《模具设计相关专业毕业论文（外文原文+翻译）之翻译.doc》由会员分享，可在线阅读，更多相关《模具设计相关专业毕业论文（外文原文+翻译）之翻译.doc（27页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、可行成形图在汽车覆盖件冲压工艺高效设计的应用Dae-Cheol Koa，Seung-Hoon Cha b，Sang-Kon Lee c，Chan-Joo Lee b，Byung-Min Kim d,*a ILIC, Pusan National University, 30 Jangjeon-Dong, Kumjeong-Gu, Busan 609-735, South Koreab Precision Manufacturing Systems Division, Pusan National University, 30 Jangjeon-Dong, Kumjeong-Gu, Busan
2、609-735, South Koreac PNU-IFAM, Joint Research Center, Pusan National University, 30 Jangjeon-Dong, Kumjeong-Gu, Busan 609-735, South Koread School of Mechanical Engineering, Pusan National University, 30 Jangjeon-Dong, Kumjeong-Gu, Busan 609-735, South Korea摘要：本文提出使用可行的成形图来表示无断裂和起皱的平安区域，进而有效和快速地设计冲
3、压工艺方法。要确定可行的成形图，有限元分析对应于正交实验设计的过程变量组合。随后，基于成形极限图的有限元分析，确定断裂和起皱的特征值。所有组合的特征值在整个过程中，通过人工神经网络训练进行了一系列预测。可行的成形图从所有组合的过程变量中最终确定。以汽车覆盖件如转动架和车轮毂的冲压工艺作为实例来验证利用成形图的进行过程设计有效性。有限元模拟结果与实验模拟结果比拟说明，利用可行的成形图来进行冲压工艺的设计是有效的并适用于实际的过程。关键词：冲压工艺，可行成形图，有限元模拟，实验设计，人工神经网络，汽车面板1 前言金属成形技术中，金属板料的冲压工艺是制造金属板料产品的重要工艺之一。冲压技术已被广泛应
4、用于汽车行业。冲压产品的成形普遍受到各种工艺变量如模具形状、材料性能、初始毛坯形状、压边力、拉深筋的布局、润滑的影响。冲压工艺设计对于成形出没有缺陷，如破裂和起皱的产品十分重要。冲压工艺设计主要是要进行反复试验，这需要花费大量时间和本钱；而且和有限元分析优化设计过程结合。因此，它在实际工业应用带来了一些麻烦1-7。由于冲压工艺的成形性和产品质量依赖于初始毛坯形状，因而许多研究人员对毛坯优化设计进行了研究。 Lee 和Huh 8提出利用有限元反向模拟逼近预测毛坯形状。Guo 等1基于板料厚度变化进行了坏料优化设计。Son 和 Shim 9提出了利用初始节点速度确定最正确毛坯形状的方法。Yeh等
5、10提出了正反向预测法确定最正确的毛坯形状。虽然上述方法不错，但应用于不同工艺参数的实际工业问题中的坯料优化设计仍然存在缺乏。近年来，许多研究都集中在通过限元分析和优化技术相结合来优化冲压工艺。Katayama等11 在二次深拉伸成形过程中通过优化模具形状，使拉裂和起皱缺陷得到改善。 Jansson等12利用反响曲面分类研究法和空间映射技术调整拉深筋的约束力优化汽车零件拉深过程。Kayabasi和Ekici 6提出改善汽车侧面板的成形性的优化方法，并用此方法优化工艺参数。Wei 等7提出了工艺参数的优化方法并预测了冲压甲板盖外板性能的偏差。Liu 和Yang 13提出了帕累托多目标遗传算法，并
6、用于压边力和拉深筋约束力工艺变量的优化。 Naceur等14设计了引擎罩外壳的最正确毛坯形状以防止断裂和起皱。综上所述，设计方法结合了有限元分析和优化方法，如实验设计，反响曲面分类研究法，遗传算法和人工神经网络ANN，已成为冲压过程设计强有力的工具。但是，上述优化设计过程中，如果改变一个工艺参数，那么需要重复进行在不同参数组合下的有限元模拟。在工业领域的工程师确定最正确工艺变量存在一定的困难和复杂性。因此，同时考虑主要工艺变量，如初始毛坯形状，压边力，拉深筋阻力下进行优化过程设计值得研究。冲压工艺由于缺乏研究涉及此类问题。本研究旨在提出利用可行的成形图进行过程设计以便有效快速设计冲压工艺。本文
7、中提出的可行的成形图为无断裂和起皱的实际冲压过程给出了工艺参数的范围。当改变工艺参数时，那么无须重复工艺优化设计。本研究中需考虑的过程变量是毛坯尺寸，压边力BHF和拉深筋高度及圆角半径。采用有限元分析和过程变量相对应的正交设计实验相结合的方法确定可行成形图。基于成形极限图FLD有限元分析，确定断裂和起皱的特征值。利用人工神经网络ANN15，在一系列的过程变量中预测特征变量。最终确定适用于过程变量的所有组合的，并可给出无缺陷平安区域的可行成形图。以悬架和车轮毂汽车覆盖件冲压为例来验证成形图的过程设计有效性。并比拟有限元模拟与实验模拟结果。2 可行成形图的过程设计2.1 过程变量在冲压工艺设计中，
8、一些工艺参数是无法由设计者控制的，如材料性能和润滑条件；其他参数如毛坯尺寸、压边力以及拉深筋的布局是可以控制的7。如果可控参数选择不当，在冲压过程中可能产生有缺陷的产品，如断裂和起皱缺陷。因此，这些可控参数是本文研究的过程变量。第一个过程变量，即初始毛坯形状，在冲压过程中，对材料流充模具型腔有影响。传统上的最优毛坯形状是生产理想的最初形状，即修整过程是完全消除或修剪最小。然而，为了保证几何形状和高质量的产品，确定最正确毛坯形状应使得压边力小和拉延筋浅，尤其是复杂的汽车冲压面板。最正确毛坯形状可能会在所需压边力超过实际工业的压力或者增加拉深筋的情况下发生改变。因此，在毛坯形状优化设计中，考虑过程
9、变量的影响是非常复杂和困难，如压边力和拉深筋，因为毛坯的最正确形状是依赖于过程变量。本文中初始毛坯形状是按以下程序进行的。目标轮廓被定义为与最终产品的轮廓形状统一修剪宽度。一款商业有限元软件LSDYNA，用有限元模拟确定任意长方形的坯料。长方形坯料轮廓变形后，与目标轮廓相比，最初毛坯结点在目前的第一步是重新定位的，由反向逼近在测量LS - DYNA后处理DYNAFORM，以使变形轮廓与目标轮廓配合。毛坯形状改变后，有限元模拟反复进行，如图1a所示。图1 初始毛坯设计直到形状误差在指定偏差，本文中假定为。误差的计算公式如下： 1其中：E是形状误差，AT和AD分别为目标轮廓和变形轮廓。如上所述，最
10、正确毛坯形状依赖于过程变量。要确定可行的毛坯形状，从方程1求得初始毛坯轮廓偏移量是沿轮廓线正常方向相同距离。毛坯偏移距离下和上界是毛坯的形状，成为目标轮廓后，冲压和毛坯形状扩大直至冲压模具面。毛坯的偏移形状如图1b所示。确定如下： 2其中：是坐标在位于结点向量偏移，是协调的节点矢量点的最初毛坯， 是补偿量，N是单位法向量的运动方向。其他过程变量，即压边力和拉深筋，对控制缺陷有重要作用。在实际生产中压边力的设计将在压力能力范围之内。圆形拉深筋为毛坯提供了额外的约束力。拉深筋的形状根据参数的不同而不同，如拉道高度和半径。如图2所示。图2 拉深筋的几何参数2.2 特征值估计断裂或起皱的特征值是给定过
11、程变量的组合，以便确定可行的成形图16。该值是基于成形极限图FLD通过分析变形区域的应变来定义。如图3所示。主平面应变两条成形极限曲线FLCs，例如主应变和次要应变，定义如下：=() (3)=() (4)其中()()分别代表断裂和起皱区域的成形极限曲线FLCs。然后，平安的成形极限曲线FLCs由以下公式定义： ) =()-s (5) =()+s (6)其中S是平安系数，是一个工程师定义的恒量，本文中假定为 7。因此，两个元素的特征值可以定义的距离为主应变大于)少于)的平安FLCs。图3 基于成形极限图的特征值的定义全局特征值定义如下：= 其中 7= 其中 8其中n表示元素的总数，p是一个整型常
12、量，本文中考虑到、的影响，设置为2。、分别表示断裂和起皱的全局特征值和元素特征值。可行的成形图上的无断裂和起皱的平安区域可以各自的全局特征值指定的偏差内确定，本文假定为 。2.3 工艺过程设计基于可行的成形图生产无缺陷的产品的冲压过程设计过程如图4所示。图4 可行的成形图确定过程的示意图该过程包括以下步骤，有限元模拟、实验设计DOE和人工神经网络应用到了可行的成形图描述。对于人工神经网络的训练，在设计参数组合正交表被用作投入和相应的特征皱纹的制作和使用的价值为目标的价值。神经网络结构由输入层、输出层和四个分别20，20，10和5神经元的隐藏层组成。人工神经网络的训练，直到均方根rms误差不超过
13、。i在最终的产品轮廓中，确定一个统一的目标轮廓修剪宽度。ii利用初始毛坯形状进行有限元模拟。iii通过反向逼近法修改初始毛坯形状。iv执行步骤iii屡次，直到方程1的形状误差在指定的误差内。v在给定压力范围内，利用步骤iv获得的毛坯最大偏移距离和最大压边力，来进行有限元仿真。vi利用有限元模拟，在v步工艺条件，估计不管是否出现起皱。vii如果发生起皱，增加拉深筋的形状来控制过程变量。viii过程变量与对应能源部正交表相结合来执行有限元模拟。ix基于成型极限图，用方程78来确定特征值。x通过人工神经网络的训练来预测所有过程变量组合的特征值。xi画出可行成形图。xii基于可行的成形图，确定过程变量
14、的有效组合。3 汽车板的工艺设计在实际冲压过程中，大局部的缺陷通常通过增加或减少薄板压力来控制。毛坯的拉深力，毛坯偏移距离和拉深筋形状张力是主要参数，作为可行成形图的过程变量。基于可行的成形图，选在法兰处有起皱和裂纹的冲压产品作为研究案例。如图5所示，汽车冲压过程面板支持，如转动架和轮毂作为例子来验证通过可行的成形图分析工艺设计的有效性。 图5 支撑悬挂模块的汽车板3.1 转动架转动架的冲压过程为第一个研究案例。转动架的构造及剖面图如图6所示。转动架是一个非对称110毫米的深拉深，这可能导致在冲压过程，产品壁拉裂。因此，我们的目标是确定过程变量的有效组合以消除产品可能出现的断裂。图6 转动架形
15、状和剖面图冲压转动架的有限元模型如图7所示。采用商业有限元软件LS DYNA进行模拟。本文中所使用的材料是2.2mmCQ级别的热轧钢板，APFH440。其性能如表1所示，其中0，45，90标记为轧制方向。图7 转动架冲压的有限元模型表1 APFH440的力学性能要确定APFH440的成形极限图，试样尺寸25x200mm，50x200mm，75x200mm，100x200mm，125x 200mm，150x 200mm，175x200mm和200x200mm用激光切割。并用化学蚀刻圆形网格上。采用50吨拉深钣金测试试验机17直到试样发生断裂。由试样上圆形网格为椭圆。实时测量椭圆的主直径和副直径，
16、然后用阿拉米斯软件18计算主要和次要应变。APFH440成形极限图绘制如8所示。图8 APFH440的成形极限图冲压转动架的工艺设计按图Fig.4的过程。长方形560x500毫米的毛坯用来设计初始毛坯形状。目标轮廓被定义为在最终产品的轮廓的宽带调30毫米。按表1的条件进行有限元模拟。有限元模拟试验，通过小摩擦试验测得摩擦系数为0.13，压边力假定30吨，通过图9比拟变形和目标轮廓。变形轮廓显示一些偏差，如图9a。当形状误差的允许范围内，毛坯形状被作为初始毛坯形状，如图9b所示。图9 冲压转动架的初始毛坯的设计为了预测是否起皱时，有限元模拟首先是执行初始毛坯形状的在最大偏移距离为30mm,最大压
17、边力为50吨的容许范围内的工艺条件下。观察断裂发生，而不存在起皱风险如图10所示。因此，过程变量如压边力和毛坯偏移距离应选择适当，以防止在冲压转动架过程中拉裂。图10 冲压转动架的有限元分析压边力：50吨，毛坯偏移距离：30mm过程变量及它们的水平的考虑列于表2。水平1和4在冲压能力上，以及在实际工业所使用的冲压模具很相近。因为这两个过程变量只考虑转动架的情况，有限元模拟是 16个过程变量的组合，如表3所示。基于有限元模拟和成形极限图，通过等式78来计算拉裂和起皱的特征值。结果提交在表3的第4和第5列。变异分析是执行确定拉裂和起皱的过程变量。表4和表5列出的表示，仅压边力对拉裂特征值的大多数变
18、化有奉献，同时两个工艺参数影响起皱特征的变化。对于一系列的过程变量，人工神经网络应用于找到所有未在表3所列组合的特征值。表3的特征值应用于神经网络作为训练数据。随后，所有组合的特征值被预测。基于神经网络的训练，过程变量的组合，在容许误差范围内的特征值被当作平安区域。否那么，其他区域那么为拉裂或者起皱区域。表2 冲压转动架的过程变量等级表3 冲压转动架的有限元模拟结果图11显示了通过以上程序确定可行的成形图。据图11可知，随着毛坯偏移距离和压边力的增加，拉裂区域增加，而起皱区域减少。原因是随着偏移距离和压边力的增加，摩擦力增大，过大拉伸应力发生在法兰处。图11 冲压转动架的可行成形图3.2 轮毂
19、轮毂冲压过程为第二个研究案例。其结构及剖面图如图12。图13所示为冲压过程分析的有限元模型。本文使用的材料是冷轧钢板，厚度在0.8毫米，CQ级别。材料的性能如表6所示。图12轮毂的形状和剖视图图13 冲压轮毂的有限元模型表6 SPCC的材料性能可以预见160毫米深拉伸深度加之材料厚度小可能导致在最终产品中产生裂缝和起皱。因此，工艺设计重点是过程变量，以确保产品无缺陷，如裂缝和起皱。冷轧成形极限图可以从第3.1 节中提到的类似实验获得。结果绘制如图14所示。图14 冷轧的成形极限图根据图4的程序，一个长方形860610毫米被用来最初毛坯形状的设计。目标轮廓被定义为在最终产品的轮廓微调30毫米宽。
20、有限元模拟在表4所列的条件下执行。有限元模拟中压边力和摩擦系数被假定分别为40吨和0.13。变形和目标轮廓的比拟图如15所示。当形状误差的容许范围内，修改后的毛坯形状确定为初始毛坯形状，如图15b所示。为了预测是否起皱，在初始形状最大偏移距离为30mm和压边力为70吨的工艺条件下进行有限元模拟。图16b所示增加拉深筋后冲压产品形状。图表说明，可以消除起皱的危害，但可能产生拉裂。因此，应合理选择过程变量如压边力，毛坯偏移距离和拉深筋形状，以便生产无拉裂和起皱的合格产品。 压边力，毛坯偏移距离，拉深筋形状被称为轮毂冲压的过程变量。如图2所示,本文中采用圆形拉深筋，并研究高度h和肩半径R的各种形式的
21、拉深筋。过程变量和水平的考虑如表7。过程变量分配在L27313正交表OA，如表八列出。正交表的每个组合进行有限元模拟。断裂和起皱的特征值在有限元和成形极限图的根底上计算而得。结果为表8中的第6和第7列。变动分析执行确定断裂的过程变量与轮毂的断裂和起皱。由于压边力与拉深筋的变形有关，须考虑拉深筋高度H和半径R之间的压边力的相互作用。表九和十，断裂和起皱是集中在误差列，其交相互作用影响相对较小。此外列影响表示三个过程变量确实有助于轮毂起皱特征变化。应用人工神经网络的训练是为了找到特征所有组合值之内的一系列过程变量。基于神经网络训练，可以确定可行的成形图，如图17所示。由于四个过程变量来描述可行的成
22、形图，因此该图为一个三维图，其中一个过程变量，如拉深筋肩半径 ，在成形图的高度恒定时是不变的，如图17a 图17b-d所示。图17说明随着毛坯区域偏移距离的减小，压边力和拉深筋高度的增加，拉深筋半径的减少；断裂区域的增加，起皱区域减少。原因是在毛坯的法兰处产生过度拉伸应力。从图11到17说明在可行成形图的平安区域选择过程变量是高效并适用的。实际冲压的过程，应考虑操作条件如压力、模具磨损、微调宽度范围。图15 冲压轮毂的初始毛坯设计图16 冲压轮毂的有限元分析压边力：70吨，毛坯偏移距离：30mm图17 冲压轮毂的可行成形图拉道的圆角半径：4mm4 实验验证为了证明通过可行的成形图进行的过程设计
23、是有效的，实际的产品如转动架和轮毂，断裂和起皱区域以及平安区域的工艺条件均做了标号。冲压实验的工艺条件标记为图11的a-c和图17c，转动架和轮毂的压力机分别为300吨和1200吨。图18和19说明实验下冲压转动架和轮毂初始毛坯，上模和下模。初始毛坯用直径为0.5毫米圆形网格，通过阿格斯软件18测量应力。冲压后，如图18a 和19a所示。图18 实验用转动架的初始毛坯和冲压模具图19 实验用轮毂的初始毛坯和冲压模具转动架和轮毂的冲压实验结果如图20a和21所示。数据显示，可行的成形图能很好地预测最终产品的起皱和断裂。在平安区域有限元模拟结果与实验结果的定量比拟如图22和23所示。结果说明有限元
24、模拟与实验是一致的。因此，通过可行的成形图来进行冲压工艺的设计是高效而且是合理的。图20 冲压转动架的实验结果图21 冲压轮毂的实验结果图22 实验条件和有限元分析的转动架平安区域的比拟图23 实验条件和有限元分析的轮毂平安区域的比拟5 讨论 冲压实验结果说明，可行的成形图给出无断裂及起皱缺陷的平安区域。并用于尤其是拉深成形的冲压工艺设计，通过毛坯尺寸、压边力、拉深筋形状可控制作用于毛坯上的压力。较高的压边力、毛坯偏移距离和拉深筋高度，作用于毛坯上的压力大，减小在产品法兰处起皱可能性。即为采取较大毛坯上的压力的原因。在实际过程中，误差可能发生在可行的成形图上平安区域与断裂或起皱区域的边界。考虑
25、到该误差的可能性，断裂特征需加一个平安系数。由于减少了可行成形图的平安区域。应选择适当的平安系数。 冲压过程受限于局部颈缩和撕裂。也有可能不是在一个地区或颈缩口前的断裂韧性表来建立。但是金属板与CQ钢 19不一样。在这项研究中，可行成形图的断裂特征没有考虑此类断裂，冲压工艺设计，使用高n值和低应变高强度钢时需增加断裂特征值，可以评估颈缩前的断裂。这也是该设计方法未来的努力方向。6 结论本文提出了利用可行成形图进行冲压工艺设计方法。基于有限元模拟结果和实验结果，可以得出以下结论：1有限元模拟和实验方法以及人工神经网络用于描述可行的成形图。可行的成形图由与冲压过程相关的主要过程变量决定，如初始毛坯
26、形状、压边力、拉深筋形状。 2由于可行的成形图显示了所有过程变量的组合的断裂或起皱区域和平安区域，用于确定过程变量的平安区域以便生产出合格的产品。3由于毛坯偏移距离、压边力、以及拉深筋高度增加及拉深筋半径减少，那么在毛坯法兰处的过度拉应力。在可行的成形图上，那么断裂区域增加和起皱区域减少。4提出的方法成功地应用于工业个案研究，如转动架和轮毂的流程设计。有限元模拟和实验的结果比拟说明，通过可行的成形图进行冲压工艺设计，在实际冲压工艺设计是高效和合理的，同时还需要考虑工作条件如压力、模具磨损和允许微调宽度。鸣 谢这项研究在财政上得到知识经济MKE和韩国工业技术基金会KOTEF通过人力资源培训工程战
27、略技术的支持，同时和韩国国际科技基金会KICOS合作，通过一授予提供教育科学技术部MEST2021年No.K2060111114 - 08E0100 - 00410。参考文献1 Guo YQ, Batoz JL, Naceur H, Bouabdallah S, Mercier F, Barlet O. Recent developments on the analysis and optimum design of sheet metal forming parts using a simplified inverse approach put Struct 2000;78:13348.2
28、Gasper G, Tomaz P, Kuzman K. Optimization of sheet metal forming processes by the use of numerical simulations. J Mater Process Tech 2002;130/131:549.3 Liu Y, Peng X, Qin Y. FE-simulation of concurrent design and manufacture of automotive sheet metal parts. J Mater Process Tech 2004;150:14550.4 Fira
29、t M. Computer aided analysis and design of sheet metal forming processes:part I the finite element modeling concepts. Met Des 2007;28:1298303.5 Song J, Huh H, Kim S. A simulation based design parameter study in stamping process of an automotive member. J Mater Process Tech 2007;189:4508.6 Kayabasi O
30、, Ekici B. Automated design methodology for automobile side panel die using an effective optimization approach. Met Des 2007;28:266572.7 Wei D, Cui Z, Chen J. Optimization and tolerance prediction of sheet metal forming process using response surface model. Comput Mater Sci 2021;42:22833.8 Lee CH, H
31、uh H. Blank design and strain prediction of automobile stamping parts by an inverse finite element approach. J Mater Process Tech 1997;63:64550.9 Son K, Shim H. Optimal blank shape design using the initial velocity of boundaries. J Mater Process Tech 2003;134:928.10 Yeh FH, Wu MT, Li CL. Accurate op
32、timization of blank design in stretch flange based in a forward-inverse prediction scheme. Int J Mach Tool Manu 2007;47:185463.11 Katayama T, Nakamachi E, Nakamura Y, Ohata T, Morishita Y, Murase H.Development of process design system for press forming: multi-objective optimization of intermediate d
33、ie shape in transfer forming. J Mater Process Tech 2004;155156:156470.12 Jansson T, Andersson A, Nilsson L. Optimization of draw-in for an automotive sheet metal part: an evaluation using surrogate models and response surfaces.J Mater Process Tech 2005;159:42634.13 Liu W, Yang Y. Multi-objective opt
34、imization of sheet metal forming process using Pareto-based genetic algorithm. J Mater Process Tech 2021;208:499506.14 Naceur H, Ben-Elechi S, Batoz JL, Knopf-Lenoir C. Response surface methodology for the rapid design of aluminum sheet metal forming parameters. J Mater Des 2021;29:78190.15 Ko DC, K
35、im DH, Kim BM. Application of artificial neural network and Taguchi method to perform design in metal forming considering workability. Int J Mach Tool Manu 1999;39:77185.16 Naceur H, Delameziere A, Batoz JL, Guo YQ, Knopf-Lenoir C. Some improvements on the optimum process design in deep drawing using the inverse approach. J Mater Process Tech 2004;146:20562.17 Tokyo Testing Machine Co., Ltd. .18 ARAMIS & ARGUS commercial software, GOM. .19 Marciniak Z, Duncan JKL, Hu SJ. Mechanics of sheet metal forming. 2nd ed. ButterworthHeinemann; 2002.