[01150833]金属板料拉深性能智能预测系统的开发

影响金属板料拉深成形性能的因素很多也很复杂。金属板料的拉深成形性能不仅取决于应用材料的的各项机械性能参数、材料表面状况、成形工艺、模具参数、还取决于所采用的压力机的滑块速度、压边力的大小以及摩擦润滑条件等。因此，怎样针对具体的零件制订合理的成形工艺？选用合理的板料成形参数？这对提高生产企业的产品质量和经济效益至关重要。课题组在建立金属板料拉深性能预测系统时着重从成形工艺、模具参数、钢材机械性能参数和摩擦于润滑等主要因素入手，采用的研究方法主要有以下两种：　　1.建立研究金属板料的物理模拟系统课题组对典型冲压件和汽车主要成形件进行深入的调研和分析，制订了建立研究汽车典型覆盖件成形最佳工艺参数的物理模拟方案。首先建立了能模拟典型成形零件（圆筒形、方盒形和典型汽车冲压件）的试验系统；在此基础上在研究建立二道拉深成形的物理模拟系统。由于模型与真实工况相吻合，因此在研究拉深成形过程中有关模具参数、润滑参数和材料机械性能参数等具有科学依据及可靠性。目前研究金属板料成形的物理模拟实验系统已在上海交通大学塑性成形工程系建立。该系统具有：　　（1）模拟典型拉深件成形（包括二道拉深圆筒件成形、二道模拟轿车门内板成形）。　　（2）研究成形模具的主要参数（包括模具凹凸模圆角半径、模具间隙和拉深筋等）对成形件的影响。　　（3）研究单位压边力值的大小对成形件的影响。　　（4）研究摩擦与润滑对成形件的影响。　　（5）研究金属板料的机械性能参数对成形件的。　　2.金属板料拉深性能智能预测系统的建立　　（1）建立金属板料拉深性能预测系统的方法和原理。　　1） 通过板料成形理论，建立起针对典型冲压件（圆筒件）成形特点的TLDR理论模型。LDR是传统的拉深性能评价标准，关于LDR的理论研究及实验相当多，但所有这些理论研究都把板料拉深性能仅作为材料本身基本力学性能参数的函数，即LDR=f（R，n，k），这样一来，LDR仅仅可以作为在某一固定工艺条件下不同材料之间的横向比较标准，而不能全面的评价板料的拉深性能。因为不同的工艺条件粹板料性能有着不同的要求。而TLDR结合板料拉深性能与工艺条件，能全面的考虑各种条件。TLDR主要是以工艺参数和板料基本力学性能参数为自变量的极限拉深比，即TLDR=f（R，n，s，t，u，Rd，Rp）。另外由于理论模型建立在一些假设的基础上，因此在公式中加入了一个修正系数W，并利用人工神经网络来修正这一误差，从而进一步的提高了TLDR的预测精度。TLDR的准确预测有助于避免拉深加工中选材的盲目性，做到对拉深材料的合理选择。另外，也可以利用TLDDR模型针对某种材料在不同工艺条件下进行评定其拉深性能。　　2）通过对典型拉深件和汽车门内板得数值模拟和物理模拟的实验结果和经总结的实验数据的基础上，即通过对模拟出来的实验结果进行数据处理，分析出各种工艺参数、模具参数、材料机械性能参数对拉深成形件的影响和规律，进而分析出在各种成形条件下，拉深材料机械性能参数与板料拉深成形过程的最大减薄量和最大拉深力之间的关系，作为指导实际生产的模具设计、工艺设计、降低产品废品率和生产成本，以缩减产品的开发周期。　　（2）金属板料拉深性能智能预测系统的组成第一部分是从材料库中为拉深工艺选材，这一部分又可以从结构上划分为几个部分，首先系统已经建立了初始的材料库，用户可以对其进行增加记录、册减记录、按照各种参数进行排序、根据一定的参数范围对材料库进行过滤以及恢复到初始数据库。在程序中，这部分主要显示在CDrawingView视中；接着是程序的核心部分，就是理论模型的建立，本程序到目前为止完成了圆筒件，在CTldr类中实现，最后返回圆筒件成形极限数值，在CDrawingView类中的OnCupDatabase成员函数中进行比较判断，将结果以文本方式显示在CMainView中；然后是指成形可行性结果的直观显示，其图形显示部分是在Cpic ShowDig类中实现，用户若想看图形显示只需在右边视图区域中右击鼠标，选取“可否成形示意图显示”一项即可；另外用户可以根据某个参数评定用户需要的某种材料是否可以成形。第二大部分是拉深条件参数影响分析和评定，首先对典型拉深件和汽车门内板进行一定的数值模拟和物理模拟，对模拟出来的结果进行数据处理和分析，根据分析结果，总结出各种工艺参数、模具参数、材料机械性能参数对拉深件成形的影响规律，进而查以分析出板料的主要性能参数在各种成形条件下与拉深成形过程的最大减薄量和最大拉深力之间的关系。然后可以根据用户的成形极限对拉深结果进行评定，并进行相关的演示，这部分功能主要是调用了另外单独编写的多元回归算法动态链接库RegressRegD11.d11的OnBCaculate函数，然后在CMainView中回归出方程，在CAssessMatDlg、CAssessMoldDlg、CAssessTechDlg进行结果分析和评定，并在CDemoDlg中演示结果。