基於有限元技術和人工神經網絡的精衝模具磨損預測方法
2023-08-05 20:53:11
專利名稱:基於有限元技術和人工神經網絡的精衝模具磨損預測方法
技術領域:
本發明涉及精密衝裁技術領域,尤其涉及一種基於有限元技術和人工神經網絡的 精衝模具磨損預測方法。
背景技術:
精密衝裁(簡稱精衝)技術能夠通過單步工序生產出截面質量高、機械性能好的 衝裁件,省去了後續的加工工序,極大地提高了生產效率和降低了生產成本。目前該技術廣 泛應用與摩託車、汽車以及航空航天領域。精密衝裁所具備的特殊的工藝條件帶V型齒圈 的壓邊圈、較高的壓邊力、較高的反頂力以及較小的衝裁間隙使得精衝模的磨損程度遠遠 大於普通衝裁過程中的模具磨損程度。當精衝模的磨損量達到一定的程度時,將不能有效 的生產出合格的產品,從而導致模具的報廢。磨損失效時精衝模失效的主要形式之一。國 內外對精衝的研究主要集中在研究精衝機理以及精衝件的質量,針對精衝模磨損的研究則 非常少。在以往針對衝裁模磨損的研究中,首次衝裁時的模具磨損量被認為是模具在整個 模具服役期的平均磨損量,並據此來預測模具的壽命以及衝裁件的質量。然而,實踐表明 模具在其整個服役期大致經歷了跑和磨損、穩定磨損以及劇烈磨損這三個階段。僅用首次 衝裁時的模具磨損量來代替模具在整個服役期中的平均磨損量來指導生產以及修模顯然 是不準確的,不能及時、有效的指導模具的修護以及保證精衝件的質量。
發明內容
針對上述存在的技術問題,本發明的目的是提供一種基於有限元技術和人工神經 網絡的精衝模具磨損預測方法,以提高精密衝裁模具磨損的預測精度、縮短響應速度、增強 可操作性。為達到上述目的,本發明採用如下的技術方案有限元分析模型建立步驟,該步驟在Def0rm-3D中建立精衝模磨損有限元分析模 型,採用Normalized Cockcroft and Latham斷裂準則來預測精衝過程中坯料的裂紋擴展 過程,引入Archard磨損模型來計算精衝過程中模具的磨損深度值;神經網絡模型建立步驟,該步驟採用正交試驗設計方法,在Def0rm-3D中進行數 值模擬,將所獲取的模擬實驗結果對設計好的神經網絡模型進行訓練,以獲取精衝模具磨 損量同精衝工藝參數之間的函數映射關係;確定幾何參數同模具磨損之間關係的步驟,該步驟確定衝裁間隙、凹模圓角半徑 同模具磨損量之間的函數關係,並確定模具硬度與衝裁次數之間的函數關係;精衝模具磨損預測模型建立步驟,該步驟根據已經獲取的精衝模具磨損量同精衝 工藝參數之間的函數關係以及各工藝參數同磨損量之間的函數關係,基於Matlab計算平 臺建立精衝模磨損預測模型。所述有限元分析模型建立步驟中的Normalized Cockcroft and Latham斷裂準則被用來預測精衝過程中衝裁材料的裂紋擴展過程
權利要求
1.一種基於有限元技術和人工神經網絡的精衝模具磨損預測方法,其特徵在於,包括有限元分析模型建立步驟,該步驟在Def0rm-3D中建立精衝模磨損有限元分析模型, 採用Normalized Cockcroft and Latham斷裂準則來預測精衝過程中坯料的裂紋擴展過 程,引入Archard磨損模型來計算精衝過程中模具的磨損深度值;神經網絡模型建立步驟,該步驟採用正交試驗設計方法,在Def0rm-3D中進行數值模 擬,將所獲取的模擬實驗結果對設計好的神經網絡模型進行訓練,以獲取精衝模具磨損量 同精衝工藝參數之間的函數映射關係;確定幾何參數同模具磨損之間關係的步驟,該步驟確定衝裁間隙、凹模圓角半徑同模 具磨損量之間的函數關係,並確定模具硬度與衝裁次數之間的函數關係;精衝模具磨損預測模型建立步驟,該步驟根據已經獲取的精衝模具磨損量同精衝工藝 參數之間的函數關係以及各工藝參數同磨損量之間的函數關係,基於Matlab計算平臺建 立精衝模磨損預測模型。
2.根據權利要求1所述的基於有限元技術和人工神經網絡的精衝模具磨損預測方法, 其特徵在於所述有限元分析模型建立步驟中的Normalized Cockcroft and Latham斷裂準則被用來預測精衝過程中衝裁材料的裂紋擴展過程
3.根據權利要求1或2所述的基於有限元技術和人工神經網絡的精衝模具磨損預測方 法,其特徵在於所述有限元分析模型建立步驟中的Archard磨損模型為 Archard磨損模型被用來計算在精衝過程中模具的磨損情況
4.根據權利要求1所述的基於有限元技術和人工神經網絡的精衝模具磨損預測方法,其特徵在於所述神經網絡模型建立步驟中,精衝模具磨損量同精衝工藝參數之間的函數映射關係 包含於訓練好的網絡模型之中,其表達式如下 W = f1 ( Σ ω3Γ( Σ ω2Γ( Σ Q1X)))式中,W代表模具磨損量;X = [χι; χ2, Λ,χ6]代表著包含有各工藝參數的矩陣;f1為隱 藏層2同輸出層之間的線性轉換函數;fs為在輸入層同隱藏層1,隱藏層1同隱藏層2之間 的S型轉換函數;ω」 ω2,ω3分別代表輸入層同隱藏層1,隱藏層1同隱藏層2以及隱藏層 2同輸出層之間的連接權矩陣。
5.根據權利要求1所述的基於有限元技術和人工神經網絡的精衝模具磨損預測方法, 其特徵在於所述確定幾何參數同模具磨損之間關係的步驟中的衝裁間隙為 隨著衝裁次數的增加,衝裁間隙在逐漸增大 Si = S^1+ η ^wi式中,Si為第i次衝裁後的衝裁間隙;S"代表第i-Ι次衝裁後的衝裁間隙 』Wi為第i 次衝裁時的模具磨損深度值;n為實驗校正係數;所述確定幾何參數同模具磨損之間關係的步驟中的凹模圓角半徑為 凹模圓角半徑也是在對著衝裁次數的變化而變化,根據幾何關係得出R^+l=R^+(l + 4 )μw^+l 式中,Ri,Ri+1分別為第i次及第i+Ι次衝裁後的凹模圓角半徑;為第i+Ι次衝裁時 的模具磨損深度值;μ為實驗校正係數;所述確定幾何參數同模具磨損之間關係的步驟中的模具材料硬度為 模具刃口處承受的接觸應力,其硬度值同衝裁次數具備一定的函數關係H0 + ikxi < TilH1 = j H1^ η, <in2 式中,Htl為模具的初始硬度值曲為第i次衝裁後,模具刃口處材料硬度;I^lc2分別為 模具在跑和磨損階段以及劇烈磨損階段其刃口處材料硬度變化率;叫,n2分別為跑和磨損 階段以及穩定磨損階段的衝裁次數,ki; k2以及n」 n2需要實驗校正。
6.根據權利要求1-5中任一項所述的基於有限元技術和人工神經網絡的精衝模具磨 損預測方法,其特徵在於精衝模具磨損預測模型建立步驟包括以下子步驟初始工藝參數:P0,E0, V0, S0, R0, H0步驟1 計算第一次衝裁時的精衝模磨損量wI = Fw(P0,E0, V0, S0, R0, H0);計算第2次衝裁時的精衝工藝參數P1 = Fp(W1) = fe(Wl) -,N1 = fv(Wl) A1 = fs(Wl) = fr (W1) = fh(Wl) 步驟2 根據步驟1中的精衝工藝參數計算第2次精衝模磨損量 W2 = Fw(PijEijVijSijRijH1); 計算第3次衝裁時的精衝工藝參數P2 = fP (w2) ;E2 = fe (w2) ;V2 = fv (w2) ; S2 = fs (w2) ;R2 = fr (w2) ;H2 = fh (w2) 步驟i :計算第i次衝裁時的精衝模磨損量 wI = Fw (Pi-I' Eh,Vh, Sh, Ri^1, Hi^1); 計算第(i + l)th次衝裁時的精衝工藝參數Pi = fp(wi) ;Ei = fe(Wi) ;Vi = fv(Wi) ;Si = fs(Wi) ;Ri = fr (Wi) ;Hi = fh(Wi) 總磨損量:sum(W1, . . . , Wi)其中,Wi為第i次衝裁時的模具磨損量;Fw*精衝模磨損量同各工藝參數之間的內在的 函數關係,該關係可以通過神經網絡模型獲取;Pi, Ei, Vi, SiAi和Hi分別代表在第i次衝裁 時的精衝工藝參數壓邊力,反頂力,衝裁速度,衝裁間隙,凹模圓角半徑以及模具硬度;fp, fe, fv,fs,fr以及fh分別代表了壓邊力,反頂力,衝裁速度,衝裁間隙,凹模圓角半徑以及模 具硬度同模具磨損之間的函數關係。
全文摘要
本發明涉及精密衝裁技術領域,尤其涉及一種基於有限元技術和人工神經網絡的精衝模具磨損預測方法。本發明包括建立有限元分析模型步驟,在有限元分析計算平臺上模擬精衝工藝過程,利用Archard磨損模型計算精衝過程中模具的磨損量;建立神經網絡模型步驟,利用正交試驗設計所指導的有限元分析結果對設計好的神經網絡模型進行訓練,以獲取精衝模磨損量同精衝工藝參數之間的函數關係;精衝工藝參數步驟,根據幾何關係以及生產實踐獲取精衝工藝參數同模具磨損量、衝裁次數等之間的函數關係;精衝模磨損預測模型建立與仿真步驟。本發明具有預測精度高,響應速度快,可操作性強的特點。
文檔編號G06F17/50GK102103646SQ20101058541
公開日2011年6月22日 申請日期2010年12月14日 優先權日2010年12月14日
發明者華林, 尹飛, 毛華傑, 錢東升 申請人:武漢理工大學