拼焊板方盒件拉深成形过程变压边力曲线预测 优先出版.pdf

《拼焊板方盒件拉深成形过程变压边力曲线预测 优先出版.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第24卷第2期塑性工程学报Vol.24No.22017年4月JOUＲNALOFPLASTICITYENGINEEＲINGApr.2017引文格式:官英平，马向东，张登谦．拼焊板方盒件拉深成形过程变压边力曲线预测［J］．塑性工程学报，2017，24(2):17－21．GUANYingping，MAXiangdong，ZHANGDengqian．Variableblankholderforcecurvepredictionindeepdrawingforsquareboxoftailor-weldedblanks［J］．JournalofPlasticityEngineering，201

2、7，24(2):17－21．拼焊板方盒件拉深成形过程变压边力曲线预测111，2官英平，马向东，张登谦(1.燕山大学先进锻压成形技术与科学教育部重点实验室，河北秦皇岛066004;2.长城汽车股份有限公司，河北保定071000)摘要:基于有限元数值模拟软件LS-DYNAFOＲM，对拼焊板方盒形件拉深成形进行模拟研究。通过改变拉深成形过程中压边力这一最重要且易于控制的工艺参数，寻求拼焊板方盒形件拉深成形时较优的变压边力曲线加载形式。为预测不同工艺参数下拼焊板方盒形件拉深成形时的较优压边力加载曲线，建立了变压边力的BP神经网络预测模型，并将该模型预测的结果与数值模拟得到的结果进行对比分析。

3、研究结果表明，拼焊板薄板采用变压边力、厚板采用恒定压边力、且薄板压边力不小于厚板压边力的加载形式，拼焊板成形件整体质量较好，焊缝移动量较小;神经网络预测模型能较好的预测拼焊板方盒形件拉深成形时的变压边力，与数值模拟结果的最大相对误差在12.3%以内。关键词:拼焊板;拉深成形;数值模拟;变压边力预测;神经网络中图分类号:TG386.31文献标识码:A文章编号:1007-2012(2017)02-0017-05doi:10.3969/j.issn.1007-2012.2017.02.003Variableblankholderforcecurvepredictionindeepdrawi

4、ngforsquareboxoftailor-weldedblanks111，2GUANYing-ping，MAXiang-dong，ZHANGDeng-qian(1．KeyLaboratoryofAdvancedForming＆StampingTechnologyandScience，MinistryofEducationofChina，YanshanUniversity，Qinhuangdao066004，China;2．GreatWallMotorLimitedCompany，Baoding071000，China)Abstract:Deepdrawingoftailor-we

5、ldedblanks(TWBs)forsquareboxwasnumericallyresearchedbasedonthefiniteelementsimula-tionsoftwareLS-DYNAFOＲM．Thebettervariableblankholderforce(BHF)loadingcurvewassoughtbychangingtheBHFwhichisthemostimportantandeasilycontrolledparameterindeepdrawing．TheBPneuralnetworkofvariableBHFpredictionmodelwas

6、establishedtopredictthebetterBHFofTWBsdeepdrawingprocesseswithdifferentformingparameters，andthenthecomparisonwasconductedbetweenthepredictionresultsandthesimulationones．TheresultsshowthattheTWBsformingparthasbetteroverallqualityandlessweldedlinemovementwhenthethickandthinsideadoptvariableandcon

7、stantBHF，respectively．Theneuralnetworkpredictionofvaria-bleBHFhasagoodagreementwiththesimulationresultsandtherelativeerrorislessthan12.3%．Keywords:tailor-weldedblanks;deepdrawingforming;numericalsimulation;variableblankholderforce