拉弯过程中材料形成的重要方法之一，在航空，航天，军事装备和汽车型材弯曲部分得到了在制造非常广泛的应用。弯曲件回弹后卸载的现象，使成形精度受到了不少。材料的应力，由于拉伸弯曲成形过程是复杂的，在同一时间的材料物理参数，因素如摩擦条件的影响，弯曲回弹预测是很困难的。的拉伸弯曲加工参数的确定主要取决于经验通过试验和错误的方法来解决，某些部分必须采取弯曲，退火，再拉弯拉伸弯曲多次形成方法的，不能作为拉伸弯曲成形精度，导致周期长，成本高，不能满足产品快速发展的要求。目前，未报告的研究没有横向压力弯曲，但拉弯一些研究报告的侧向压力，拉弯成形智能控制的研究。拉弯成形智能控制能够适应材料性能的变化，提高了成形精度。本文通过理论分析和拉弯成形变形机制及材料物理参数，对回弹工艺参数的影响规律的实验研究手段进行了研究。在此基础上，采用人工神经网络的方法，对拉弯成形智能控制模型过程中成立后，拉弯成形智能控制系统的发展过程中，实现了舒展的智能控制折弯成型。具体的研究内容，成果和创新点如下：1.使用单轴应力假设，利用力平衡方法，无副作用拉弯成形力学模型建立后，拉弯中获得对回弹工艺参数的影响规律。 2.无侧向压力，推导出弯曲方式的拉力下，拉力和摩擦的工件之间的系数的计算公式和模具，确立了拉伸弯曲成形摩擦系数的测量方法。 3.对于第一次使用弹塑性增量法和虚功原理，还有侧拉弯成形力学模型建立，材料物理参数，拉弯回弹工艺参数的影响规律。 4.第一流函数方法用于建立塑性变形速度场中的弯曲侧的压力区，并首次提出的方法的基础上的固定流速场的功能，该流程函数方法用于成功地解决了弹塑性速度场的问题。拉伸弯曲建立弹塑性变形位移场侧压区，其中设立了一个侧向压力拉伸弯曲成形解析算法。理论计算和有限元法和实验结果是一致的，因为拉弯成形智能控制研究提供了基础机制。 5.使用最小二乘和BP人工神经网络的方法中，研究了在拉伸弯曲加工和摩擦系数的识别方法的材料的物理参数。预先在使用最小二乘识别算法的过程中，实现了材料的弹性模量E，对西格马的在线识别的屈服强度;在没有侧向压力，弯曲使用实现了在线辨识摩擦系数的最小二乘辨识方法弯曲相;在弯曲通过施加所述神经网络技术，在线识别的物理参数和摩擦系数模式建立弯曲相材料的侧向压力，实现了拉伸弯曲加工材料硬化指数n，强度系数K和亩的摩擦系数的在线识别。 6.使用BP神经网络和数据库的方法，来研究弯曲回弹在线预测控制技术。使用该数据库将分析计算，有限元计算和试验结果存储，从数据库中检索的拉弯形成初始加工参数的开始，然后用分析计算数据训练的人工神经网络进行回弹预测，根据该预测值的比例调整方法采用用于在线调整工艺参数，预测控制来实现的拉弯成形工艺参数。 7.设计并首次在国内先进功能开发的，控制该旋转台数控折弯机的稳定性，拉伸弯曲成形智能控制系统的基础上发展起来的，首次实现弯曲回弹的智能控制。 8.通过正交试验和回归分析法，研究了材料物理参数，拉弯成型工艺参数的影响规律对回弹。 9.拉弯成形智能控制实验。结果表明，采用本文建立拉伸弯曲的智能控制方法成形，可适应的材料物理参数和工作条件，高精度成形，回弹离散度可在0.07被控制的变化，回弹角度重复性可以控制在0.2度时，非智能控制方法可以由超过80加以改进，实现了拉伸弯曲成形精度，有效地缩短了拉弯部件的制造周期。本文对拉弯成形智能控制的过程中，建立了拉弯成形工艺的进一步研究智能控制系统，金属板材成形智能化提供了有价值的参考。论文由国家863机器人技术主题的发展和数控拉伸的发展折弯机和航空基金拉弯成形技术研究项目智能控制。目前，发展数控拉伸和研究折弯机已通过验收课题，研究成果已成功应用于拉伸一定的平面部分弯曲形成的轨迹。
新闻中心
