TW202208081A - 優化金屬沖壓製程參數的方法與系統 - Google Patents
優化金屬沖壓製程參數的方法與系統 Download PDFInfo
- Publication number
- TW202208081A TW202208081A TW109127965A TW109127965A TW202208081A TW 202208081 A TW202208081 A TW 202208081A TW 109127965 A TW109127965 A TW 109127965A TW 109127965 A TW109127965 A TW 109127965A TW 202208081 A TW202208081 A TW 202208081A
- Authority
- TW
- Taiwan
- Prior art keywords
- model
- mold
- response surface
- workpiece
- parameters
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/24—Sheet material
-
- 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
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Shaping Metal By Deep-Drawing, Or The Like (AREA)
- Mounting, Exchange, And Manufacturing Of Dies (AREA)
Abstract
本發明實施例提供一種優化金屬沖壓製程參數的方法與系統,藉以進行模具參數優化和沖壓成形曲線優化,來達成各種設計目標。本發明實施例以自動化方式對模具參數和沖壓成形曲線建模,並將其導入優化流程。本發明實施例優化方法是採用曲面響應法來擬合線性多項式函數,再對響應曲面進行優化,以獲得最佳模具參數組合和最佳沖壓成形曲線。
Description
本發明是有關於一種優化金屬沖壓製程參數的方法與系統,且特別是有關於一種模具參數優化和沖壓成形曲線優化的方法與系統。
在沖壓引伸成形的製程中,模具的幾何形狀和沖壓成形曲線皆會影響成形工件的品質。習知技術係仰賴技術人員的經驗及直覺,或採用試誤法(Trial and Error),來進行模具參數與沖壓成形曲線的設計。習知技術往往曠日費時,且增加許多模具設計的成本。
隨著電腦效能不斷提升,電腦輔助設計與製造的發展,利用電腦的方式來解決在工程上所遭遇的問題,已是目前產業發展的趨勢。另一種習知技術係透過電腦輔助工程中有限元素法(Finite Element Method,FEM)來分析成形工件在沖壓過程中的行為表現,以預測在成形的過程中成形工件的厚度變化情形、尺寸變化與回彈量等,來做為初始設計之參考依據。然而,此種習知技術仍需使用人為判斷來調整模型,故仍會耗費相當多的人力成本。
因此,需要提出一種優化金屬沖壓製程參數的方法與系統,藉以縮短試模次數、減少試修模成本與開發時間,而克服習知技術的缺點。
本發明之目的是在提供一種優化金屬沖壓製程參數的方法與系統,藉以獲得其最佳模具參數組合和沖壓成形曲線,而可減少人為經驗判斷盲點,降低試模次數與成本。
根據本發明之一態樣,提供一種優化金屬沖壓製程參數的方法。在此方法中,首先建立模具模型和工件模型,其中工件模型安置在模具模型中,工件模型具有至少一個品質項目,每一個品質項目具有一設計目標。然後,根據一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作。使用此模擬操作並搭配全因子實驗設計法,來決定影響品質項目之模具模型的複數個模具參數,以及模具參數的數值範圍。接著,在模具參數的數值範圍中重複進行前述之模擬操作,以獲得複數組樣本資料,其中每一組樣本資料包含模具參數的數值及其對應之品質項目的數值。然後,對這些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面。接著,針對設計目標,使用優化演算法來對此響應曲面進行優化操作,以獲得模具參數的一組最佳數值。
根據本發明之又一態樣,提供一種優化金屬沖壓製程參數的系統。此系統係運作於一電腦主機,並包含:模型建立模組、前處理模組、模擬模組、參數決定模組、樣本產生模組、響應曲面擬合模組和優化模組。模型建立模組係用以建立模具模型和工件模型,其中工件模型係安置在模具模型中,工件模型具有至少一個品質項目,每一個品質項目具有一設計目標。前處理模組係用以定義出一沖壓曲線。模擬模組係用以根據此沖壓曲線並使用模具模型和工件模型,來進行一模擬操作。參數決定模組係用以使用此模擬操作並搭配一全因子實驗設計法,來決定影響品質項目之模具模型的複數個模具參數,以及模具參數的數值範圍。樣本產生模組係用以在模具參數的數值範圍中重複進行前述之模擬操作,以獲得複數組樣本資料,每一組樣本資料包含模具參數的數值及其對應之品質項目的數值。響應曲面擬合模組係用以對這些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面。優化模組係用以針對前述之設計目標對此響應曲面進行一優化操作,以獲得模具參數的一組最佳數值。
在一些實施例中,前述之模具參數包含上模角度、下模角度和上模引伸深度,而前述之品質項目包含成形工件厚度,前述之設計目標包含成形工件厚度的均勻度或最小厚度的最大化。
在一些實施例中,前述之在模具參數的數值範圍中重複進行模擬操作的步驟係以自動化方式來進行。
在一些實施例中,前述之擬合響應曲面操作係使用連續曲面響應法(Sequential Response Surface Method),而前述之優化演算法包含基因演算法、退火法、混合演算法或蛙跳法。
根據本發明之又一態樣,提供一種優化金屬沖壓製程參數的方法。在此方法中,首先建立模具模型和工件模型,其中工件模型係安置在模具模型中,工件模型具有至少一個品質項目,每一個品質項目具有一設計目標。然後,定義出複數條沖壓曲線。接著,根據每一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作,以獲得複數組樣本資料,其中每一組樣本資料包含前述之沖壓曲線及其對應之品質項目的數值。然後,對這些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面。接著,針對前述之設計目標,使用一優化演算法來對此響應曲面進行一優化操作,以獲得一最佳沖壓曲線。
根據本發明之又一態樣,提供一種優化金屬沖壓製程參數的系統。此系統係運作於一電腦主機,並包含:模型建立模組、前處理模組、模擬模組、樣本產生模組、響應曲面擬合模組和優化模組。模型建立模組係用以建立模具模型和工件模型,其中工件模型係安置在模具模型中,工件模型具有至少一個品質項目,每一個品質項目具有一設計目標。前處理模組係用以定義出複數條沖壓曲線。模擬模組係用以根據此些沖壓曲線之一者並使用模具模型和工件模型,來進行一模擬操作。樣本產生模組係用以根據每一條沖壓曲線並使用模具模型和工件模型,來重複進行前述之模擬操作,以獲得複數組樣本資料,其中每一組樣本資料包含沖壓曲線及其對應之品質項目的數值。響應曲面擬合模組係用以對這些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面。優化模組係用以針對前述之設計目標,使用一優化演算法來對此響應曲面進行一優化操作,以獲得一最佳沖壓曲線。
在一些實施例中,前述之沖壓曲線包含:下料曲線、持壓曲線、多次回壓曲線和/或震盪曲線,該至少一品質項目包含一成形工件回彈量或一厚度變薄率,該設計目標包含該成形工件回彈量的一最小值或該厚度變薄率的最小範圍。
在一些實施例中,前述之定義出沖壓曲線的步驟、及根據每一條沖壓曲線使用模具模型和工件模型來進行模擬操作的步驟係以自動化方式來進行。
在一些實施例中,前述之擬合響應曲面操作係使用一連續曲面響應法(Sequential Response Surface Method),而前述之優化演算法包含基因演算法、退火法、混合演算法或蛙跳法。
因此,應用本發明實施例,可經由最佳化與優化來獲得最佳模具參數組合和沖壓成形曲線,而減少人為經驗判斷盲點,降低試模次數與成本。
關於本文中所使用之「第一」、「第二」等,並非特別指次序或順位的意思,其僅為了區別以類似技術用語描述的元件或操作。
本發明實施例提供一種優化金屬沖壓製程參數的方法與系統,藉以進行模具參數優化和沖壓成形曲線優化,來達成各種設計目標。本發明實施例以自動化方式對模具參數和沖壓成形曲線建模,並將其導入優化流程。本發明實施例優化方法是採用曲面響應法來擬合線性多項式函數,再對響應曲面進行優化,以獲得最佳模具參數組合和沖壓成形曲線。
以下說明本發明一些實施例之模具參數優化的方法與系統。
請參照圖1、圖2A和圖2B,圖1為繪示根據本發明一些實施例之優化金屬沖壓製程參數的方法的流程示意圖,其中金屬沖壓製程參數為模具參數;圖2A和圖2B為繪示根據本發明一些實施例用以例示說明模具模型20和工件模型10的示意圖。在此例子中,模具模型20和工件模型10係用以形成軸承保持器。值得一提的是,模具模型20和工件模型10僅係用以舉例說明,本發明實施例適用於形成任何產品之金屬沖壓製程的模具與工件,故本發明實施例並不再此限。
首先,進行步驟100,以建立模具模型20和工件模型10,其中工件模型10安置在模具模型20中成組合模型30。模具模型20包含上模(沖頭)22和下模24,而工件模型10包導引沖頭12和板料工件14,其中上模(沖頭)22可沿著Y軸方向移動,但不可轉動;板料工件14可自由移動和轉動;下模24和導引沖頭12為固動設置,不能移動和轉動。本發明實施例可使用例如LS-DYNA有限元素軟體或其他類似軟體來建立工件模型10和模具模型20。工件模型10具有至少一個品質項目,例如:成形工件厚度。每一個品質項目具有一設計目標,例如:成形工件厚度的均勻度或最小厚度的最大化。
然後,進行步驟110,以根據一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作。請參照圖3A,圖3A為繪示根據本發明一些實施例用以例示說明沖壓成形曲線的示意圖。本發明實施例可使用例如LS- DYNA軟體中的BOUNDARY_PRESCRIBED_ MOTION_RIGID卡片來控制沖頭的運動,可任意選擇速度或位移的運動模式來控制模具各種主/被動部件。上模(沖頭)22的作動曲線(即沖壓曲線)可使用例如DEFINE_CURVE卡片來進行運動控制,如圖3A所示。在進行模擬的過程中,所設定的沖壓曲線為避免從模具高度的上死點到接觸板料空走的行程時間, 可直接從上模(沖頭)22接觸到板料工件14時開始進行模擬操作,以利提高分析效率。
接著,進行步驟120,以使用此模擬操作並搭配全因子實驗設計法,來決定影響品質項目之模具模型的複數個模具參數,以及模具參數的數值範圍。本發明實施例所使用之全因子實驗設計法是習於此技藝之人士所知,故不在此贅述。請參照圖2C,圖2C為繪示根據本發明一些實施例用以例示說明模具參數的示意圖。本發明實施例所決定之影響品質項目之模具模型的複數個模具參數包含:上模角度α1、下模角度α2和上模引伸深度D1。當然,依實際需求,本發明實施例亦可包含其他影響品質項目的模具參數。
接著,進行步驟130,以在模具參數的數值範圍中重複進行前述之模擬操作,以獲得複數組樣本資料,其中每一組樣本資料包含模具參數的數值及其對應之品質項目的數值。本發明實施例所定義出之上模角度α1的數值範圍為 5度至10度;下模角度α2的數值範圍為 0度至5度;上模引伸深度D1的數值範圍為1.6mm至2.5mm。本發明實施例可使用自動化方式來將建立好的基礎模型與上述所定義的模具參數以自動化方式編寫成LSPREPOST 命令指令,其上模角度α1和下模角度α2的公式如下。
請參照圖3B和圖3C,圖3B和圖3C為繪示根據本發明一些實施例用以例示說明上模角度和下模角度的示意圖,其中上模(沖頭)22具有長度L1、和寬度W1,下模24具有長度L2、和寬度W2,A1和A2為模具角度輸入之模型縮放量。本發明實施例可在自動建模的過程中,將面與面之間進行比例縮放功能(即調整模型縮放量A1和A2,以達到不同的模具模型角度。上模引伸深度D1的變化不影響模具建模程序故可直接輸入。此技術最大優點是不用針對所需要的模具參數模型去一一手動輸入建模,故可大幅地節省時間。
然後,進行步驟140,以對前述之多組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面。本發明實施例使用例如連續曲面響應法(Sequential Response Surface Method)來建構元模型,藉由此方法的區域平移和縮放功能來快速地找出最優區域 ,並疊代收斂至預期的結果。後續再針對每次疊代所產生的響應曲面導入優化演算法。步驟140主要是根據響應在設計空間中定義合適的參數組合,在全因子狀態下進行灑點,由點的模擬分析響應生成響應曲面元模型;灑點數將決定計算次數,如果模型擬合度小於75%,即可信度小,則必須重新調整實驗因子。本發明實施例所使用之連續曲面響應法是習於此技藝之人士所知,故不在此贅述。
接著,進行步驟150,以針對設計目標(例如成形工件厚度的均勻度和最小值),使用一種優化演算法來對步驟140所獲得之響應曲面進行優化操作,以獲得模具參數的一組最佳數值。本發明實施例由連續曲面響應法優化策略進行區域的優化,每次所產生的區域都會產 生近似響應曲面元模型,再用演算法優化、迭代及縮域。本發明實施例所使用之優化演算法可包含基因演算法、退火法、混合演算法或蛙跳法。基因演算法、退火法、混合演算法和蛙跳法是習於此技藝之人士所知,故不在此贅述。
綜上所述,本發明實施例所採用的方法主要是將模具模型以自動化的方式導入到至模擬與優化步驟。首先在設計空間中選擇特定設計變量的組合,其點分布執行是使用實驗設計。然後,藉由上述在空間中的實驗設計組合點進行模擬,建構出響應曲面元模型,接著,使用SRSM元模型策略進行實驗設計空間的縮域方式,在每一次的縮域情形疊代下都會產生新的響應曲面。然後,針對此響應曲面去執行例如混合演算法來找出其最佳值。每一次的疊代都以上一次疊代所產生的最優值作為基準,重複此步驟直到結果收斂及停止程序。透過這樣的方式,能夠讓元模型的精度更精確且所得知的參數組合更有參考價值。
請參照圖 4,圖4為繪示根據本發明一些實施例之成形工件厚度的優化結果。曲線40代表本發明實施例之上模角度α1、下模角度α2和上模引伸深度D1優化後所獲得之成形工件厚度,其中α1為4.99度、D1為1.6mm、α2為5.05度。曲線42代表初始設計之上模角度α1、下模角度α2和上模引伸深度D1所獲得之成形工件厚度,其中α1為5度、D1為2.27mm、α2為9度。由圖4可知,板材工件之R角的截面處R 1和R2是厚度最小的地方,曲線42之截面處R2所示之初始厚度為約0.206mm,曲線40之截面處R1所示之初始厚度為0.302mm,因此本發明實施例可大幅地提高R角的板料厚度。同時,由曲線42和曲線40的厚度變化可知,本發明實施例所獲得之成形工件厚度厚有較佳的均勻度。
本發明實施例另提供一種優化金屬沖壓製程參數的系統,以實施上述之步驟。請參照圖5,圖5為繪示根據本發明一些實施例之優化金屬沖壓製程參數的系統的方塊示意圖。此系統係運作於一電腦主機 200,此電腦主機200包含有處理器和記憶體,並安裝有例如LS- DYNA軟體。此系統包含:模型建立模組210、前處理模組220、模擬模組230、參數決定模組240、樣本產生模組250、響應曲面擬合模組260和優化模組270。模型建立模組210係用以建立模具模型和工件模型(步驟100),其中工件模型係安置在模具模型中,工件模型具有至少一個品質項目,每一個品質項目具有一設計目標。前處理模組220係用以定義出一沖壓曲線。模擬模組係用以根據此沖壓曲線並使用模具模型和工件模型,來進行一模擬操作(步驟110)。參數決定模組230係用以使用此模擬操作並搭配一全因子實驗設計法,來決定影響品質項目之模具模型的複數個模具參數,以及模具參數的數值範圍(步驟120)。樣本產生模組250係用以在模具參數的數值範圍中重複進行前述之模擬操作(步驟130),以獲得複數組樣本資料,每一組樣本資料包含模具參數的數值及其對應之品質項目的數值。響應曲面擬合模組260係用以對這些組樣本資料進行一擬合響應曲面操作(步驟140),以獲得一響應曲面。優化模組270係用以針對前述之設計目標對此響應曲面進行一優化操作(步驟150),以獲得模具參數的一組最佳數值。
以下說明本發明另一些實施例之沖壓成形曲線優化的方法與系統。請參照圖6A至圖6F、圖7A至圖7H,圖6A為繪示根據本發明又一些實施例之優化金屬沖壓製程參數的方法的流程示意圖;圖6B至圖6E為繪示根據本發明又一些實施例用以例示說明沖壓成形曲線的示意圖;圖6F為繪示根據本發明又一些實施例用以例示說明成形工件回彈量的示意圖;圖7A至圖7H為繪示根據本發明又一些實施例用以例示說明定義沖壓成形曲線的示意圖。
在此優化金屬沖壓製程參數的方法中,首先,進行步驟300,以建立如圖2A 模具模型20和工件模型10,其中工件模型20係安置在模具模型10中。在此例子中,模具模型20和工件模型10係用以進行高強度鋼板的性能測試。工件模型20具有至少一個品質項目,例如:成形工件回彈量(即如圖6F所示之高強度鋼板的回彈角RA)或厚度變薄率。每一個品質項目具有一設計目標,例如:成形工件回彈量(回彈角RA)的最小值或厚度變薄率的最小範圍。然後,進行步驟310,以定義出複數條沖壓曲線。這些沖壓曲線含有如圖6D所示之下料曲線、圖6B所示之持壓曲線、圖6C所示之多次回壓曲線和/或圖6E所示之震盪曲線。本發明些實施例並以自動化方式來調整各種沖壓曲線的沖頭位置與斜率(速度)。例如:調整圖7A所示之持壓曲線上的點Q1、Q2、Q3、Q4的位置而定義出圖7B至7D所示之持壓曲線;調整圖7A所示之持壓曲線上的點P1、P2、P3的位置而定義出圖7F至7G所示之持壓曲線。此外,圖7H為一種下料曲線。
接著,進行步驟320,以根據步驟310所定義之每一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作,以獲得複數組樣本資料,其中每一組樣本資料包含前述之沖壓曲線及其對應之品質項目的數值。然後,進行步驟330,以對這些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面。接著,進行步驟340,以針對前述之設計目標,使用一優化演算法來對此響應曲面進行一優化操作,以獲得一最佳沖壓曲線。步驟330和步驟340的演算法與步驟140和步驟150相同,故不再此贅述。
本發明實施例另提供一種優化金屬沖壓製程參數的系統,以實施上述之步驟。請參照圖8,圖8為繪示根據本發明另一些實施例之優化金屬沖壓製程參數的系統的方塊示意圖。此系統係運作於一電腦主機 400,此電腦主機400包含有處理器和記憶體,並安裝有例如LS- DYNA軟體。此系統包含:模型建立模組410、前處理模組420、模擬模組430、樣本產生模組440、響應曲面擬合模組450和優化模組460。模型建立模組410係用以建立模具模型和工件模型(步驟300),其中工件模型係安置在模具模型中,工件模型具有至少一個品質項目,每一個品質項目具有一設計目標。前處理模組410係用以定義出複數條沖壓曲線(步驟310)。模擬模組420係用以根據此些沖壓曲線之一者並使用模具模型和工件模型,來進行一模擬操作。樣本產生模組430係用以根據每一條沖壓曲線並使用模具模型和工件模型,來重複進行前述之模擬操作,以獲得複數組樣本資料(步驟320),其中每一組樣本資料包含沖壓曲線及其對應之品質項目的數值。響應曲面擬合模組450係用以對這些組樣本資料進行一擬合響應曲面操作(步驟330),以獲得一響應曲面。優化模組460係用以針對前述之設計目標,使用一優化演算法來對此響應曲面進行一優化操作(步驟340),以獲得一最佳沖壓曲線。
綜上所述,本發明實施例可獲得其最佳模具參數組合和沖壓成形曲線,而可減少人為經驗判斷盲點,降低試模次數與成本。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
10:工件模型
12:導引沖頭
14:板料工件
20:模具模型
22:上模
24:下模
30:組合模型
40:曲線
42:曲線
100:建立模具模型和工件模型
110:根據一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作
120:使用該模擬操作並搭配全因子實驗設計法,來決定模具參數及其數值範圍
130:在模具參數的數值範圍中重複進行模擬操作,以獲得複數組樣本資料
140:進行擬合響應曲面操作
150:進行優化操作
200:電腦主機
210:模型建立模組
220:前處理模組
230:模擬模組
240:參數決定模組
250:樣本產生模組
260:響應曲面擬合模組
270:優化模組
300:建立模具模型和工件模型
310:定義出複數條沖壓曲線
320:根據每一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作,而獲得複數組樣本資料
330:進行一擬合響應曲面操作
340:進行一優化操作
400:電腦主機
410:模型建立模組
420:前處理模組
430:模擬模組
440:樣本產生模組
450:響應曲面擬合模組
460:優化模組
A1:模型縮放量
A2:模型縮放量
α1:上模角度
α2:下模角度
D1:上模引伸深度
L1:長度
L2:長度
P1:點
P2:點
P3:點
Q1:點
Q2:點
Q3:點
Q4:點
R1:截面處
R2:截面處
RA:回彈角
W1:寬度
W2:寬度
為了更完整了解實施例及其優點,現參照結合所附圖式所做之下列描述,其中
[圖1]為繪示根據本發明一些實施例之優化金屬沖壓製程參數的方法的流程示意圖;
[圖2A]和[圖2B]為繪示根據本發明一些實施例用以例示說明模具模型和工件模型的示意圖;
[圖2C]為繪示根據本發明一些實施例用以例示說明模具參數的示意圖;
[圖3A]為繪示根據本發明一些實施例用以例示說明沖壓成形曲線的示意圖;
[圖3B]和[圖3C]為繪示根據本發明一些實施例用以例示說明上模角度和下模角度的示意圖;
[圖4]為繪示根據本發明一些實施例之成形工件厚度的優化結果;
[圖5]為繪示根據本發明又一些實施例之優化金屬沖壓製程參數的系統的方塊示意圖;
[圖6A] 為繪示根據本發明又一些實施例之優化金屬沖壓製程參數的方法的流程示意圖;
[圖6B]至[圖6E]為繪示根據本發明又一些實施例用以例示說明沖壓成形曲線的示意圖;
[圖6F]為繪示根據本發明又一些實施例用以例示說明成形工件回彈量的示意圖;
[圖7A]至[圖7H]為繪示根據本發明又一些實施例用以例示說明定義沖壓成形曲線的示意圖;以及
[圖8]為繪示根據本發明又一些實施例之優化金屬沖壓製程參數的系統的流程示意圖。
100:建立模具模型和工件模型
110:根據一條沖壓曲線並使用模具模型和工件模型,來進行模擬操作
120:使用該模擬操作並搭配全因子實驗設計法,來決定模具參數及其數值範圍
130:在模具參數的數值範圍中重複進行模擬操作,以獲得複數組樣本資料
140:進行擬合響應曲面操作
150:進行優化操作
Claims (10)
- 一種優化金屬沖壓製程參數的方法,包含: 建立一模具模型和一工件模型,其中該工件模型係安置在該模具模型中,該工件模型具有至少一品質項目,每一該至少一品質項目具有一設計目標; 根據一沖壓曲線並使用該模具模型和該工件模型,來進行一模擬操作; 使用該模擬操作並搭配一全因子實驗設計法,來決定影響該至少一品質項目之該模具模型的複數個模具參數,以及該些模具參數的數值範圍; 在該些模具參數的數值範圍中重複進行該模擬操作,以獲得複數組樣本資料,其中每一該些組樣本資料包含該些模具參數的數值及其對應之該至少一品質項目的數值; 對該些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面;以及 針對該設計目標,使用一優化演算法來對該響應曲面進行一優化操作,以獲得該些模具參數的一組最佳數值。
- 如請求項1所述之優化金屬沖壓製程參數的方法,其中該些模具參數包含一上模角度、一下模角度和一上模引伸深度,該至少一品質項目包含一成形工件厚度,該設計目標包含該成形工件厚度的一均勻度或一最小厚度的最大化。
- 如請求項1所述之優化金屬沖壓製程參數的方法,其中在該些模具參數的數值範圍中重複進行該模擬操作的步驟係以自動化方式來進行。
- 如請求項1所述之優化金屬沖壓製程參數的方法,其中該擬合響應曲面操作係使用一連續曲面響應法(Sequential Response Surface Method),該優化演算法包含基因演算法、退火法、混合演算法或蛙跳法。
- 一種優化金屬沖壓製程參數的方法,包含: 建立一模具模型和一工件模型,其中該工件模型係安置在該模具模型中,該工件模型具有至少一品質項目,每一該至少一品質項目具有一設計目標; 定義出複數條沖壓曲線; 根據每一該些沖壓曲線並使用該模具模型和該工件模型,來進行一模擬操作,以獲得複數組樣本資料,其中每一該些組樣本資料包含該些沖壓曲線及其對應之該至少一品質項目的數值; 對該些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面;以及 針對該設計目標,使用一優化演算法來對該響應曲面進行一優化操作,以獲得一最佳沖壓曲線。
- 如請求項5所述之優化金屬沖壓製程參數的方法,其中該些沖壓曲線包含:一下料曲線、一持壓曲線、一多次回壓曲線和/或一震盪曲線,該至少一品質項目包含一成形工件回彈量或一厚度變薄率,該設計目標包含該成形工件回彈量的一最小值或該厚度變薄率的最小範圍。
- 如請求項5所述之優化金屬沖壓製程參數的方法,其中定義出該些沖壓曲線的步驟、及根據每一該些沖壓曲線使用該模具模型和該工件模型來進行該模擬操作的步驟係以自動化方式來進行。
- 如請求項5所述之優化金屬沖壓製程參數的方法,其中該擬合響應曲面操作係使用一連續曲面響應法(Sequential Response Surface Method),該優化演算法包含基因演算法、退火法、混合演算法或蛙跳法。
- 一種優化金屬沖壓製程參數的系統,係運作於一電腦主機,包含: 一模型建立模組,用以建立一模具模型和一工件模型,其中該工件模型係安置在該模具模型中,該工件模型具有至少一品質項目,每一該至少一品質項目具有一設計目標; 一前處理模組,用以定義出一沖壓曲線; 一模擬模組,用以根據該沖壓曲線並使用該模具模型和該工件模型,來進行一模擬操作; 一參數決定模組,用以使用該模擬操作並搭配一全因子實驗設計法,來決定影響該至少一品質項目之該模具模型的複數個模具參數,以及該些模具參數的數值範圍; 一樣本產生模組,用以在該些模具參數的數值範圍中重複進行該模擬操作,以獲得複數組樣本資料,其中每一該些組樣本資料包含該些模具參數的數值及其對應之該至少一品質項目的數值; 一響應曲面擬合模組,用以對該些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面;以及 一優化模組,用以針對該設計目標對該響應曲面進行一優化操作,以獲得該些模具參數的一組最佳數值。
- 一種優化金屬沖壓製程參數的系統,係運作於一電腦主機,包含: 一模型建立模組,用以建立一模具模型和一工件模型,其中該工件模型係安置在該模具模型中,該工件模型具有至少一品質項目,每一該至少一品質項目具有一設計目標; 一前處理模組,用以定義出複數條沖壓曲線; 一模擬模組,用以根據該些沖壓曲線之一者並使用該模具模型和該工件模型,來進行一模擬操作; 一樣本產生模組,用以根據每一該些沖壓曲線並使用該模具模型和該工件模型,來重複進行該模擬操作,以獲得複數組樣本資料,其中每一該些組樣本資料包含該些沖壓曲線及其對應之該至少一品質項目的數值; 一響應曲面擬合模組,用以對該些組樣本資料進行一擬合響應曲面操作,以獲得一響應曲面;以及 一優化模組,用以針對該設計目標,使用一優化演算法來對該響應曲面進行一優化操作,以獲得一最佳沖壓曲線。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109127965A TWI732655B (zh) | 2020-08-17 | 2020-08-17 | 優化金屬沖壓製程參數的方法與系統 |
US17/037,595 US20220050940A1 (en) | 2020-08-17 | 2020-09-29 | Method and system for optimizing metal stamping process parameters |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109127965A TWI732655B (zh) | 2020-08-17 | 2020-08-17 | 優化金屬沖壓製程參數的方法與系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI732655B TWI732655B (zh) | 2021-07-01 |
TW202208081A true TW202208081A (zh) | 2022-03-01 |
Family
ID=77911327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109127965A TWI732655B (zh) | 2020-08-17 | 2020-08-17 | 優化金屬沖壓製程參數的方法與系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220050940A1 (zh) |
TW (1) | TWI732655B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114798495B (zh) * | 2022-07-01 | 2022-11-11 | 深圳市信润富联数字科技有限公司 | 基于质量检测的钣金冲压件分拣方法、装置、设备及介质 |
CN115544815B (zh) * | 2022-11-30 | 2023-03-21 | 苏州浪潮智能科技有限公司 | 一种风扇模型的生成方法和装置 |
CN116227181B (zh) * | 2023-02-17 | 2024-06-18 | 郑州轻工业大学 | 铰链梁锻造模具飞边槽参数及锻造工艺参数的优化方法 |
CN117556677B (zh) * | 2024-01-11 | 2024-03-26 | 中南大学 | 基于多目标优化算法的型材模具优化方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7415400B2 (en) * | 2002-10-15 | 2008-08-19 | Livermore Software Technology Corporation | System, method, and device for designing a die to stamp metal parts to an exact final dimension |
JP2006075884A (ja) * | 2004-09-10 | 2006-03-23 | Nippon Steel Corp | プレス成形加工システム、プレス成形加工方法、及びコンピュータプログラム |
JP2009211255A (ja) * | 2008-03-03 | 2009-09-17 | Honda Motor Co Ltd | 金型加工データ変更方法 |
JP2011145876A (ja) * | 2010-01-14 | 2011-07-28 | Honda Motor Co Ltd | 金型作製方法及び金型加工データの作成方法 |
CN102847767B (zh) * | 2012-09-17 | 2014-12-24 | 广西工学院 | 大型覆盖件的冲压加工质量控制方法 |
CN103302172B (zh) * | 2013-06-21 | 2015-03-18 | 济南铸造锻压机械研究所有限公司 | 平板冲孔生产线智能适配模具的加工方法及系统 |
JP5910710B1 (ja) * | 2014-12-02 | 2016-04-27 | Jfeスチール株式会社 | 熱間プレス成形品の評価方法及び製造方法 |
TWM604243U (zh) * | 2020-08-17 | 2020-11-21 | 財團法人金屬工業研究發展中心 | 優化金屬沖壓製程參數的系統 |
-
2020
- 2020-08-17 TW TW109127965A patent/TWI732655B/zh active
- 2020-09-29 US US17/037,595 patent/US20220050940A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
TWI732655B (zh) | 2021-07-01 |
US20220050940A1 (en) | 2022-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202208081A (zh) | 優化金屬沖壓製程參數的方法與系統 | |
Narasimhan et al. | Predicting springback in sheet metal forming: an explicit to implicit sequential solution procedure | |
Fu et al. | Using genetic algorithm-back propagation neural network prediction and finite-element model simulation to optimize the process of multiple-step incremental air-bending forming of sheet metal | |
Jakumeit et al. | Parameter optimization of the sheet metal forming process using an iterative parallel Kriging algorithm | |
Hambli | Prediction of burr height formation in blanking processes using neural network | |
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 | |
CN112906136B (zh) | 船体外板的激光热成形变形预测方法和系统 | |
Hambli et al. | Application of a neural network for optimum clearance prediction in sheet metal blanking processes | |
Zhao et al. | Preform die shape design for uniformity of deformation in forging based on preform sensitivity analysis | |
CN108108582A (zh) | 一种曲面件柔性轧制成形过程的数值模拟方法 | |
Chen et al. | Application of integrated formability analysis in designing die-face of automobile panel drawing dies | |
TWM604243U (zh) | 優化金屬沖壓製程參數的系統 | |
CN112942837B (zh) | 一种悬挑结构混凝土3d打印方法及系统 | |
CN107025354A (zh) | 一种基于极差分析的车窗升降板成形工艺优化方法 | |
CN107092745A (zh) | 一种基于方差分析的车窗升降板成形工艺优化方法 | |
CN109885877B (zh) | 一种基于聚类算法的约束域优化拉丁超立方设计方法 | |
Zhao et al. | Preform design of a generic turbine disk forging process | |
Li et al. | A geometric feature-based design system of full parametric association modeling of standard cam for automotive stamping dies | |
CN109214100A (zh) | 板料快速成形预测方法 | |
CN112434459B (zh) | 基于不均匀温度与应力分布的镶拼式锻模强度分析方法 | |
CN112257301B (zh) | 采用真实模具数模仿真分析提高板材冲压合格率的方法 | |
CN114925578A (zh) | 基于粒子群算法和abaqus的圆钢管混凝土短柱自动优化方法 | |
CN113297764A (zh) | 有限元参数化模型建模方法、系统及存储介质 | |
Pilthammar et al. | Framework for simulation-driven design of stamping dies considering elastic die and press deformations | |
CN109033512A (zh) | 一种精冲模具最优刃口形状的判定方法 |