薄板的折弯回弹及拉深成形预测模型的研究

摘要

折弯和拉深是钣金成形领域中应用较为广泛的加工方法，非常适合进行大批量零件的生产。为了避免在进行大批量零件生产时出现大范围的零件加工缺陷，需要对折弯和拉深成形工艺进行深入的研究。本文以折弯和拉深成形为研究对象，对折弯板材参数的反求、折弯回弹的预测、杯形件二次拉深的应力分析及杯形件成形质量的预测等进行了研究，并开发了适用于数控设备集成应用的钣金成形预测系统。本文为数控折弯和成形设备提供了必要的算法和技术上的支持，对于相关产品的开发具有重要意义。
　　联合径向基函数法和粒子群优化算法，开发了一种动态近似优化模型。其相对于静态近似优化方法具有计算量小和计算精度高的优点。将其作为优化算法，以折弯回弹的实验数据为基准，联合折弯回弹的有限元模拟结果，以实验和模拟结果之间偏差最小为优化目标，对B340LA钢板的塑性参数进行了反求，反求的参数通过与真实的材料参数进行对比，显示出较高的反求精度。本文通过折弯实验数据对材料参数进行反求的方法，为获取材料的塑性参数提供了一种高效而简单的实现方式。
　　对折弯回弹补偿算法进行了研究，目的是为了获取类似于DELEM系统的折弯角预测模型。通过一系列的公式推导和整理，获得了较为实用的回弹折弯角计算模型，由于在推导的过程中假设较多，而且引入了经验公式项，使得计算模型与DELEM系统之间偏差较大。因此，以DELEM系统的测试数据为基准，对计算模型经验公式中的相关参数进行了反求，根据反求参数的曲线表现形式，给出了与其相对应的参数计算公式，并将其带入原计算公式进行替换，如此即对原计算模型进行了改进。改进后的计算模型基本达到了DELEM系统的精度水平。
　　考虑到误差反馈神经网络(BPNN)具有较强的数据拟合能力，联合平滑的样条曲线函数(Spline)，开发了折弯回弹BPNN-Spline预测模型。以精确的有限元模拟结果为基准，应用正交试验方法，建立了BPNN的训练样本集，最终获得了精确的BPNN-Spline预测模型。其相对于传统的BPNN模型具有两大优势:较易获得精确的BPNN训练结果和折弯角与上模下行位移之间单调递减的关系比较容易保证。通过对长度比例缩放系数的影响分析，得到了折弯角与长度比例缩放系数无关的结论，由此将BPNN-Spline模型的应用范围进行了扩展，BPNN-Spline模型具有了较强的通用性。BPNN-Spline模型对于各种工况下的折弯都表现出较高的预测精度。
　　考虑到二次拉深成形理论方面成果严重匮乏的研究现状，本文对杯形件二次拉深时的应力变化情况进行了分析和讨论，获得了面内径向应力随凸模拉深行程变化的分析计算模型。以此为基础，获得了凸模拉力的计算公式。分别通过有限元模拟和实验的方法，对其计算精度进行了检验，分析模型显示出较高的计算精度，仅在某些特殊的位置出现了偏差较大的情况。这是由于分析模型考虑的较为理想化，与二次拉深成形不完全一致所致。通过成形参数的影响分析可以发现，减小板料的初始半径，增大杯形件直壁半径、压边圈圆角半径和凹模圆角半径都能够减小最大凸模作用力。
　　为了在不同的材料和尺寸条件下，快速准确的预测杯形件的成形质量，联合BPNN和Spline开发了用于杯形件成形质量预测的BPNN-Spline模型。其具有较强的通用性、较高的预测精度和较快的计算速度，非常适合作为一种控制算法应用于数控设备当中。通过与各种拉深工况下的有限元模拟和实验测试实例的对比，预测模型都显示出较高的预测精度。以杯形件成形质量BPNN-Spline预测模型作为求解器植入遗传算法，开发了用于杯形件成形参数优化求解的优化模型，并通过优化实例对其进行了测试，优化模型显示出较高的优化效率和优化精度。
　　为了方便用户应用本文的折弯和拉深成形预测模型，开发了钣金成形的预测系统。当前版本的系统能够实现对折弯角的预测、杯形件成形质量的预测和杯形件成形参数的优化等功能。系统通过调用MATLAB函数程序实现预测计算功能，应用界面和计算内核相互分离，有利于系统后期的维护。钣金成形预测系统对于提升相关企业的生产效率和技术水平都有积极意义。

目录

声明

摘要

主要缩略词及符号

第一章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 课题的来源及研究意义

1．2 研究现状

1．2．1 板料折弯的研究现状

1．2．2 拉深成形的研究现状

1．3 研究存在的问题

1．4 本文的主要研究内容

第二章 折弯板材料参数的反求

2．1 参数反求的方法

2．1．1 径向基函数简介

2．1．2 粒子群算法简介

2．1．3 动态近似模型优化方法

2．1．4 动态近似优化模型的实例测试

2．2 折弯实验

2．2．1 折弯回弹过程简介

2．2．2 实验简介

2．2．3 实验结果的统计

2．3 折弯板料的参数反求

2．3．1 材料参数反求的原理

2．3．2 有限元模拟

2．3．3 目标函数

2．3．4 材料反求参数的筛选

2．3．5 反求过程及结果

2．3．6 反求结果的实验检验

2．4 本章小结

第三章 折弯回弹补偿的分析计算模型

3．1 折弯回弹补偿算法的推导及精度检验

3．1．1 理论模型的推导及整理

3．1．2 理论模型计算精度的检验

3．2 基于DELEM系统的折弯回弹补偿算法的改进

3．2．1 影响理论模型计算精度的因素

3．2．2 模型的改进方案和原理

3．2．3 折弯内半径与板厚的关系

3．2．4 折弯半径系数的表达式

3．3 折弯回弹补偿的修正算法

3．4 改进后的折弯回弹补偿算法与DELEM系统的对比

3．5 本章小结

第四章 折弯回弹的BPNN-Spline预测模型

4．1 折弯回弹的样本集

4．1．1 BPNN和Spline简介

4．1．2 BPNN中折弯材料的表示方法

4．1．3 模型的输入参数及水平

4．1．4 BPNN的样本集

4．2 参数的影响分析

4．2．1 折弯参数的影响

4．2．2 长度比例缩放系数的影响

4．3 BPNN-Spline联合模型的建立

4．3．1 BPNN训练精度的评价标准

4．3．2 BPNN-Spline模型的结构

4．3．3 BPNN的函数形式

4．3．4 BPNN-Spline联合模型

4．4 BPNN-Spline与传统BPNN的对比和讨论

4．4．1 BPNN-Spline与传统BPNN的对比

4．4．2 BPNN-Spline的优势

4．5 BPNN-Spline模型预测精度的检验

4．5．2 各种折弯工况参数下BPNN-Spline的预测精度

4 ．5．3 BPNN-Spline与实际折弯实验的对比

4．6 本章小结

第五章 杯形件二次拉深的应力分析

5．1 二次拉深变形区的应力分析

5．1．1 二次拉深的变形位置状态

5．1．2 大端为直壁的阶梯杯形件变形区的应力

5．1．3 大端为压边圈圆角的阶梯杯形件变形区的应力

5．1．4 杯口分别为法兰和圆角的杯形件变形区的应力

5．2 二次拉深的凸模拉力

5．3 二次拉深分析模型计算精度的检验

5．3．1 二次拉深的有限元模型

5．3．2 二次拉深有限元模型的实验验证

5．3．3 二次拉深凸模拉力的计算和模拟

5．3．4 二次拉深凸模拉力的实验验证

5．4 二次拉深参数的影响

5．5 本章小结

第六章 杯形件成形质量的BPNN-Spline预测模型

6．1 杯形件拉深成形的有限元模拟

6．1．1 拉深成形质量的评价标准

6．1．2 杯形件拉深成形的有限元模型

6．1．3 有限元模型的精度检验

6．1．4 拉深高度的设置

6．1．5 BPNN的输入参数

6．1．6 BPNN的训练样本集

6．1．7 材料参数对成形质量的影响

6．1．8 长度比例缩放系数对成形质量的影响

6．2 BPNN-Spline预测模型的建立

6．2．1 BPNN的网络结构

6．2．2 BPNN的精度

6．2．3 BPNN-Spline联合模型

6．2．4 BPNN-Spline模型的应用范围

6．2．5 测试实例

6．3 杯形件拉深成形工艺参数的遗传优化算法

6．3．1 遗传算法简介

6．3．2 遗传算法优化模型的变量

6．3．3 优化模型的参数设置

6．3．4 优化实例

6．4 本章小结

第七章 钣金成形预测系统

7．1 钣金成形预测系统的功能模块

7．2 系统的开发工具

7．2．1 人机交互界面的开发工具

7．2．2 系统预测功能的开发工具

7．2．3 系统数据库的开发工具

7．2．4 人机交互界面与MATLAB程序的耦合

7．2．5 人机交互界面与数据库的连接

7．3 系统数据库的管理

7．3．1 用户账号数据库

7．3．2 材料数据库

7．3．3 折弯回弹和拉深成形样本库

7．4 系统应用模块

7．4．1 板料折弯预测模块

7．4．2 杯形件成形质量预测模块

7．5 实例演示

7．5．1 折弯回弹实例演示

7．5．2 拉深成形实例演示

7．6 本章小结

第八章 总结与展望

8．1 工作总结

8．2 研究展望

致谢

参考文献

附录

博士学位攻读期间的学术成果