CN116050220A - 基于sdas分布的转向节疲劳耐久仿真分析方法与装置 - Google Patents
基于sdas分布的转向节疲劳耐久仿真分析方法与装置 Download PDFInfo
- Publication number
- CN116050220A CN116050220A CN202310081080.7A CN202310081080A CN116050220A CN 116050220 A CN116050220 A CN 116050220A CN 202310081080 A CN202310081080 A CN 202310081080A CN 116050220 A CN116050220 A CN 116050220A
- Authority
- CN
- China
- Prior art keywords
- sdas
- knuckle
- distribution
- model
- fatigue
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 159
- 238000004458 analytical method Methods 0.000 title claims abstract description 84
- 238000009826 distribution Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 139
- 239000000463 material Substances 0.000 claims abstract description 95
- 238000013507 mapping Methods 0.000 claims abstract description 41
- 238000005266 casting Methods 0.000 claims abstract description 38
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 229910000838 Al alloy Inorganic materials 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000005496 eutectics Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000007711 solidification Methods 0.000 claims description 5
- 230000008023 solidification Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000009661 fatigue test Methods 0.000 claims description 3
- 238000011056 performance test Methods 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000004154 testing of material Methods 0.000 claims description 2
- 239000000956 alloy Substances 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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]
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
一种基于SDAS分布的转向节疲劳耐久仿真分析方法与装置，该方法包括不同SDAS水平机械性能测试，建立基于SDAS的转向节材料模型；建立工艺仿真网格模型，进行铸造过程工艺仿真分析，输出SDAS分布的工艺仿真结果并将其与生产样品试验测试结果进行对标，根据对标结果优化工艺仿真参数；建立转向节结构仿真网格模型，将SDAS分布的工艺仿真结果映射到结构强度仿真模型，设置上述转向节材料模型及相关材料属性，设置结构仿真分析模型的载荷及边界条件，进行应力应变分析；将工艺仿真结果映射到结构疲劳分析模型，设置不同SDAS下的SN曲线，进行疲劳寿命分析。能实现基础材料性能与疲劳性能的连续分布，更准确地预测疲劳寿命。
Description
技术领域
本发明涉及转向节产品的有限元分析领域，尤其是转向节疲劳寿命有限元分析，更具体地说，涉及一种基于SDAS（二次枝晶间距）分布的转向节疲劳耐久仿真分析方法与装置。
背景技术
在汽车铝铸产品的批量化生产过程中，由于产品结构的个性化差异和现有工艺方法的局限，铝铸产品的不同位置具有不同的材料性能，但当前的工程领域内，均是采用理想化均匀材料属性进行相关的有限元计算。由于有限元模型输入的理想化，导致有限元分析结果与实际物理结果之间往往存在差异，不能真实利用有限元的方法再现产品的物理行为，从而为产品开发带来了试验失效的风险。
发明内容
本发明的技术解决问题是：克服现有技术的不足，提供一种提高有限元模型精度的转向节产品有限元分析方法，能够以工艺仿真结果SDAS为媒介，建立转向节结构与材料性能之间的关系，从而实现转向节产品的材料机械性能与疲劳性能的连续分布，提高转向节有限元分析模型的输入精度，最终使有限元分析能更准确地表达产品的物理变形与寿命行为。
根据本发明的一方面，提供一种基于SDAS分布的转向节疲劳耐久仿真分析方法，包括如下步骤：通过对转向节样棒的材料试验获得不同SDAS水平下的材料机械性能与疲劳性能，建立基于SDAS的转向节材料模型；基于转向节的实体模具建立转向节工艺仿真网格模型，进行转向节铸造过程工艺仿真分析，将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标；基于SDAS分布的工艺仿真结果，获取转向节数模造型数据，建立有限元网格模型；将SDAS分布的工艺仿真结果映射到结构强度仿真模型，并设置所述转向节材料模型及相关材料属性，使转向节材料机械性能在空间上连续分布，进行转向节应力应变分析得到应力应变结果；将SDAS分布的工艺仿真结果映射到疲劳分析模型，并设置不同SDAS下的SN曲线，进行疲劳寿命分析。
优选地，所述获得不同SDAS水平下的材料机械性能包括如下步骤：从转向节不同部位或不同壁厚位置取疲劳样棒；对疲劳样棒进行表面打磨处理；在电液伺服疲劳试验机上进行拉压疲劳实验，所述建立基于SDAS的转向节材料模型包括如下步骤：作为所述疲劳性能的表征参数，获得疲劳样棒在不同应力下的材料的疲劳寿命；对疲劳样棒进行金相组织分析，获得不同疲劳样棒的SDAS值；通过数据处理建立疲劳寿命与SDAS、应力的对应方程，通过计算获得不同SDAS下的材料S-N曲线，所述S-N曲线的方程为：
，
其中，N为材料的疲劳寿命，N0为初始寿命；S为应力水平；a、b、c、d、e、f、g均为拟合常数。
优选地，所述进行转向节铸造过程工艺仿真分析包括如下步骤：对所述转向节工艺仿真网格模型模拟铸造过程，得出铸件凝固过程的温度场分布，其中，根据SDAS控制方程，利用仿真计算所得到的铸件温度演变过程，计算得出铸件SDAS值的分布；获得铸件的网格信息以及节点的SDAS分布数据用于结构强度仿真，所述SDAS控制方程为：
，
其中，M为材料相关的常数，tf为凝固时间。
优选地，关于A356系铝合金的常数M=680，tf=tstart-tend为铝合金从液相线温度到共晶线温度的时间，其中tend比共晶线温度高1℃。
优选地，所述将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标包括如下步骤：对转向节生产样品进行金相检测，并使用线性截距法在同一转向节生产样品上取得的不同金相照片上分别测取多个位置的SDAS值，取均值作为该部位的SDAS，重复进行所需部位的测量，得出铸件不同位置的SDAS值实测值分布；采用与生产相同的工艺参数进行工艺仿真，得出铸件不同位置的SDAS值预测值分布，针对不同位置的样本点进行分别对标，得出SDAS值对标结果。
优选地，进行多款产品多个位置的SDAS值对标工作，根据对标结果对工艺仿真模型中的边界条件和/或界面条件进行优化，使仿真结果与实测结果一致。
优选地，在所述将SDAS分布的工艺仿真结果映射到结构强度仿真模型中，将与SDAS值相关的材料机械性能与SDAS分布映射到结构强度仿真模型，所述与SDAS相关的材料机械性能的参数包括SDAS值、弹性模量、屈服强度、抗拉强度、延伸率以及工程应力和应变曲线。
优选地，所述获得不同SDAS水平下的材料机械性能包括：获取不同规格的试验样棒，进行材料性能测试；所述建立转向节工艺仿真网格模型包括：获取转向节数模造型数据，在工艺仿真软件ProCAST中建立网格模型，利用工艺仿真软件ProCAST输出转向节中不均一的SDAS分布；在所述将SDAS分布的工艺仿真结果映射到结构强度仿真模型中，获取转向节数模造型数据，建立有限元网格模型；通过设置场Predefined Field变量，将ProCAST的工艺仿真结果映射到ABAQUS结构仿真中，并将材料测试得到的不同SDAS水平的材料模型导入ABAQUS进行材料属性定义，以场变量为媒介，得到转向节的材料性能的空间连续分布；所述设置所述转向节材料模型及相关材料属性包括：将与SDAS值相关的材料性能与SDAS分布映射入ABAQUS软件中，进行强度仿真；所述进行转向节应力应变分析包括：设置结构模型的边界条件、载荷加载和求解输出，利用与SDAS相关的新材料模型进行应力应变仿真分析，得到用于疲劳计算的应力应变结果文件；将SDAS分布的工艺仿真结果映射到疲劳分析模型在疲劳分析软件FEMFAT中进行。
优选地，在所述将SDAS分布的工艺仿真结果映射到结构强度仿真模型和所述将SDAS分布的工艺仿真结果映射到疲劳分析模型中，工艺仿真模型与结构强度仿真模型的坐标及网格尺寸保持一致，网格尺寸均为3mm；SDAS映射导入次数均为1次；使用如下公式验证SDAS映射结果：
，
其中，CSDASn为第n个节点的铸造仿真SDAS结果，SSDASn为映射后结构仿真第n个节点的SDAS结果，m为所取需验证的节点数，f为平均映射精度。
根据本发明的另一方面，提供一种转向节疲劳耐久仿真分析装置，其特征在于，用于实现权利要求1～9中任一项所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，该装置包括：样棒材料试验与建模模块，其通过对转向节样棒的材料试验获得不同SDAS水平下的材料机械性能与疲劳性能，建立基于SDAS的转向节材料模型；工艺仿真模块，其基于转向节的实体模具建立转向节工艺仿真网格模型，进行转向节铸造过程工艺仿真分析，将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标；数模有限元模块，其基于SDAS分布的工艺仿真结果，获取转向节数模造型数据，建立有限元网格模型；仿真映射模块，其将SDAS分布的工艺仿真结果映射到结构强度仿真模型，并设置所述转向节材料模型及相关材料属性，使转向节材料机械性能在空间上连续分布，进行转向节应力应变分析得到应力应变结果；和疲劳分析模块，其将SDAS分布的工艺仿真结果映射到疲劳分析模型，并设置不同SDAS下的SN曲线，进行疲劳寿命分析。
如上述，根据本发明的一种基于SDAS分布的转向节疲劳耐久仿真分析方法，包括不同SDAS水平机械性能测试，建立基于SDAS的转向节材料模型；建立工艺仿真网格模型，设置工艺仿真参数，进行铸造过程工艺仿真分析，输出SDAS分布的工艺仿真结果并将其与试验测试结果进行对标，根据对标结果调整优化工艺仿真参数；建立转向节结构仿真网格模型，将SDAS分布的工艺仿真结果映射到结构强度仿真模型，设置上述基于SDAS的转向节材料模型及相关材料属性，设置结构仿真分析模型的载荷及边界条件，进行应力应变分析；将SDAS分布的工艺仿真结果映射到结构疲劳分析模型，设置不同SDAS下的SN曲线，进行疲劳寿命分析。能实现基础材料性能与疲劳性能的连续分布，更准确地预测疲劳寿命。
附图说明
图1示出根据本发明实施例的方法流程图。
图2为示例性转向节产品的有限元模型。
图3～6示例性地示出SDAS映射设置方法。
图7示例性地示出基于SDAS的材料属性设置方法。
图8示出SDAS映射后的材料性能分布图。
图9～10示例性地示出FEMFAT中基于SDAS的设置方法。
实施方式
下面，将参考附图详细地描述根据本发明的示例实施例。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本发明的全部实施例，应理解本发明不受这里描述的示例实施例的限制。在本发明实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。对于本发明实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。另外，本发明中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。还应理解，本发明对各个实例的描述着重强调各个实例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。本领域技术人员可以理解，本发明实施例中的“1）”、“2）”、“S1”、“S2”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
下面说明示例性方法。
一种基于SDAS分布的转向节疲劳耐久仿真分析方法，包括步骤如下：
第一步，转向节不同SDAS水平机械性能测试（参见图1的S1），建立基于SDAS的转向节材料模型（S2）。
其中，转向节不同SDAS水平机械性能测试（S1），主要步骤包括：
1）从转向节不同部位或不同壁厚位置取疲劳样棒（亦简称样棒）；
2）对疲劳样棒进行表面打磨处理；
3）在电液伺服疲劳试验机上进行拉压疲劳实验。
建立转向节材料模型（S2），主要步骤包括：
1）获得疲劳样棒在不同应力下的材料疲劳寿命用以表征疲劳性能；
2）对疲劳样棒进行金相组织分析，获得不同样棒的SDAS值；
3）通过数据处理建立疲劳寿命与SDAS、应力的对应方程，通过计算获得不同SDAS下的材料S-N曲线。
所述S-N曲线的方程为：
，
其中，N为寿命，N0为初始寿命；S为应力水平；a、b、c、d、e、f、g均为拟合常数，精确程度通过拟合度R2判断。
第二步，转向节SDAS分布工艺仿真分析（S3、S4），并与试验测试结果进行对标（S5）。
其中，转向节SDAS分布工艺仿真分析（S3、S4），主要步骤包括：
1）在3维软件中把实体模具处理成仿真模型，包括但不限于处理分型面为可识别的装配面、处理型腔铸件标识、处理型腔连通外部的排气和顶出孔洞、处理模具冷却通道等，建立转向节工艺仿真网格模型（S3）。
2）把该转向节工艺仿真网格模型导入到铸造工艺仿真软件中，进行转向节铸造过程工艺仿真分析（S4）。根据编程语言开发程序，进行体单元材料属性自动赋予、界面换热系数自动赋予、外部边界条件自动赋予和工艺参数自动赋予。模拟铸造过程，得出铸件凝固过程的温度场分布。
3）调出Procast软件中的SDAS值计算工具Metallurgical Tools，输入其铝合金所对应的M值以及计算凝固时间tf所需的凝固区间开始温度和结束温度，根据SDAS控制方程，利用仿真计算所得到的铸件温度演变过程，即可计算得出铸件SDAS值的分布。其中，SDAS控制方程为：
，
其中，M为材料相关的常数，tf为凝固时间。
在此以A356为实例但不限于此，关于A356系铝合金的常数M=680，tf=tstart-tend为铝合金从液相线温度到共晶线温度的时间，其中优选tend比共晶线温度高1℃。
4）导出铸件的网格信息以及节点的SDAS分布数据。其软件的固定输出格式分别为：节点编号，x坐标，y坐标，z坐标和节点编号，SDAS数值。以节点编号为连接，即可获得结构仿真映射所需要的x坐标，y坐标，z坐标，SDAS数据。
SDAS分布的工艺仿真结果与转向节生产样品试验测试结果对标（S5），主要步骤包括：1）对转向节生产样品进行金相检测，并使用线性截距法在同一转向节生产样品上取得的不同金相照片上分别测取例如5个位置的SDAS值，均值即可视为该部位的SDAS。如重复进行所需部位的测量，即可得出铸件不同位置的SDAS值实测值分布。2）采用与生产相同的工艺参数进行工艺仿真，得出铸件不同位置的SDAS值预测值分布，针对不同位置的样本点进行分别对标，得出SDAS值对标结果。3）进行多款产品多个位置的SDAS值对标工作，根据对标结果（S6）在需要时对工艺仿真模型中的边界条件、界面条件等进行优化（S7），使仿真结果与实测结果吻合一致。
第三步，工艺仿真SDAS结果数据处理，主要步骤包括：1）通过工艺仿真得到转向节网格inp文件和SDAS结果文件。2）利用EXCEL，将inp网格文件中的节点坐标与SDAS结果文件中的SDAS结果按照节点顺序进行一一对应。3）从EXCEL导出新生成的文件为txt文件。
第四步，将SDAS分布的工艺仿真结果映射到结构强度仿真模型（S9），并设置基于SDAS分布的材料模型（即上述转向节材料模型）及相关材料属性（S10），进行转向节应力应变分析（S11）。
工艺仿真SDAS结果映射到结构强度仿真模型（S9），主要步骤包括：对转向节3D模型进行网格划分，建立转向节结构仿真网格模型（S8），网格尺寸例如设置为3毫米，以尽量与工艺仿真网格尺寸保持一致。将网格类型设置为C3D10M。如图3所示，在ABAQUS中的Load模块，打开Predefined Field菜单，创建新的场变量Field。如图4所示，在新创建的场变量的菜单中，点击创建Analytical Field。在Analytical Field菜单中，导入第三步中得到的对应网格节点坐标的SDAS分布数据，如图5、6所示。点击OK，完成SDAS从工艺仿真到结构强度仿真的映射（S9）。
使用如下公式验证SDAS映射结果：
，
其中，CSDASn为第n个节点的铸造仿真SDAS结果，SSDASn为映射后结构仿真第n个节点的SDAS结果，m为所取需验证的节点数，f为平均映射精度。
设置基于SDAS的材料模型及相关材料属性（S10），主要步骤包括：在ABAQUS软件中，打开Property模块，创建转向节的铝合金材料。在新创建的铝合金材料菜单中，分别创建密度、弹性模量、泊松比和Plastic塑性性能。如图7所示，在创建Plastic的菜单中，设置Number of field variables为1，将此前得到的材料模型导入。
转向节应力应变分析（S11），主要步骤包括：在实现SDAS映射模型的基础上，在ABAQUS的Step模块，设置相应的Static分析步，并将Nlgom设置为ON。在ABAQUS的Load模块中，设置相应工况的载荷和边界条件。在Step模块中，设置相应的输出选项，Mises，S，PEEQ等。生成inp文件，进行应力应变计算。
第五步，工艺仿真SDAS结果映射到FEMFAT疲劳分析模型（S12），并设置不同SDAS下的SN曲线（S13），进行疲劳寿命分析（S14）。
工艺仿真SDAS结果映射到FEMFAT疲劳分析模型（S12），主要步骤包括：如图9所示，在FEMFAT软件中的Basic模块下，打开Process Influence选项卡，在SDAS接口处导入强度分析过程中生成的FIL文件，以实现将SDAS结果映射到FEMFAT中的疲劳分析模型中，以便考虑其影响。
设置不同SDAS下的SN曲线（S13），主要步骤包括：设置不同SDAS对疲劳极限的影响因子（factor=不同SDAS对应的疲劳极限值/基准疲劳极限）；如图10所示，在Casting Data（optional）选项卡的Table（SDAS，SDAS influence factor）功能中，将对应SDAS值的疲劳极限系数导入；实现基于SDAS的SN曲线设置。
进行疲劳寿命分析（S14），主要步骤包括：在FEMFAT的Basic模块中，导入强度仿真分析的odb结果。在Stress Data选项卡中，设置循环载荷。在Material Data选项卡中，设置基础材料性能参数，从而得到基础SN曲线。在Load Spectra选项卡中，设置循环次数。在Influence Factors选项卡中，设置疲劳分析的相关设置参数。进行求解计算，得到疲劳寿命。
下面说明示例性装置。
根据本实施例提供一种基于SDAS分布的转向节疲劳耐久仿真分析装置，其包括多个模块：样棒材料试验与建模模块，其通过对转向节样棒的材料试验获得不同SDAS水平下的材料机械性能与疲劳性能，建立基于SDAS的转向节材料模型；工艺仿真模块，其基于转向节的实体模具建立转向节工艺仿真网格模型，进行转向节铸造过程工艺仿真分析，将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标；数模有限元模块，其基于SDAS分布的工艺仿真结果，获取转向节数模造型数据，建立有限元网格模型；仿真映射模块，其将SDAS分布的工艺仿真结果映射到结构强度仿真模型，并设置所述转向节材料模型及相关材料属性，使转向节材料机械性能在空间上连续分布，进行转向节应力应变分析得到应力应变结果；疲劳分析模块，其将SDAS分布的工艺仿真结果映射到疲劳分析模型，并设置不同SDAS下的SN曲线，进行疲劳寿命分析。
此外值得说明，本实施例提供的基于SDAS分布的转向节疲劳耐久仿真分析装置的工作过程与上述转向节疲劳耐久仿真分析方法的工作过程相同，具体可以参照转向节疲劳耐久仿真分析方法的工作过程，这里就不再赘述。由此，能实现基础材料性能与疲劳性能的连续分布，与现实情况保持一致，提高仿真模型的输入精度，更准确地预测疲劳寿命，并可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。还需要指出的是，在本公开的装置和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
尽管已经参考各种具体实施例描述了本发明，但是应当理解，可以在所描述的发明构思的精神和范围内做出变形。因此，意图是本发明不限于所描述的实施例，而是将具有由所附权利要求的语言所定义的全部范围。
Claims (10)
1.一种基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，包括如下步骤：
通过对转向节样棒的材料试验获得不同SDAS水平下的材料机械性能与疲劳性能，建立基于SDAS的转向节材料模型；
基于转向节的实体模具建立转向节工艺仿真网格模型，进行转向节铸造过程工艺仿真分析，将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标；
基于SDAS分布的工艺仿真结果，获取转向节数模造型数据，建立有限元网格模型；
将SDAS分布的工艺仿真结果映射到结构强度仿真模型，并设置所述转向节材料模型及相关材料属性，使转向节材料机械性能在空间上连续分布，进行转向节应力应变分析得到应力应变结果；
将SDAS分布的工艺仿真结果映射到疲劳分析模型，并设置不同SDAS下的SN曲线，进行疲劳寿命分析。
2.根据权利要求1所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，
所述获得不同SDAS水平下的材料机械性能包括如下步骤：从转向节不同部位或不同壁厚位置取疲劳样棒；对疲劳样棒进行表面打磨处理；在电液伺服疲劳试验机上进行拉压疲劳实验，
所述建立基于SDAS的转向节材料模型包括如下步骤：作为所述疲劳性能的表征参数，获得疲劳样棒在不同应力下的材料的疲劳寿命；对疲劳样棒进行金相组织分析，获得不同疲劳样棒的SDAS值；通过数据处理建立疲劳寿命与SDAS、应力的对应方程，通过计算获得不同SDAS下的材料S-N曲线，所述S-N曲线的方程为：
，
其中，N为材料的疲劳寿命，N0为初始寿命；S为应力水平；a、b、c、d、e、f、g均为拟合常数。
3.根据权利要求1所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，所述进行转向节铸造过程工艺仿真分析包括如下步骤：对所述转向节工艺仿真网格模型模拟铸造过程，得出铸件凝固过程的温度场分布，其中，根据SDAS控制方程，利用仿真计算所得到的铸件温度演变过程，计算得出铸件SDAS值的分布；获得铸件的网格信息以及节点的SDAS分布数据用于结构强度仿真，所述SDAS控制方程为：
，
其中，M为材料相关的常数，tf为凝固时间。
4.根据权利要求3所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，关于A356系铝合金的常数M=680，tf=tstart-tend为铝合金从液相线温度到共晶线温度的时间，其中tend比共晶线温度高1℃。
5.根据权利要求3所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，所述将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标包括如下步骤：对转向节生产样品进行金相检测，并使用线性截距法在同一转向节生产样品上取得的不同金相照片上分别测取多个位置的SDAS值，取均值作为该部位的SDAS，重复进行所需部位的测量，得出铸件不同位置的SDAS值实测值分布；采用与生产相同的工艺参数进行工艺仿真，得出铸件不同位置的SDAS值预测值分布，针对不同位置的样本点进行分别对标，得出SDAS值对标结果。
6.根据权利要求5所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，进行多款产品多个位置的SDAS值对标工作，根据对标结果对工艺仿真模型中的边界条件和/或界面条件进行优化，使仿真结果与实测结果一致。
7.根据权利要求5所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，在所述将SDAS分布的工艺仿真结果映射到结构强度仿真模型中，将与SDAS值相关的材料机械性能与SDAS分布映射到结构强度仿真模型，所述与SDAS相关的材料机械性能的参数包括SDAS值、弹性模量、屈服强度、抗拉强度、延伸率以及工程应力和应变曲线。
8.根据权利要求1-7中任一项所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，
所述获得不同SDAS水平下的材料机械性能包括：获取不同规格的试验样棒，进行材料性能测试；
所述建立转向节工艺仿真网格模型包括：获取转向节数模造型数据，在工艺仿真软件ProCAST中建立网格模型，利用工艺仿真软件ProCAST输出转向节中不均一的SDAS分布；
在所述将SDAS分布的工艺仿真结果映射到结构强度仿真模型中，获取转向节数模造型数据，建立有限元网格模型；通过设置场Predefined Field变量，将ProCAST的工艺仿真结果映射到ABAQUS结构仿真中，并将材料测试得到的不同SDAS水平的材料模型导入ABAQUS进行材料属性定义，以场变量为媒介，得到转向节的材料性能的空间连续分布；
所述设置所述转向节材料模型及相关材料属性包括：将与SDAS值相关的材料性能与SDAS分布映射入ABAQUS软件中，进行强度仿真；
所述进行转向节应力应变分析包括：设置结构模型的边界条件、载荷加载和求解输出，利用与SDAS相关的新材料模型进行应力应变仿真分析，得到用于疲劳计算的应力应变结果文件；
将SDAS分布的工艺仿真结果映射到疲劳分析模型在疲劳分析软件FEMFAT中进行。
9.根据权利要求8所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，其特征在于，在所述将SDAS分布的工艺仿真结果映射到结构强度仿真模型和所述将SDAS分布的工艺仿真结果映射到疲劳分析模型中，工艺仿真模型与结构强度仿真模型的坐标及网格尺寸保持一致，网格尺寸均为3mm；SDAS映射导入次数均为1次；使用如下公式验证SDAS映射结果：
，
其中，CSDASn为第n个节点的铸造仿真SDAS结果，SSDASn为映射后结构仿真第n个节点的SDAS结果，m为所取需验证的节点数，f为平均映射精度。
10.一种转向节疲劳耐久仿真分析装置，其特征在于，用于实现权利要求1～9中任一项所述的基于SDAS分布的转向节疲劳耐久仿真分析方法，该装置包括：
样棒材料试验与建模模块，其通过对转向节样棒的材料试验获得不同SDAS水平下的材料机械性能与疲劳性能，建立基于SDAS的转向节材料模型；
工艺仿真模块，其基于转向节的实体模具建立转向节工艺仿真网格模型，进行转向节铸造过程工艺仿真分析，将SDAS分布的工艺仿真结果与转向节生产样品的试验测试实测结果对标；
数模有限元模块，其基于SDAS分布的工艺仿真结果，获取转向节数模造型数据，建立有限元网格模型；
仿真映射模块，其将SDAS分布的工艺仿真结果映射到结构强度仿真模型，并设置所述转向节材料模型及相关材料属性，使转向节材料机械性能在空间上连续分布，进行转向节应力应变分析得到应力应变结果；和
疲劳分析模块，其将SDAS分布的工艺仿真结果映射到疲劳分析模型，并设置不同SDAS下的SN曲线，进行疲劳寿命分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310081080.7A CN116050220B (zh) | 2023-02-07 | 2023-02-07 | 基于sdas分布的转向节疲劳耐久仿真分析方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310081080.7A CN116050220B (zh) | 2023-02-07 | 2023-02-07 | 基于sdas分布的转向节疲劳耐久仿真分析方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116050220A true CN116050220A (zh) | 2023-05-02 |
| CN116050220B CN116050220B (zh) | 2024-03-19 |
Family
ID=86123917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310081080.7A Active CN116050220B (zh) | 2023-02-07 | 2023-02-07 | 基于sdas分布的转向节疲劳耐久仿真分析方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116050220B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120232858A1 (en) * | 2011-03-08 | 2012-09-13 | GM Global Technology Operations LLC | Material property distribution determination for fatigue life calculation using dendrite arm spacing and porosity-based models |
| CN109992885A (zh) * | 2019-04-01 | 2019-07-09 | 燕山大学 | 一种铸件疲劳寿命有限元预测方法及系统 |
| CN110765549A (zh) * | 2019-10-16 | 2020-02-07 | 昆山六丰机械工业有限公司 | 一种汽车铸件结构应力分析方法及系统 |
| CN112241568A (zh) * | 2020-09-24 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 一种基于有限元的发动机盖开闭耐久疲劳分析方法 |
| CN113378421A (zh) * | 2021-03-29 | 2021-09-10 | 南京航空航天大学 | 一种机械弹性车轮径向疲劳寿命评价及预测方法 |
| CN114818410A (zh) * | 2022-03-11 | 2022-07-29 | 中国第一汽车股份有限公司 | 一种对接实体焊缝疲劳强度的仿真方法 |
| CN115455602A (zh) * | 2022-09-23 | 2022-12-09 | 重庆长安汽车股份有限公司 | 一种铸铝件疲劳寿命的预测方法、系统及电子设备 |
| CN115495838A (zh) * | 2022-09-28 | 2022-12-20 | 东风汽车集团股份有限公司 | 车身疲劳耐久仿真分析自动化方法及系统 |
-
2023
- 2023-02-07 CN CN202310081080.7A patent/CN116050220B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120232858A1 (en) * | 2011-03-08 | 2012-09-13 | GM Global Technology Operations LLC | Material property distribution determination for fatigue life calculation using dendrite arm spacing and porosity-based models |
| CN109992885A (zh) * | 2019-04-01 | 2019-07-09 | 燕山大学 | 一种铸件疲劳寿命有限元预测方法及系统 |
| CN110765549A (zh) * | 2019-10-16 | 2020-02-07 | 昆山六丰机械工业有限公司 | 一种汽车铸件结构应力分析方法及系统 |
| CN112241568A (zh) * | 2020-09-24 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 一种基于有限元的发动机盖开闭耐久疲劳分析方法 |
| CN113378421A (zh) * | 2021-03-29 | 2021-09-10 | 南京航空航天大学 | 一种机械弹性车轮径向疲劳寿命评价及预测方法 |
| CN114818410A (zh) * | 2022-03-11 | 2022-07-29 | 中国第一汽车股份有限公司 | 一种对接实体焊缝疲劳强度的仿真方法 |
| CN115455602A (zh) * | 2022-09-23 | 2022-12-09 | 重庆长安汽车股份有限公司 | 一种铸铝件疲劳寿命的预测方法、系统及电子设备 |
| CN115495838A (zh) * | 2022-09-28 | 2022-12-20 | 东风汽车集团股份有限公司 | 车身疲劳耐久仿真分析自动化方法及系统 |
Non-Patent Citations (8)
| Title |
|---|
| YONG-CHUAN DUAN ET AL: "Multiscale fatigue-prediction method to assess life of A356-T6 alloy wheel under biaxial loads", ENGINEERING FAILURE ANALYSIS, vol. 130, pages 1 - 19 * |
| YONG-CHUAN DUAN ET AL: "Numerical prediction of fatigue life of an A356-T6 alloy wheel considering the influence of casting defect and mean stress", ENGINEERING FAILURE ANALYSIS, vol. 118, pages 1 - 13 * |
| 吉军;张辉;张宣妮;李艳红;: "铝合金车轮动态径向疲劳试验仿真分析与寿命预测", 咸阳师范学院学报, no. 02, pages 28 - 32 * |
| 张响;童水光;闫胜昝;钟翠霞;朱训明;: "集成铸造数值模拟的车轮疲劳分析", 机械工程学报, no. 08, pages 51 - 55 * |
| 杨尊: "集成铸造缺陷的铝合金轮毂疲劳寿命预测", 中国优秀硕士学位论文全文数据库 工程科技I辑, no. 5 * |
| 汪谟清;孙鑫;沈磊;: "基于有限元的卡车车轮疲劳分析方法", 现代制造工程, no. 11, pages 94 - 98 * |
| 童水光;徐立;刘岩;张响;: "集成铸造缺陷的铝合金轮毂疲劳寿命预测", 汽车技术, no. 11, pages 57 - 60 * |
| 董国疆等: "汽车零部件疲劳分析载荷谱加速编辑法研究", 中国机械工程, vol. 31, no. 6, pages 543 - 552 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116050220B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101355839B1 (ko) | 덴드라이트 암 스페이싱 및 기공도 기반 모델을 이용한 피로 수명 계산을 위한 재료 물성 분포 결정 | |
| US11511491B2 (en) | Machine learning assisted development in additive manufacturing | |
| CN112699504A (zh) | 装配体物理数字孪生建模方法、装置、电子设备及介质 | |
| JP5268496B2 (ja) | 流動解析方法、流動解析装置、及び流動解析プログラム | |
| JP2022002111A (ja) | 製造条件出力装置、品質管理システム及びプログラム | |
| JP2013088365A (ja) | 塑性に伴う体積変化に関係するパラメータを考慮した機械特性作成システム | |
| CN116050220B (zh) | 基于sdas分布的转向节疲劳耐久仿真分析方法与装置 | |
| CN115659895B (zh) | 减小封装芯片翘曲度的方法、装置、存储介质及电子设备 | |
| WO2017141070A1 (en) | Method and system for rapid prototyping via virtual simulation | |
| EP3285043B1 (en) | Component deformation modeling system | |
| CN116230124A (zh) | 基于ann和umat的耦合微组织损伤的高温合金性能预测方法 | |
| EP3089057A2 (en) | Method and apparatus for use in thermal coupled analysis | |
| CN113358678A (zh) | α钛变形过程介观应力和织构的半定量预测及可视化方法 | |
| Kundakcıoğlu et al. | Modeling of residual stress and distortion in direct metal laser sintering process: a fast prediction approach | |
| KR20170126312A (ko) | 유한요소 해석을 이용한 설계 자동화 장치 및 방법 | |
| CN114556247A (zh) | 用于确定产品质量的方法和设备 | |
| JP2020199714A (ja) | 機械学習装置、及び設計支援装置 | |
| JP5889077B2 (ja) | 成形品収縮変形予測装置、成形品収縮変形予測方法及び成形品収縮変形予測プログラム | |
| CN111948038B (zh) | 测试增材制造材料和增材制造零件的方法 | |
| US20220288830A1 (en) | Computer implemented method of designing a molding process | |
| Anglada et al. | Metamodels’ Development for High Pressure Die Casting of Aluminum Alloy. Metals 2021, 11, 1747 | |
| Anglada Izaguirre et al. | Metamodels’ Development for High Pressure Die Casting of Aluminum Alloy | |
| CN114818406A (zh) | 一种考虑铸件不均匀力学性能分布的跨软件平台联合力学仿真方法 | |
| JP2024053929A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| Salem | PARAMETERIZED FINITE ELEMENT ANALYSIS WITH OPTIMIZATION OF A SUPERPLASTIC FORMING PROCESS USING ANSYS®. |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Gao Jian Inventor after: Meng Xiaohe Inventor after: Lang Yuling Inventor after: Kong Decai Inventor after: Qiao Haibo Inventor after: Ma Xiaoying Inventor after: Wei Chunying Inventor after: Liu Chunhai Inventor after: Xu Shiwen Inventor after: Ci Xiang Inventor before: Gao Jian Inventor before: Meng Xiao Inventor before: Lang Yuling Inventor before: Kong Decai Inventor before: Qiao Haibo Inventor before: Ma Xiaoying Inventor before: Wei Chunying Inventor before: Liu Chunhai Inventor before: Xu Shiwen Inventor before: Ci Xiang |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |