
控制热成像仪采集板材冲压热成像图;以及
根据所述热成像图构建大数据模型,监控板材状态。
6.如权利要求5所述的冲压件回弹预测及监控方法,其特征在于,所述根据所述热成像图构建大数据模型,监控板材状态的步骤包括:
根据所述热成像图,构建基于大数据的黑箱模型;
根据所述黑箱模型,监控板材状态。
7.如权利要求6所述的冲压件回弹预测及监控方法,其特征在于,所述根据所述热成像图,构建基于大数据的黑箱模型的步骤包括:
采集不同阶段的冲压过程的热成像图;
根据所述热成像图获取特征图像,构建基于大数据的黑箱模型。
8.如权利要求7所述的冲压件回弹预测及监控方法,其特征在于,所述根据所述热成像图获取特征图像,构建基于大数据的黑箱模型的步骤之后包括:
根据所述黑箱模型识别板材单次冲压的情况;
当识别板材上出现裂缝时,停止板材加工。
9.一种冲压件回弹预测及监控系统,其特征在于,所述冲压件回弹预测及监控系统包括:
三维扫描仪,用于扫描板材待冲压型面;
热成像仪采集,用于采集板材单次冲压后的热成像图;
控制装置,所述控制装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的冲压件回弹预测及监控系统程序,所述冲压件回弹预测及监控系统程序配置为实现如权利要求1至8中任一项所述的冲压件回弹预测及监控方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有冲压件回弹预测及监控程序,所述冲压件回弹预测及监控程序被处理器执行时实现如权利要求1至8中任一项所述的冲压件回弹预测及监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110445526.0A CN113221402B (zh) | 2021-04-23 | 2021-04-23 | 一种冲压件回弹预测及监控方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110445526.0A CN113221402B (zh) | 2021-04-23 | 2021-04-23 | 一种冲压件回弹预测及监控方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113221402A true CN113221402A (zh) | 2021-08-06 |
CN113221402B CN113221402B (zh) | 2023-06-02 |
Family
ID=77089105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110445526.0A Active CN113221402B (zh) | 2021-04-23 | 2021-04-23 | 一种冲压件回弹预测及监控方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113221402B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836663A (zh) * | 2021-09-26 | 2021-12-24 | 成都普什汽车模具有限公司 | 汽车模具压机工作台弹性变形补偿值的获取方法 |
CN113843305A (zh) * | 2021-09-02 | 2021-12-28 | 上汽通用五菱汽车股份有限公司 | 模具监控预警方法、系统、设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482403A (zh) * | 2009-02-19 | 2009-07-15 | 湖南大学 | 一种基于有限元方法的确定薄板冲压件测量点云在回弹前位置的方法 |
US20160288184A1 (en) * | 2015-03-31 | 2016-10-06 | Shanghai Jiaotong University | Method for Bending Metal Sheet to Achieve High Angle Accuracy |
CN107563066A (zh) * | 2017-09-06 | 2018-01-09 | 哈尔滨理工大学 | 一种基于数值模拟的回弹过程模具补偿方法 |
CN206981462U (zh) * | 2017-06-01 | 2018-02-09 | 扬州苏星机器人科技有限公司 | 基于三维视觉的冲压件表面缺陷检测装置 |
CN109635362A (zh) * | 2018-11-22 | 2019-04-16 | 哈尔滨理工大学 | 一种薄板冲压回弹补偿因子的确定方法 |
CN111581771A (zh) * | 2020-03-30 | 2020-08-25 | 无锡融合大数据创新中心有限公司 | 一种基于人工智能技术的冲压件开裂预测平台 |
CN212633982U (zh) * | 2020-08-21 | 2021-03-02 | 香港生产力促进局 | 数字化金属冲压装置 |
CN212892153U (zh) * | 2019-12-27 | 2021-04-06 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种带有智能检测的传输装置 |
-
2021
- 2021-04-23 CN CN202110445526.0A patent/CN113221402B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482403A (zh) * | 2009-02-19 | 2009-07-15 | 湖南大学 | 一种基于有限元方法的确定薄板冲压件测量点云在回弹前位置的方法 |
US20160288184A1 (en) * | 2015-03-31 | 2016-10-06 | Shanghai Jiaotong University | Method for Bending Metal Sheet to Achieve High Angle Accuracy |
CN206981462U (zh) * | 2017-06-01 | 2018-02-09 | 扬州苏星机器人科技有限公司 | 基于三维视觉的冲压件表面缺陷检测装置 |
CN107563066A (zh) * | 2017-09-06 | 2018-01-09 | 哈尔滨理工大学 | 一种基于数值模拟的回弹过程模具补偿方法 |
CN109635362A (zh) * | 2018-11-22 | 2019-04-16 | 哈尔滨理工大学 | 一种薄板冲压回弹补偿因子的确定方法 |
CN212892153U (zh) * | 2019-12-27 | 2021-04-06 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种带有智能检测的传输装置 |
CN111581771A (zh) * | 2020-03-30 | 2020-08-25 | 无锡融合大数据创新中心有限公司 | 一种基于人工智能技术的冲压件开裂预测平台 |
CN212633982U (zh) * | 2020-08-21 | 2021-03-02 | 香港生产力促进局 | 数字化金属冲压装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113843305A (zh) * | 2021-09-02 | 2021-12-28 | 上汽通用五菱汽车股份有限公司 | 模具监控预警方法、系统、设备及计算机可读存储介质 |
CN113843305B (zh) * | 2021-09-02 | 2024-02-06 | 上汽通用五菱汽车股份有限公司 | 模具监控预警方法、系统、设备及计算机可读存储介质 |
CN113836663A (zh) * | 2021-09-26 | 2021-12-24 | 成都普什汽车模具有限公司 | 汽车模具压机工作台弹性变形补偿值的获取方法 |
CN113836663B (zh) * | 2021-09-26 | 2023-11-21 | 成都普什汽车模具有限公司 | 汽车模具压机工作台弹性变形补偿值的获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113221402B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113221402B (zh) | 一种冲压件回弹预测及监控方法、系统及存储介质 | |
CN106470776B (zh) | 拉伸翻边裂纹预测方法、拉伸翻边裂纹预测装置、计算机程序及记录介质 | |
CN106934855B (zh) | 建筑3d模型构建方法及装置 | |
CN104881273B (zh) | 一种网页渲染的分析方法和终端设备 | |
CN111026063A (zh) | 数字孪生体构建方法、装置、计算机设备及存储介质 | |
CN112132384A (zh) | 工作效率评估方法、装置、存储介质及计算机设备 | |
CN111652383A (zh) | 数据贡献度评估方法、装置、设备及存储介质 | |
JP2013071120A (ja) | プレス成形におけるスプリングバック要因分析方法及び装置 | |
JP2018106521A (ja) | 解析装置、解析方法、及びコンピュータプログラム | |
CN110262948A (zh) | 页面数据的监听方法、装置及设备 | |
CN204795439U (zh) | 用于大畸变图像采集系统的预畸变测试卡成型系统 | |
US10977399B2 (en) | Methods and systems for conducting a time-marching numerical simulation of a deep drawing metal forming process for manufacturing a product or part | |
CN111475872A (zh) | 一种空调导风板优化设计方法及装置 | |
JP5737059B2 (ja) | プレス成形シミュレーション解析方法及び装置 | |
CN112906274B (zh) | 用于包壳材料退火仿真的可视化界面及方法 | |
CN111078518B (zh) | 数据采集方法、终端设备和计算机可读存储介质 | |
CN114398725A (zh) | 一种车身匹配调整量的计算方法、装置、计算机设备及存储介质 | |
JP4418141B2 (ja) | 材料データ提供システム | |
US9286422B2 (en) | Gravity loading phase of a deep drawing manufacturing simulation including effects of sheet metal blank in contact with guide pins | |
CN111898220A (zh) | 翻孔开裂预判断方法、存储介质和电子设备 | |
CN112014054A (zh) | 车门锁扣动刚度测试方法、装置、设备及存储介质 | |
CN117094206B (zh) | 一种仿真数据生成系统和生成方法 | |
CN114648058A (zh) | 一种基于元数据的锡铋金属材料数据处理方法及装置 | |
US20040079165A1 (en) | Fatigue safety factor testing method and fatigue safety factor testing apparatus | |
CN117113943B (zh) | 一种环评报告辅助编写方法及其系统 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Bo Inventor after: Fu Min Inventor after: Tian Zhuxin Inventor after: Ding Huafeng Inventor after: Chen Lei Inventor before: Li Bo Inventor before: Fu Min Inventor before: Tian Zhuxin Inventor before: Ding Huafeng |