锥形件智能化拉深仿真系统的研究

论文摘要

板材成形是金属塑性加工领域的一大分支,在汽车、航空、仪表等工业领域占有重要的地位,其技术水平在某种程度上反映了一个国家或地区的工业现代化水平。成形过程的智能化是继自动化、柔性化后目前板材成形的主要研究方向。板材成形智能化,由实时监测、实时识别、实时预测和实时控制四个基本要素构成,根据被加工对象的特点,利用易于监测的物理量,实时确定材料性能参数及最优的工艺参数,并自动以最优工艺参数完成板材成形过程。板材成形智能化不但可以改变冲压生产工艺的面貌,而且还将促进冲压设备的变革,同时也会引起板材成形理论的进步与分析精度的提高,在降低板材级别,消除模具与设备调整的技术难度,缩短调模试模时间,提高成品率和生产率等方面都具有十分明显的意义。本文通过以锥形件的拉深为对象进行板材成形智能化技术的研究,对促进我国的板材成形智能化研究及其在工业生产中的应用将有重要的意义。本文在原有的已建立的锥形零件拉深过程的理论模型研究成果基础上,分析了锥形件拉深智能化需要解决的关键技术,对其中的压边力控制曲线的加载模式、板材性能参数的实时识别、实时控制以及系统的集成仿真等方面的相关问题展开了系统研究。在锥形件拉深智能化控制所要求的四个基本要素中,参数识别模型和最优工艺参数预测模型的建立都是基于对锥形件成形规律的认识程度基础上的。本文针对锥形件拉深成形中侧壁起皱失稳具体情况,运用能量法,解析了考虑曲侧壁母线时的侧壁起皱临界压边力。在结合原有的法兰起皱临界压边力以及侧壁破裂临界压边力的基础上,得到了锥形件拉深的压边力安全区域。利用有限元仿真模拟和实验的方法,考察了多种加载曲线对工件成形质量的影响,得到法兰不起皱、侧壁不破裂、侧壁质量较优的一条变压边力加载曲线,这为实时控制提供了理论依据。并在此基础上建立了优化压边力预测神经网络模块。针对BP神经网络在材料性能参数识别中存在的收敛速度慢、预测精度不高等问题,引入了Rough集理论,运用强大的数据约简功能、分类功能为神经网络提供了更合理的结构和样本数据,确定了锥形件拉深智能化中实时预测问题的解决方法。常规的PID控制方法,由于PID参数设定以后在拉深过程中无法改动,PID参数不随着压边力优化控制曲线的变化而变化,这就使得实际控制效果不佳,理想的压边力优化曲线与实际输出曲线存在一定的误差。本文在此提出了结合PID控制和神经网络技术,编译出针对锥形件拉深的仿真控制程序,采用PID神经网络根据实际输出与理想输出曲线的误差进行网络的自我调节,这就可以有效的减小实际输出曲线与理想输出曲线的误差,符合智能化控制系统实时控制的要求。本文采用虚拟仪器控制软件LabVIEW,集成实时识别系统和实时预测系统和PID神经网络实时控制系统,实现智能拉深过程中材料性能参数的实时识别、变压边力控制规律的实时预测、以及拉深过程的实时控制,完成了整个智能化控制系统的集成,建立起了以锥形件为代表的轴对称件的智能化拉深仿真系统。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 板材成形智能化研究现状及国内外发展趋势
• 1.2.1 拉深成形智能化的研究
• 1.2.2 筒形件拉深过程自适应控制
• 1.2.3 轴对称件拉深过程的智能化
• 1.2.4 自适应模糊控制系统的发展
• 1.2.5 神经网络控制系统的研究
• 1.2.6 板材成形智能传感与控制系统的研究
• 1.3 选题意义及主要研究内容
• 第2章 以压边力形式描述的锥形件拉深理论三极限
• 2.1 引言
• 2.2 拉深力与压边力及拉深行程三者的关系
• 2.2.1 力学模型
• 2.2.2 接触摩擦的简化处理
• 2.2.3 拉深力－行程曲线的能量法解析
• 2.3 侧壁破裂临界压边力
• 2.4 法兰起皱临界压边力
• 2.5 侧壁起皱临界压边力
• 2.5.1 侧壁起皱数学模型
• 2.5.2 悬空侧壁应力分布
• 2.5.3 应力分界圆位置近似解
• 2.5.4 侧壁起皱失稳判据
• 2.5.5 侧壁起皱失稳判据的实验验证
• 2.6 压边力理论三极限曲线
• 2.7 本章小结
• 第3章 锥形件拉深变压边力控制规律
• 3.1 引言
• 3.2 变压边力加载的三种模式
• 3.3 三种加载模式的数值模拟
• 3.3.1 成形质量评价函数的确定
• 3.3.2 有限元模拟相关模型及参数的设定
• 3.3.3 三种加载模式的变压边力拉深模拟
• 3.4 三种加载模式的实验研究
• 3.5 直母线条件下的变压边力控制规律可行性分析
• 3.6 压边力控制规律的实时预测
• 3.7 本章小结
• 第4章 基于Rough 集理论的神经网络参数识别系统
• 4.1 引言
• 4.2 Rough 集理论基本概念
• 4.3 数据约简
• 4.4 Rough 集理论与神经网络的结合
• 4.4.1 神经网络简介
• 4.4.2 粗糙神经网络的结构
• 4.5 Rough 集约简功能在轴对称件性能参数识别中的运用
• 4.5.1 Rosetta 软件介绍
• 4.5.2 轴对称件的神经网络识别模型
• 4.5.3 运用Rosetta 软件对样本数据约简
• 4.5.4 优化后的锥形件材料性能参数识别神经网络
• 4.6 本章小结
• 第5章 PID 神经网络仿真控制
• 5.1 引言
• 5.2 传统控制理论与智能控制技术
• 5.2.1 传统PID 控制特点
• 5.2.2 神经网络控制特点
• 5.2.3 神经网络控制与PID 控制相结合的研究现状
• 5.3 PID 神经网络控制系统
• 5.3.1 PID 神经网络的结构
• 5.3.2 PID 神经网络的反向传播算法
• 5.3.3 PID 神经网络的权值的初始值选取和等价系统
• 5.4 基于智能化拉深控制系统的PID 神经网络仿真
• 5.5 本章小结
• 第6章 锥形件智能化拉深实验系统
• 6.1 模具设备
• 6.2 液压部份
• 6.3 智能控制系统
• 6.4 基于 LabVIEW 的数据采集系统
• 6.5 锥形件智能化拉深过程仿真系统
• 6.6 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介