多孔定位片零件冲压工艺及模具设计-落料冲孔、翻孔复合模含28张CAD图2副-独家.zip
多孔定位片零件冲压工艺及模具设计-落料冲孔、翻孔复合模含28张CAD图2副-独家.zip,多孔,定位,零件,冲压,工艺,模具设计,冲孔,复合,28,CAD,独家
10日世界大会在结构和多学科优化2013年5月19日- 24日,奥兰多,佛罗里达州,美国冲压回弹优化和失败的过程(1)法国的INRIA Sophia Antipolis(2) 穆罕默德五世大学,摩洛哥拉巴特(3)法国大学Sophia Antipolis, Mathematics Dept,作者 : fatima.oujebbourinria.fr1 文摘在汽车行业的最大挑战之一重点是板料成形过程中减肥操作, 为了生产高质量的金属部分用最小的成本生产。冲压是使用最广泛的金属板材成形过程,但其实现介绍几个困难,如回弹和失败。一个全球性的和简单的方法来规避这些不必要的过程缺点在于用创新的方法优化工艺参数。本文的目的是预防和预测这两种现象。为了这个目的,模拟的冲压工业工件调查评估回弹和失败。优化这两个cri -teria,全局优化方法选择,即模拟退火算法、杂化的同步扰动随机逼近,以获得在时间和精度。事实上,一般的冲压过程的优化是多目标和回弹失败是最常用的标准之一,他们反对信息通信技术。解决这类问题,正常边界交点和规范化正常约束法是两个件的方法帕累托最优解决方案的操作一组与前面点的均匀分布的特征。我们有许多基准问题进行,结果与NSGA-II相比Non-dominated排序遗传算法。然后,比较了这两个标准冲压问题。结果表明,该方法是ecient和准确的在大多数情况下。2。关键词:板料成形。回弹。失败。多目标优化。帕累托最优解决方案。3所示。介绍考虑到实际经济需求,冲压的优势,与其他处理相比,涉及复杂的功能,精确和有用的工件在生产速度高。然而,其实现是dicult。这个操作是在制造厂进行古典擅长-对试验和错误的方法这是一个缓慢而昂贵的方法,以及数值模拟夜间的冲压工艺单元法是另一种预测相关的许多问题金属成形过程。在目前的工作,工业的目标是预测和预防回弹和失败。这两个现象是在冲压过程中最常见的缺陷。他们现在diculties优化,因为他们是两个缺点ict的目标。形成测试摘要研究涉及工业工件的冲压印有一个十字架。来解决这个优化问题,选择的方法是基于一个启发式和杂交直接下降法。这种杂交两学科,旨在利用随机和确定性,为了提高鲁棒性的eciency混合算法。为多目标问题,我们采用方法基于帕累托的identication前面。有一个收敛之间的妥协对前面的方式解决方案表示不致敬,我们选择两个适当的方法。这些方法有能力捕捉帕累托面前,利用生成一组均匀分布的帕累托最优解决方案。的后者财产可以优化的重要和实际使用,一般来说,几个工业问题,确切地说,在板料成形问题。通过调整多目标问题成简略子问题和几个点,这两个方法可以计算一个相当均匀分配的帕累托最优解决方案,可以帮助设计者和决策者轻松地选择一个帕累托的解决方案在设计空间。重要的是要注意解决单目标的必要性子问题的全局优化方法,我们可以获得一个全球帕累托前沿,而由此产生的最适条件基于使用梯度局部优化算法只是当地的帕累托最优解决方案。评估的eciency多目标方法,经典数值benchmarkswere用于比较所获得的结果与成熟的技术多目标优化二Non-dominated排序遗传算法(NSGAII)。这篇论文结构如下:第四部分介绍了测试用例用于计算两个标准。部分5、发展的全局优化方法的原理,基于的杂交methaheuristic算法是模拟退火(SA)1和下降法即同步扰动随机逼近(SPSA)2和讨论使用的优点两种多目标优化的方法,这是正常的边界的交点(NBI)3规范化正常约束方法(NNCM)4,生成一组均匀帕累托-最优的解决方案。然后一个结论和观点看法提供了第六节。4所示。有限元分析的一个工业工件板料成形需要广泛的技术知识的理解,制造-荷兰国际集团(ing)应用标准,交互的处理和材料特性。5678。的冲压过程通常用于制造钣金产品。在这个过程中,最初弯曲或在空白材料夹模和压边圈之间。当冲头推入死腔,空白是可塑性变形specic形状的冲头和模具转移到它。最终产品的质量取决于适当的工具设计,选择空白的材料,压边力、润滑和其他一些在板料成形工艺参数。的夜间元素模拟板料成形是一种强大的工具,它允许廉价和快速测试冲压工艺的试验参数。近年来,夜间元素分析(FEA)已经成熟足够一个eective工具模拟冲压工艺和预测回弹失败。后者是复杂的物理现象,对众多因素(非常敏感的过程参数、材料特性、接触参数表和工具几何、屈服函数,很难传感器,集成方案)。铁配方中这些标准并不容易。各种各样的假设材料的行为,简单的弹塑性各向异性和加工硬化,可以原因胃镜偏差的数值预测回弹和失败的在真正的实践。极其dicult制定这些现象包括所有的分析模型这些因素。同时,diculty与分析方法是缺乏明确的形式的压力分布在整个表,这限制了简单的几何和简单的分析方法变形情况。4.1。与LS-DYNA有限元模型金属成形过程的数值模拟是目前的技术创新之一旨在减少模具成本高和便于分析和解决相关的问题这个过程。在这项研究中,商业有限元分析代码,LS-DYNA,是用来模拟冲压一个工业工件。LS-DYNA是一个显式和隐式有限元程序献给高度非线性物理现象的模拟和分析。我们的目标是研究影响冲压工艺的工艺参数的一个空白交叉穿孔(图1)。空白由高强度低合金钢(HSLA260)和使用Belytschko-Tsay外壳建模元素,与完整的集成点。图1:冲压工艺的初始和最终步骤(LS-DYNA)由于对称性,只有四分之一的空白,死,打孔和空白持有人被建模沿着边界和对称边界条件的飞机。力学性能的材料和工艺特点如表1所示。表1:流变和案例研究的工艺参数材料HSLA260杨氏模量196年平均绩点泊松比0.307密度7750Kg=m3硬化coecient0.957穿孔速度5m=s冲压中风30mm布兰克持有人的努力79250N摩擦coecient0.1254.2。回弹计算成本在板料成形,rst变形是弹性和可逆的;然后,这个属性不再是可能,所以变形是塑料。在这个操作过程中,金属板通常是畸形的符合形状的工具,除了卸货后,其原始表查找连接由于弹性组件的几何变形之前作为势能存储在工作表。这种现象被称为“回弹”。回弹的模拟涉及两个步骤:加载(冲压)和卸货。因此,金属板冲压仿真后的调查工件,LS-DYNA生成一个输出包含所有信息关于压力和紧张在卸货。基于这一信息,LS-DYNA可以模拟一个隐式的回弹集成方案。图2显示了一个小德检验的角落里代表的一部分回弹现象。图图2:模拟回弹(LS-DYNA)估计回弹,rst平均每个元素的残余压力,然后提取该组件的所有元素的最大值。因此,rst目标函数,即回弹标准,可以制定为情商。(1)。在哪里设计参数向量,m元素的总数,i元素数字和平均残余应变, ,n集成的总数点,j集成点数量。4.3。计算失败的成本冶金学家的板料成形过程中失败带来了一个巨大的挑战,限制的成形性钢板。当地出现的缺陷,一般来说,在局部地区的盖章。为了更好的描述失败,rst必要完全理解薄板的成形性。从这个意义上说,的概念,介绍了成形极限曲线(方法)69。它是由实验测试允许确定在单独的主应变空间齐次边界空间和局部压力(图3),只为更多的可靠性,我们认为是一个安全系数估计为10%,它允许我们考虑曲线方法低10%。因此,这条曲线描述的过渡安全的材料行为材料失败(如果存在开裂可能发起除此之外应变值曲线)。我们的研究旨在确定材料可以承受压力下形成没有失败的极限曲线。首先,从每个元素的应变张量,我们计算了校长空白midsurface菌株。通过将这些值主要菌株的方法图,我们看到的事实上,上面的元素,它们的主要菌株放置成形极限曲线失败,证实了这个失败由LS-DYNA仿真如图4所示。图3:HSLA260钢板的成形极限图图4:仿真的失败(LS-DYNA)是非常重要的提到本金值必须在本地系统而不是计算张量的窝在全球笛卡尔体系。制定第二个目标函数为情商。(2)。f2措施成本最关键元素的应变之间的距离(1)我和共同回应中的应变值极限曲线(f)我考虑规定的安全裕度。5。优化过程两个标准的优化问题、回弹和失败,是一个多目标优化问题。实际上,这些目标函数是昂贵的,在大多数情况下对抗,对一些敏感变量和可以存在多个最适条件。要解决这些问题,我们有追索权的新方法在全局优化方法基于杂交和帕累托前沿,判别方法为了利用全局优化方法的鲁棒性有一个帕累托面前容易利用工程师帕累托点均匀分布。5.1。简略的优化目前,混合meta-heuristics目前前景的方法优化,或-der具有较高的质量和精度。我们提出一种混合方法,在目前的工作显示效果很好。主要的优化算法是模拟退火(SA)方法1,与同步扰动随机逼近杂化(SPSA)方法21011。5.1.1。SA法该算法建立了柯克帕特里克1和赛尔尼12。它模拟的发展系统向最优conguration,大致说来,通过模拟一个热力学的进化对平衡系统。大都市13的算法旨在从一个初始conguration开始并提交系统扰动为每个范围的控制(温度)参数t .如果这扰动生成一个解决方案优化目标函数f,我们接受它;如果它oppositeeect,我们画一个0到1之间的随机数,如果这个数字小于或等于efT,我们接受conguration。因此,在高T,大多数congurations被接受的空间。通过逐步减少T,该算法允许更少的解决方案的优化目标函数;因此,非常低的T efT接近0和算法拒绝移动增加了成本函数。SA有很多优势,区别于其他优化算法。首先,它是一个全球性的优化方法,易于程序和适用于多个领域。另一方面,它有一些不便等参数的监管经验,过度的计算时间和较低的T,接受率的算法变得太弱,所以该方法变得ineective,因此耦合的想法与下降法算法以减少的数量目标功能评估。5.1.1。SA与SPSA杂化方法的一个方法,按照这种方法,回答了这个需求的方法命名的同步扰动随机逼近(SPSA)2。它是一种基于梯度的方法从随机摄动近似目标函数,只需要两个评估优化问题的目标函数无论维度,占其权力和相对轻松的实现。的问题最小化损失函数f(x),x是一个m -维向量,SPSA具有相同的一般递推随机近似形式如Eq。(3)。 gk( xk)的估计是梯度g(x)= f在迭代x xk。这个随机梯度近似计算的夜间dierence近似同步扰动,这样对于所有 xk随机摄动我们一起获得f( xk)的两个评估。然后,每个组件( gk xk)是一种比dierence除以一个dierence两者之间相应的评估间隔Eq。(4)。ck的地方是一个小的正数,变大变小,k和k =(k1,:,公里)t am维随机扰动向量;一个简单的和k的每个组件是证明了选择用伯努利分布概率12为每1的结果。收敛性要求是正义与发展党和ck去0利率既不太快也不太慢,以及成本函数吗应该suciently光滑接近最优。这样,当我们方法的收敛速度更快最优比模拟退火的随机波动。增加模拟的准确性退火时,我们需要实现SPSA每次移动后最小化目标函数。的大都市的标准总是给我们可能逃离当地的最适条件。5.2。多目标优化基于帕累托的概念,一个解决方案是帕累托最优或支配,如果集不可能改善没有退化的(成本)组件至少另一个。在目标函数的空间,所有支配解决方案集的集合称为帕累托前或eciency集。这是一般在设计工程师承认任何之一实现设计必须non-dominated,也就是说,帕累托的知识面前是一个必要的阶段。在我们的例子中,我们实现了两个众所周知的方法:正常边界的交点(NBI)法3和规范化正常约束方法(NNCM)4。5.2.1。正常的边界交点法让x1和x2两个人两个目标函数的解,分别f1(x)f2(x)的组件向量F =f1(x)f2(x)t。计算它们,我们使用混合方法先前描述。乌托邦点,F,是全球最小值包含个人的向量,f我= fi()的目标,即F =F1 f2)t。让Fi =f1(xi)f2(t)。个别最小值的凸包(詹)可以表示为一组在情商等点j。(5)。在哪里叫Pay-o matrix,叫和是的总数。图5:正常边界交点的方法NBI的主要想法是nd统一的传播组ecient点形成的十字路口可行的空间之间的边界和正常 n的詹在每个点j和指向原点。这一原则是代数由Das和丹尼斯3制定如下:它包含在情商解决单目标问题。(6)在每个点j。其中t代表点集属于正常。所以NBI方法上的一个点詹和搜索的最大距离沿着正常的指向原点的解决每个NBI子问题总是与我们的混合方法。5.2.2。规范化正常约束方法NNCM也是一个方法产生帕累托前和NBI一样的目的。首先,我们和个人独立全球最小值这两个目标,称为“锚点”,我们的混合方法。加入两个锚点线叫做“乌托邦线”。为了避免尺度依赖性,优化进行规范化设计目标空间中可以获得的标准化形式f的Eq。(7)。在和之后,我们从到矢量定向,叫做“乌托邦行向量” 每个点生成的乌托邦线, 我们解决NNCM子问题制定Eq。(8)。图6:规范化正常约束方法最后,相对应的设计方案可以评估每个帕累托解的逆转换情商的关系。(9)。提出的方法进行了比较与NSGAII算法14,普遍认为是代表国家的艺术和各种参考算法在多目标优化研究。结果证明该方法相比也有良好的表现同NSGAII。5.3。减少并发回弹和失败板料成形过程的一般优化问题几个diculties升起。一个经典在结构设计中,是标准(回弹和失败)没有明确的功能与尊重设计参数。此外,背后的弹塑性响应的计算两个标准非常昂贵。因此,每个优化步骤动员重要计算资源。一个经典的解决方案是使用代理。在我们的例子中,我们使用一个三次样条插值近似的回弹和失败。这个近似被领导比较评估克里格和RBF方法获得的元模型。代理的后验验证结果通过比较执行他们所做的准确评价LS-DYNA代码。本研究领导与空白rst时间厚度e和穿孔速度V p作为优化变量。SA与SPSA杂化是应用于减少回弹和失败的标准。根据结果,两个多目标优化方法,用于nd NBI和NNCM帕累托最优解集的标准空间即回弹标准和失效准则。NBI和NNCM方法加上SA杂化与SPSA获得全球解决方案在每个局部优化两种方法的步骤。图7显示了帕累托前沿用这两种方法,以及NSGAII结果做了对比。图7:回弹/失败帕累托前沿,从左到右:NBI - NNCM NSGA II。在第二步中,我们遵循了同样的程序来测试回弹的敏感性和失败两个附加参数的压边力coecient(BHF银行)和摩擦。众所周知,这两个参数对回弹的影响,失败不是可以忽略不计。的帕累托前沿取得与我们的方法是与一个获得NSGAII如图8所示。图8:帕累托的回弹和失败的四个参数帕累托前沿conrm回弹和失效标准是强烈的并发两个和四个参数情况。通过比较gur 7和8的帕累托前沿,通过考虑四个论述我们的话参数,我们identied更好的帕累托回弹和失效准则比前面只考虑厚度和穿孔速度。虽然我们的标准在第二种情况下的近似不明显(使用四维立方样条函数),可以捕捉到帕累托解NBI和NNCM方法用更少的分比NSGAII需要大量的人口和几代获得帕累托前面。6。结论我们两个众所周知的方法实现的,正常的边界交点nbi和正常的规范化约束-NNCM,致力于ecient identication multiobjec有关的帕累托方面有效的优化问题。我们最初的贡献是NBI和NNCM全球混合优化器,SASP方法。SASP算法使用模拟退火导致全球论述,并使用同步扰动随机逼近-SPSA这是一个“随机梯度”,进行局部优化。该方法成功地应用于工艺参数优化冲压的案例研究。的标准考虑回弹和失败保证工件。这些标准是已知的反对信息通信技术。作为模拟的弹塑性反应在冲压太计算昂贵,我们用三次样条的代理人参与成本。然后我们进行帕累托面前identication(代理成本)2四个工艺参数。获得的帕累托方面类似于NSGA-II的产生方法,而他们需要更少的成本评估。他们不仅证明了并发特性考虑成本,但也说明方法NBI的能力/ NNCM SASP和清晰与立方的代理人来处理多目标捕获相关的帕累托方面复杂的工艺参数优化。7所示。Aknowledgement。目前的工作是实现绿洲财团的框架内,由法国优质黄麻格兰特id。1004009 z。8。参考文献1 S. Kirkpatrick, C. D. Gelatt and M. P. Vecchi, Optimization by simulated annealing, Science, 220:671680, 1983.2 J. C. Spall, Introduction to Stochastic Search and Optimization: Estimation, Simulation, and Control,Jhon Wiley & Sons, Inc., Hoboken, New Jersey, 1998.3 I. Das and J. E. Dennis, Normal-Boundary Intersection, A new Method for Generating the ParetoSurface in Nonlinear Multicriteria Optimization Problems, SIAM Journal on Optimization, 8(3),631, 1998.4 A. Messac, A. Ismail-Yahaya and C. A. Mattson, The Normalized Normal Constraint Method forGenerating the Pareto Frontier, Struc. Multidisc. Optim., 25(2), 86-98, 2003.5 A. Col, Lemboutissage des aciers, Dunod, Paris, 2010.6 Z. Marciniak, J. L. Duncan and S. J. Hu, Mechanics of Sheet Metal Forming, Butterworth-Heinemann,Oxford, 2002.7 J. E. Marsden, S. Wiggins, T. J. R. Hughes and L. Sirovich, Computational Inelasticity, Springer-Verlag Inc, New York, 1998.8 F. Dunne and N. Petrinic, Introduction to computational plasticity, Oxford University Press Inc, NewYork, 2005.9 D. T. Llewellyn and R. C. Hudd, Steels: metallurgy and applications, Butterworth-Heinemann, Ox-ford, 1998.10 J. C. Spall, Implementation of the Simultaneous Perturbation Algorithm for Stochastic Optimiza-tion, IEEE Trans. Aerosp. Electron. Syst., 34(3), pages 817-823, 1998.11 J. C. Spall, An Overview of the Simultaneous Perturbation Method for E_cient Optimization, JohnsHopkins APL Technical Digest, vol. 19(4), pp. 482492, 1998.12 V. Cerny, C. D. Gelatt and M. P. Vecchi, Thermodynamical approach to the traveling salesmanproblem: an e_cient simulation algorithm, Journal of Optimization Theory and Applications, 45,4151, 1985.13 N. Metropolis, A. W. Rosenbluth, M. N. Rosenbluth, A. H. Teller, E. Teller, Equation of statecalculations by fast computing machines, J. Chem. Phys., tome 21, pages 1087-1090, 1953.14 K. Deb, Multiobjective genetic algorithms: Problem di_culties and construction of test problems,Evol. Comput., vol.8, no.2, pp. 205-230, 1999.
收藏