CN115138740A - 一种车用冲压钢板拉裂深度确定方法及确定系统 - Google Patents

一种车用冲压钢板拉裂深度确定方法及确定系统 Download PDF

Info

Publication number
CN115138740A
CN115138740A CN202210843488.9A CN202210843488A CN115138740A CN 115138740 A CN115138740 A CN 115138740A CN 202210843488 A CN202210843488 A CN 202210843488A CN 115138740 A CN115138740 A CN 115138740A
Authority
CN
China
Prior art keywords
steel plate
depth
crack depth
neural network
determining
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.)
Pending
Application number
CN202210843488.9A
Other languages
English (en)
Inventor
龚福建
杨琴
王志白
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202210843488.9A priority Critical patent/CN115138740A/zh
Publication of CN115138740A publication Critical patent/CN115138740A/zh
Pending legal-status Critical Current

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
    • B21D22/00—Shaping without cutting, by stamping, spinning, or deep-drawing
    • B21D22/02—Stamping using rigid devices or tools
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Abstract

本发明公开了一种车用冲压钢板拉裂深度确定方法及确定系统，所述确定方法包括：步骤S1、通过测试确定未冲压的钢板的力学性能参数；步骤S2、根据车用冲压钢板的应用要求，设置冲压工艺评价参数；步骤S3、建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度；步骤S4、根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。采用本发明能快速评估某一种具体的钢板冲压开裂时的临界拉裂深度，规避由于选材不当导致的冲压开裂。

Description

一种车用冲压钢板拉裂深度确定方法及确定系统
技术领域
本发明属于汽车车身钢制零件制造领域，具体涉及一种车用冲压钢板拉裂深度确定方法及确定系统。
背景技术
钢制车身零件中绝大部分采用冲压成型工艺生产制造，拉深开裂是最常见的冲压缺陷之一，严重影响产品质量，降低生产效率，增加制造成本；因此，需要提前规避复杂车身零件在冲压拉深成型过程中出现开裂。
在汽车外观造型冻结后，车身零件结构就无法再变化；此时就只能通过选择合适的钢材（即车用冲压钢板）将零件制造合格。因此，提前确定出不同钢材在开裂时的临界拉裂深度，对实际生产具有重要指导意义。
CN113843326A公开了一种考虑切边质量的金属板料冲压成形边部开裂预测方法，其包括以下步骤：1)对金属板料进行不同切边工艺下的切边实验；2)采集金属板料试样断裂瞬间局部应变分布，并根据拍摄到的照片提取断裂时刻的应变场分布；3)选择韧性断裂准则；4)对选择的韧性断裂准则中的材料参数进行参数标定；5)根据参数标定后的韧性断裂准则定义损伤参数D作为金属板料冲压成形过程是否失效的判据；6)根据步骤2)中得到的断裂时刻的应变值，采用有限元模拟的方式获取各切边工艺对应的边部损伤初值D0；7)实现对同种金属板料在不同切边工艺下边部开裂现象的预测。
目前，还没有出现一种能很好的快速评估出某一种具体的钢板冲压开裂时的临界拉裂深度的方法。
发明内容
本发明的目的是提供一种车用冲压钢板拉裂深度确定方法及确定系统，以快速评估某一种具体的钢板冲压开裂时的临界拉裂深度，规避由于选材不当导致的冲压开裂。
本发明所述的车用冲压钢板拉裂深度确定方法，包括：
步骤S1、通过测试确定未冲压的钢板的力学性能参数。
步骤S2、根据车用冲压钢板的应用要求，设置冲压工艺评价参数。
步骤S3、建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度。将未冲压的钢板的力学性能参数和冲压工艺评价参数输入该理论拉裂深度计算模型，理论拉裂深度计算模型基于未冲压的钢板的力学性能参数和冲压工艺评价参数，计算钢板的理论拉裂深度。
步骤S4、根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。将钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数输入人工神经网络，人工神经网络基于钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，计算并输出钢板的实际拉裂深度。
本发明所述的车用冲压钢板拉裂深度确定系统，包括：
第一确定单元，用于通过测试确定未冲压的钢板的力学性能参数。
设置单元，用于根据车用冲压钢板的应用要求，设置冲压工艺评价参数。
理论拉裂深度计算单元，用于建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度。
实际拉裂深度计算单元，用于根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。
优选的，所述未冲压的钢板的力学性能参数为影响钢板冲压质量的力学性能参数，包括抗拉强度、屈服强度、断后延伸率、杨氏模量、泊松比、杯突值、加工硬化值和扩孔率。
优选的，所述冲压工艺评价参数为影响钢板冲压质量的冲压工艺评价参数，包括开裂减薄率、钢板厚度和拉深R角。
优选的，所述理论拉裂深度计算模型是根据Swift硬化曲线数学模型、Hill48屈服准则数学模型和Arcelor V9成形极限曲线数学模型建立的。
优选的，所述人工神经网络为能对拉裂深度进行求解的预设的BP神经网络。
优选的，所述人工神经网络为在能对拉裂深度进行求解的预设的BP神经网络基础上经过自学习优化之后的BP神经网络。
采用本发明能快速评估某一种具体的钢板冲压开裂时的临界拉裂深度，规避了由于选材不当导致的冲压开裂，避免了人力、物力、时间等资源浪费。
附图说明
图1为本实施例中车用冲压钢板拉裂深度确定流程图。
图2为本实施例中车用冲压钢板拉裂深度确定系统框图。
具体实施方式
如图1所示，本实施例中的车用冲压钢板拉裂深度确定方法，包括：
步骤S1、通过测试确定未冲压的钢板的力学性能参数。
其中，未冲压的钢板的力学性能参数为影响钢板冲压质量的力学性能参数，包括抗拉强度、屈服强度、断后延伸率、杨氏模量、泊松比、杯突值、加工硬化值和扩孔率。
步骤S2、根据车用冲压钢板的应用要求，设置冲压工艺评价参数。
其中，冲压工艺评价参数为影响钢板冲压质量的冲压工艺评价参数，包括开裂减薄率、钢板厚度和拉深R角。
步骤S3、建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度。将未冲压的钢板的力学性能参数和冲压工艺评价参数输入该理论拉裂深度计算模型，理论拉裂深度计算模型基于未冲压的钢板的力学性能参数和冲压工艺评价参数，计算钢板的理论拉裂深度。
其中，理论拉裂深度计算模型是根据Swift硬化曲线数学模型、Hill48屈服准则数学模型和Arcelor V9成形极限曲线数学模型建立的（其建立方式属于现有技术）。
步骤S4、根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。将钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数输入人工神经网络，人工神经网络基于钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，计算并输出钢板的实际拉裂深度。
其中，人工神经网络为能对拉裂深度进行求解的预设的BP神经网络。另外，人工神经网络也可以是在能对拉裂深度进行求解的预设的BP神经网络基础上经过自学习优化之后的BP神经网络。
如图2所示，本实施例中的车用冲压钢板拉裂深度确定系统，包括：
第一确定单元，用于通过测试确定未冲压的钢板的力学性能参数。其中，未冲压的钢板的力学性能参数为影响钢板冲压质量的力学性能参数，包括抗拉强度、屈服强度、断后延伸率、杨氏模量、泊松比、杯突值、加工硬化值和扩孔率。
设置单元，用于根据车用冲压钢板的应用要求，设置冲压工艺评价参数。其中，冲压工艺评价参数为影响钢板冲压质量的冲压工艺评价参数，包括开裂减薄率、钢板厚度和拉深R角。
理论拉裂深度计算单元，用于建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度。其中，理论拉裂深度计算模型是根据Swift硬化曲线数学模型、Hill48屈服准则数学模型和Arcelor V9成形极限曲线数学模型建立的（其建立方式属于现有技术）。
实际拉裂深度计算单元，用于根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。其中，人工神经网络为能对拉裂深度进行求解的预设的BP神经网络。另外，人工神经网络也可以是在能对拉裂深度进行求解的预设的BP神经网络基础上经过自学习优化之后的BP神经网络。

Claims (10)

1.一种车用冲压钢板拉裂深度确定方法，其特征在于，包括：
步骤S1、通过测试确定未冲压的钢板的力学性能参数；
步骤S2、根据车用冲压钢板的应用要求，设置冲压工艺评价参数；
步骤S3、建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度；
步骤S4、根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。
2.根据权利要求1所述的车用冲压钢板拉裂深度确定方法，其特征在于：所述未冲压的钢板的力学性能参数包括抗拉强度、屈服强度、断后延伸率、杨氏模量、泊松比、杯突值、加工硬化值和扩孔率。
3.根据权利要求1所述的车用冲压钢板拉裂深度确定方法，其特征在于：所述冲压工艺评价参数包括开裂减薄率、钢板厚度和拉深R角。
4.根据权利要求1所述的车用冲压钢板拉裂深度确定方法，其特征在于：所述理论拉裂深度计算模型是根据Swift硬化曲线数学模型、Hill48屈服准则数学模型和Arcelor V9成形极限曲线数学模型建立的。
5.根据权利要求1至4任一项所述的车用冲压钢板拉裂深度确定方法，其特征在于：
所述人工神经网络为能对拉裂深度进行求解的预设的BP神经网络；
或者所述人工神经网络为在能对拉裂深度进行求解的预设的BP神经网络基础上经过自学习优化之后的BP神经网络。
6.一种车用冲压钢板拉裂深度确定系统，其特征在于，包括：
第一确定单元，用于通过测试确定未冲压的钢板的力学性能参数；
设置单元，用于根据车用冲压钢板的应用要求，设置冲压工艺评价参数；
理论拉裂深度计算单元，用于建立理论拉裂深度计算模型，并根据未冲压的钢板的力学性能参数和冲压工艺评价参数，利用该理论拉裂深度计算模型计算钢板的理论拉裂深度；
实际拉裂深度计算单元，用于根据钢板的理论拉裂深度、未冲压的钢板的力学性能参数和冲压工艺评价参数，利用人工神经网络计算并输出钢板的实际拉裂深度。
7.根据权利要求6所述的车用冲压钢板拉裂深度确定系统，其特征在于：所述未冲压的钢板的力学性能参数包括抗拉强度、屈服强度、断后延伸率、杨氏模量、泊松比、杯突值、加工硬化值和扩孔率。
8.根据权利要求6所述的车用冲压钢板拉裂深度确定系统，其特征在于：所述冲压工艺评价参数包括开裂减薄率、钢板厚度和拉深R角。
9.根据权利要求6所述的车用冲压钢板拉裂深度确定系统，其特征在于：所述理论拉裂深度计算模型是根据Swift硬化曲线数学模型、Hill48屈服准则数学模型和Arcelor V9成形极限曲线数学模型建立的。
10.根据权利要求6至9任一项所述的车用冲压钢板拉裂深度确定系统，其特征在于：
所述人工神经网络为能对拉裂深度进行求解的预设的BP神经网络；
或者所述人工神经网络为在能对拉裂深度进行求解的预设的BP神经网络基础上经过自学习优化之后的BP神经网络。
CN202210843488.9A 2022-07-18 2022-07-18 一种车用冲压钢板拉裂深度确定方法及确定系统 Pending CN115138740A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210843488.9A CN115138740A (zh) 2022-07-18 2022-07-18 一种车用冲压钢板拉裂深度确定方法及确定系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210843488.9A CN115138740A (zh) 2022-07-18 2022-07-18 一种车用冲压钢板拉裂深度确定方法及确定系统

Publications (1)

Publication Number Publication Date
CN115138740A true CN115138740A (zh) 2022-10-04

Family

ID=83412651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210843488.9A Pending CN115138740A (zh) 2022-07-18 2022-07-18 一种车用冲压钢板拉裂深度确定方法及确定系统

Country Status (1)

Country Link
CN (1) CN115138740A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102692456A (zh) * 2012-05-02 2012-09-26 江苏大学 一种识别金属拉深件成形微裂纹位置的方法
CN102950185A (zh) * 2012-11-16 2013-03-06 华中科技大学 一种变速和变压边力联动的板料拉深工艺
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
CN105467840A (zh) * 2015-12-05 2016-04-06 浙江大学 一种封头薄壁构件拉深变压边力优化控制方法
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
CN106345880A (zh) * 2016-12-02 2017-01-25 江麓机电集团有限公司 铝合金薄板高盒形件拉伸成形工艺
CN108920871A (zh) * 2018-07-26 2018-11-30 西北有色金属研究院 物理实验与数值模拟相结合预测金属挤压成形开裂的方法
CN110826280A (zh) * 2019-11-11 2020-02-21 常州东风轴承有限公司 基于有限元模拟的筒形件拉深凸耳改善的工艺优化方法
US20200394278A1 (en) * 2019-06-14 2020-12-17 Abraham Varon-Weinryb Hybrid Finite Element and Artificial Neural Network Method and System for Safety Optimization of Vehicles
CN113843326A (zh) * 2021-08-11 2021-12-28 上海交通大学 一种考虑切边质量的金属板料冲压成形边部开裂预测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102692456A (zh) * 2012-05-02 2012-09-26 江苏大学 一种识别金属拉深件成形微裂纹位置的方法
CN102950185A (zh) * 2012-11-16 2013-03-06 华中科技大学 一种变速和变压边力联动的板料拉深工艺
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
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
CN105467840A (zh) * 2015-12-05 2016-04-06 浙江大学 一种封头薄壁构件拉深变压边力优化控制方法
CN106345880A (zh) * 2016-12-02 2017-01-25 江麓机电集团有限公司 铝合金薄板高盒形件拉伸成形工艺
CN108920871A (zh) * 2018-07-26 2018-11-30 西北有色金属研究院 物理实验与数值模拟相结合预测金属挤压成形开裂的方法
US20200394278A1 (en) * 2019-06-14 2020-12-17 Abraham Varon-Weinryb Hybrid Finite Element and Artificial Neural Network Method and System for Safety Optimization of Vehicles
CN110826280A (zh) * 2019-11-11 2020-02-21 常州东风轴承有限公司 基于有限元模拟的筒形件拉深凸耳改善的工艺优化方法
CN113843326A (zh) * 2021-08-11 2021-12-28 上海交通大学 一种考虑切边质量的金属板料冲压成形边部开裂预测方法

Similar Documents

Publication Publication Date Title
CN111163875B (zh) 变形极限的评价方法、破裂预测方法及冲压模具的设计方法
CN105699186A (zh) 一种金属电阻点焊焊点变角度力学性能试验评价方法
KR100879188B1 (ko) 너트리스 방식의 태핑 플레이트 및 그 제조방법
JP4814831B2 (ja) 金属板の薄板プレス成形における伸びフランジ性評価試験方法
CN115138740A (zh) 一种车用冲压钢板拉裂深度确定方法及确定系统
JP7327313B2 (ja) 金属板の遅れ破壊特性評価方法、及びプレス部品の製造方法
US9522419B2 (en) Method and apparatus for making a part by first forming an intermediate part that has donor pockets in predicted low strain areas adjacent to predicted high strain areas
JP3979492B2 (ja) コンピュータシミュレーションによるプレス部品の成形解析法及びプレス部品を含む構造体の特性解析法
Gu et al. A practical methodology to evaluate and predict edge cracking for advanced high-strength steel
CN113631290B (zh) 冲压部件的制造方法
JP2015036147A (ja) バーリング加工用パンチおよびバーリング加工方法
JP6888703B1 (ja) プレス成形品の形状変化予測方法
Said et al. Parametric Study of Spring-Back Effects in Deep Drawing by Design of Experiment
JP4041766B2 (ja) プレス成形金属部品を含む構造体の特性解析方法、特性解析プログラム及びそのプログラムを記録した記憶媒体
JP4415668B2 (ja) 成形加工シミュレーションにおける面形状歪み量演算方法及びその装置
JP5145689B2 (ja) ハット型金属製部品のプレス成形用ブランク
Said et al. Analysis of springback effects in deep drawing processes: simulation and experimental studies
JP4814829B2 (ja) 薄板プレス成形における金属板の伸びフランジ性評価試験方法
CN114201897A (zh) 一种考虑冲裁历史的金属板料边部开裂预测
JP7031640B2 (ja) 金属板の成形可否評価方法
JP2004050254A (ja) コンピュータシミュレーションによるプレス部品の成形解析法及びプレス部品を含む構造体の特性解析法
Jawad et al. Studying the effect of punch nose radius on deep drawing operation
CN109513813A (zh) 一种基于cae技术的汽车板件冲压生产工艺
KR102599529B1 (ko) 복합 드로잉을 이용한 테일게이트 익스텐션 제조방법
CN103433694A (zh) 汽车b柱内板总成的加工方法

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