摘要：针对目前特殊用途车辆用超高强度钢板在折弯成形工艺中存在的回弹剧烈问题,提出一种基于改进遗传算法的超高强钢硬化模型参数确定方法,实现超高强度钢板折弯回弹的准确预测。以超高强钢板6252为研究对象,首先构建一个考虑超高强钢材料应变硬化行为和Bauschinger效应的Yoshida-Uemori硬化模型框架;然后结合有限元仿真软件LS-DYNA和改进遗传算法准确地确定硬化模型框架中的材料特性参数;最后基于DYNAFORM平台对6252超高强钢工件进行了折弯回弹的预测。实际的折弯试验表明,回弹模拟结果与实际回弹角度之间的误差在2%以内,验证所标定的超高强钢硬化模型参数的可靠性,说明在该参数集支持下的Yoshida-Uemori硬化模型能够较好地描述超高强钢板的动态特性。所提出的方法为超高强度钢零部件的高精度成形工艺设计提供有效指导。

摘要：从构造的角度,开展神经网络的动态结构设计研究,提出一种基于泛化的多层前向网络动态结构设计方法,编制了相应的计算程序。在该方法中,基于Ockhams RAZOR原则,从一个较小的基本网络开始,通过动态增加隐结点或隐层,综合运用网络泛化能力的多种改进方法,改进的BP算法以及快速搜索机制和全局搜索机制相结合确定学习速率、动量系数、跳跃因子和正则化系数的方法,采用网络权值的局部和全局调节方案,对多层前向网络进行动态结构设计。上述方法在凸凹弧翻边回弹预测中的应用实例表明,运用该方法设计的网络具有较好的计算精度。

摘要：为解决金属板材折弯成形的回弹及凸模设计问题,提出了一种基于遗传算法的反向传播神经网络预测方法.根据板料的折弯试验,建立了板料回弹预测的遗传神经网络正、逆模型.采用对象-正模型-逆模型学习法,用正模型研究板料折弯回弹规律,用逆模型预测折弯凸模的半径几何值.通过对某一起重机吊臂工件的折弯成形实验,证明提出的预测方法在模具设计和工件成形方面均有满意的效果.

摘要：从能量逐渐降低使物质系统向新的平衡状态转移的观点出发,根据覆盖件冲压成形后回弹过程与金属退火过程的强烈相似性,提出用模拟退火法对覆盖件进行回弹预测的思想。设计出一种混合模拟退火算法(BFGS-SA)用于解决设计变量数目较多的覆盖件回弹预测问题,该算法将变尺度的局部优化法(Broyden fletcher goldfarb shann,BFGS)与模拟退火法(Simulated annealing,SA)相结合,充分发挥前者局部寻优能力较强、计算效率高、编程简单以及后者通用性好、容易跳出局部最优陷阱以获得高精度全局最优解的优势。并建立相应的优化模型和退火控制策略。通过对实例仿真计算结果与实际测量结果的比较,验证了所提出回弹预测方案的合理性及回弹预测算法的有效性。

摘要：设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.

摘要：针对第3代高强度钢(QP钢)冲压过程中因回弹严重、回弹预测困难而导致的修模时间长、修模成本高等问题,采用了Swift各向同性硬化模型以及NSK模型、Y-U模型和Chaboche模型等先进的硬化模型对QP980钢的冲压回弹进行了预测.用含有上述4种模型的LS-DYNA软件进行预测,并将结果与实际结果比较分析,发现Y-U模型能较好地预测QP钢冲压回弹.由此可以有效地辅助模具设计,减少修模次数,降低修模成本.

摘要：[目的]在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。[方法]基于全卷积神经网络(FCN)对回弹图片进行像素级计算和回归计算,从而实现对每个成形位置的回弹量预测。首先,利用ABAQUS 2019建立有限元模型,并通过实验结果进行准确性的对比验证;然后,采用验证后的有限元方法计算获取神经网络训练样本集,将板条几何信息作为神经网络的输入,并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型;最后,对比分析不同神经网络的优劣,并将最优网络应用于模具设计。[结果]算例分析结果显示:FCN模型预测回弹量的最大误差为8.49%,具有较高的准确度,其中FCN32的精度最高;FCN模型可以实现模具形状的一次性设计,计算时间仅为0.5 s,最大误差仅为1.00%,显著提高了计算效率。[结论]全卷积神经网络算法提供了一种快速高效的板条回弹预测方法,以及快速设计模具形状的新思路。

摘要：为根据具体情况建立合适的非对称截面Z型材滚弯回弹本构模型,解决铝合金型材成形过程中波动性较强的问题以及滚弯成形件卸载后不可避免的回弹变形导致的滚弯成形件实际外形尺寸偏离几何设计要求的问题,通过综合考虑型材材料属性、截面几何特征和模型构建等因素,基于材料的各向同性弹塑性本构模型,采用VUMAT显式分析法对型材的动态本构模型进行了二次开发。通过将ABAQUS二次开发获得的回弹预测结果与实验数据、理论数据、内核处理数据和VUMAT子程序数据进行对比,预测了滚弯回弹半径。在相同目标成形半径下,回弹预测最大相对误差从3.34%减小到2.83%。

摘要：以汽车前围板为分析对象,利用DYNAFORM仿真软件建立前围板有限元模型,对其回弹进行了仿真模拟。在此基础上,在Matlab环境下建立BP神经网络回弹预测模型,对前围板在不同冲压条件下的回弹进行定量预测,并在固定板材厚度的条件下对BP神经网络进行修正,设定试验参数组进行多点回弹预测。将BP神经网络回弹预测结果与仿真测量值进行对比,结果表明,采用BP神经网络预测回弹具有较高的精度,比仿真预测耗时少,可为车身覆盖件冲压模具设计提供依据。

摘要：为了更加精准的预测超高强钢冷冲压后零件的回弹大小,提供模具设计及修正理论依据,解决实际生产中的回弹问题,以QP980超高强钢板为研究对象,通过使用自主研发的实验装置完成拉伸压缩循环实验,获取不同预应变下的循环拉伸压缩应力-应变曲线,从而建立QP980超高强钢板在复杂加载模式下的Y-U材料模型。基于不同的材料模型对帽形件进行拉延、成形和翻边等不同冲压应变路径下的回弹数值仿真,并将有限元模拟分析结果与实际回弹值对比。结果表明,在任一成形工艺下,Y-U材料模型都能更加准确的预测高强钢冷冲压回弹,其中屈服准则为Hill48的Y-U材料模型回弹预测最可靠;对于不同冲压应变路径下的Y-U材料模型预测,相较于成形冲压回弹,拉延回弹后的帽形件回弹角θ1预测精度提高了2.1%;相较于翻边冲压回弹,对卷曲半径ρ的预测精度提高了49.6%;而回弹角θ2在成形路径下的预测最贴合,相对误差仅为0.2%。