铝合金板激光弯曲成形的试验研究

摘要

在现代化生产中，板材、型材的弹塑性弯曲和冲压成形工艺已被广泛地应用于制造压力容器、汽车、船舶、飞行器外壳等大型金属构件，以及各种形状日常用品的生产中。传统的弯曲成形工艺是在外力作用下借助于模具来实现的，由于模具的设计、制造周期长，加工费用高，较适用于大批量生产。对于小批量，机构复杂，大型工件的生产，使用传统的成形工艺必然导致成本增加。研究无模具柔性成形理论与技术，对减少新产品开发成本，缩短开发周期都有重要意义。 激光成形技术是一种相对较新的技术，它没有任何机械接触就可以生产出金属制品，而不需要任何模具。激光弯曲成形的研究还处于起步阶段，关于激光弯曲成形的参数(包括激光参数、板材参数、材料性能等)还没有达到精确控制的程度，同时成形结果难以预测和加工参数难以选定也是激光弯曲成形技术的一个难点，也是阻碍这一技术向前发展的重要因素。本文针对以上激光弯曲成形技术存在的问题，主要完成以下工作： (1)根据国内外激光弯曲成形技术的研究现状，通过大量的试验研究，对试验数据和铝合金试件金相组织进行分析，进一步了解了试件弯曲成形的机理，总结出试件达到弯曲的功率密度临界值是E0=3.6316J/mm2，根据功率密度临界值和光斑重复度计算出扫描速度的选取范围，使扫描效果达到最佳。 (2)针对不同的激光参数(包括激光功率、扫描速度和光斑直径)，板材参数(板材宽度和厚度)以及材料性能(材料显微硬度变化)等对弯曲角度的影响。随着激光功率和激光光斑直径的增加板材弯曲角度增大，但随着激光扫描速度和板材厚度的增加弯曲角度减小。随着板材宽度的增加弯曲角逐渐增大，增大到一定程度，弯曲角不再随板材尺寸的变化而改变。 (3)将BP神经网络技术引用到激光弯曲成形技术中，应用MATLAB软件编程实现，完成其数值模拟技术并对成形结果和加工参数进行预测，并且通过大量的试验数据训练BP神经网络，最终达到对弯曲角度和加工参数的更准确地预测，以便进行可选参数成形结果和已知结果的加工参数的选择。 本文针对以上三个问题进行了试验研究，并且通过试验结果和分析结果来看，基本上达到了工作目的，总结出了激光参数、板材参数和材料本身性能对弯曲角度的影响趋势；通过对BP神经网络训练以及仿真，能准确地预测出加工参数和弯曲角度。

目录

文摘

英文文摘

独创性说明和大连理工大学学位论文版权使用授权书

1绪论

1.1工程背景

1.2课题的提出及国内外研究现状

1.2.1课题的提出

1.2.2课题的研究意义

1.2.3国内外研究现状

1.3本课题工作的主要内容

2激光弯曲成形技术概述

2.1激光弯曲成形的基本原理

2.1.1温度梯度机制

2.1.2弹性膨胀机制

2.1.3塑性皱曲机制

2.1.4增厚机制

2.2试验条件与设备

2.2.1激光器设备条件

2.2.2检测条件

2.3试验参数的确定

2.3.1激光功率密度的计算

2.3.2重叠度S的计算

2.3.3扫描速度的确定

2.3.4扫描路径的确定

2.3.5激光工艺参数和板材参数确定

2.3.6工件预处理

2.4弯曲过程分解

2.5本章小节

3激光弯曲成形的试验研究

3.1激光弯曲成形试验的研究思路

3.2激光工艺参数对弯曲角度的影响

3.2.1激光功率的影响

3.2.2激光扫描速度的影响

3.2.3光斑直径的影响

3.3板材参数对弯曲角度的影响

3.3.1板宽对弯曲角度的影响

3.3.2厚度对弯曲角度的影响

3.3.3扫描位置对弯曲角的影响

3.4激光弯曲对材料组织和硬度的影响

3.4.1金相分析

3.4.2激光弯曲对硬度的影响

3.5热导率对弯曲角的影响

3.6弯曲试验重复性

3.7本章小节

4 BP神经网络在激光弯曲成形中的应用

4.1数值神经网络的理论基础

4.1.1神经网络的发展历程

4.1.2人工神经网络的基本原理

4.1.3 BP神经网络的介绍

4.1.4 BP网络的特点及应用范围

4.2 BP神经网络在激光弯曲成形中的数值预测

4.2.1基于激光弯曲成形的BP神经网络构建

4.2.2输入、输出层数据的前期处理

4.3弯曲角度的预测及其误差分析

4.3.1仿真效果

4.3.2弯曲角度的预测

4.4加工参数的预测及其误差分析

4.4.1激光功率的预测

4.4.2激光扫描次数的预测

4.4.3扫描速度的预测

4.5本章小结

5结论与展望

5.1结论

5.2展望

参考文献

附录A神经网络训练、仿真源程序

攻读硕士学位期间发表学术论文情况

致 谢