塑性加工过程数值模拟(课程报告).docx

《塑性加工过程数值模拟(课程报告).docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、塑性加工过程数值模拟(课程报告)题目:塑性加工过程数值模拟课程报告学院:班级：姓名：学号：塑性加工过程数值模拟课程报告1.塑性加工过程数值模拟概述1.1材料塑性加工的地位及分类从制造业的发展历史来看，主要有两类制造业：一个是加工制造业，一个是装备制造业。制造业是为国民经济和国防建设提供生产技术零件、装备的行业，是国民经济发展特别是工业发展的基础。建立起强大的制造业，是提高中国综合国力，实现工业化的根本保证。金属塑性加工是利用金属的塑性，使金属材料在外力的作用下成形的一种工艺方法。塑性加工按照工艺可分为轧制、挤压

2、、拉拔、锻压、冲压等。塑性加工方法按照变形特征可分为体积成形和板料成形，体积成形是变形过程中三个方向的几何尺寸基本处于相同量级，同时三个方向的应力状态需要同时考虑。如：锻造、轧制、挤压等工艺方法都属于体积成形。板料成形“宽厚比”较大，厚度方向的尺寸较其它两个方向小得多，变形过程中可简化为平面应力状态。如冲压、水压胀形等等，板料成形时金属的塑性变形并不一定很大，但与模具的相对位移较大，一般在室温下完成。1.2材料塑性加工过程中的数值模拟目前传统的研究方法仍旧主要处于经验和知识为依据，以“试错”为基本方法的工艺技术

3、阶段。现代市场经济要求实现塑性加工制件的内在质量和尺寸精度的稳定性需要提高，为实现该目标，必须提高塑性加工技术的科学化和可控化水平。与传统的成形工艺相比，现代塑性加工技术对毛坯与模具设计以及材料塑性流动控制等方面要求更高，所以采用基于经验的试错设计方法已经不能满足实际需要，引入以计算机为工具的现代设计分析手段已经成为大家的共识。用模拟来代替正式的材料加工过程或其中的物理现象进行研究有很多的优点，比如节省运输费用和消耗、不打乱正常生产过程、可以灵活的控制和调节影响因素及其变化、准确测量实验数据等。模拟优化的目的有

4、：（1）提高产品的性能、质量；（2）降低消耗，降低成本；（3）提高效率；（4）揭示规律。1.塑性加工过程数值模拟理论基础在数值模拟技术当中，有限元分析技术是最重要的工程分析技术。它广泛应用于弹塑性力学、断裂力学、流体力学、热传导等领域。有限元方法的基本思想是将结构离散化，用有限个容易分析的单元来表示复杂的对象，单元之间通过有限个节点相互连接，然后根据变形协调条件综合求解。由于单元的数目是有限的，节点的数目也是有限的，所以称为有限元法。对金属弹塑性和刚塑性变形用有限元进行分析的实施步骤和归纳如下：1)用假象的线或

5、面将连续体分成若干具有简单几个形状的“有限单元”。2)假设这些单元在且仅在其边界上的若干离散节点处相互连接，将这些节点位移作为基本未知量。3)选择适当插值函数，以便由每个单元的节点位移唯一的确定该单元中的位移分布。4)利用位移函数分布可唯一确定单元中的应变分布，由单元的应变以及材料的本构方程，可确定单元的应力分布。5)根据虚功原理可建立每个单元中节点位移和节点力之间的刚度方程。6)将每个单元所受的外载荷根据作用力等效原理移到该单元的节点上，形成等效节点力。7)按照节点编号整体顺序，将各单元刚度方程叠加，组装成整

6、体刚度方程。8)根据边界节点必须满足的位移条件，修改整体刚度方程。9)求解整体刚度方程，得到节点位移。10)根据求得的节点位移，计算各单元的应力应变。在塑性成形过程的有限元模拟中，根据材料应变与位移以及应力应变的关系不同，可将有限元法分为小变形弹塑性有限元法、有限应变弹塑性有限元法、塑性有限元法和粘塑性有限元法。采用弹塑性有限元法分析塑性成形问题，不仅能计算材料的变形和应力应变分布，还能有效的处理卸载问题，它使用与板料成形等问题的模拟。但弹塑性有限元法采用增量型本构方程不允许使用大的变形增量，计算时间长。采用刚

7、塑性有限元法，不需要考虑材料弹塑性状态的变化，因此可采用大的时间步长，从而减小计算时间。但刚塑性有限元法不能确定刚性区的应力应变分布，也不能处理卸载问题。处理非线性的弹塑性问题可选择完全拉格朗日法和更新拉格朗日法。塑性变形过程中的应力应变关系是非线性的，根据增量理论可知，变形过程中的应力应变与加载路径有关。建立增量有限元方程，采用直接迭代法、Newton-Raphson迭代法和改进的N-R法对非线性方程组进行求解，可得到节点位移。塑性加工中的有限元分析有显示静力学和隐式动力学。静力学隐式计算往往需要较少的时间步

8、，但是每一个时间步都需要非常长的求解时间来达到收敛。收敛是必须的，但是却无法预知。特别是处理存在接触的大模型问题，收敛往往非常困难。显式算法需要较多的时间步，但是每步计算时间短，计算的稳定性通过临界时间步长来控制，同时针对接触问题，显式求解解决起来就容易的多。模型规模越大，显式求解的优越性也就越高，CPU时间随着单元量的增加隐式算法呈4次方增加，而显式算法呈3次方增加。当收敛困难的时候