汽車轉(zhuǎn)向節(jié)鍛造智能設計系統(tǒng)的研究與開發(fā).pdf

1、汽車工業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè)，作為制造汽車受力件和關鍵件主要手段的鍛造工藝在汽車零部件制造中占有重要地位。轉(zhuǎn)向節(jié)是汽車上的重要零件，品種多，用量大，目前主要通過鍛造工藝進行生產(chǎn)。轉(zhuǎn)向節(jié)是汽車鍛件中最難生產(chǎn)的鍛件之一，其鍛造設計水平代表了汽車鍛件的最高設計水平。轉(zhuǎn)向節(jié)在鍛造分類上屬于枝杈類鍛件，此類鍛件鍛造工序多，鍛造工藝復雜，對其鍛造工藝與模具設計要求高。 目前，轉(zhuǎn)向節(jié)鍛造生產(chǎn)面臨的主要問題是：鍛件材料利用率低，鍛造能耗高；轉(zhuǎn)向

2、節(jié)新品開發(fā)主要依靠設計者的經(jīng)驗，開發(fā)周期長，費用高，風險大。針對以上問題，本文重點研究轉(zhuǎn)向節(jié)的鍛造工藝設計和鍛造智能化設計。通過有限元分析和實驗研究相結(jié)合的方法，以省材節(jié)能為目的，進行轉(zhuǎn)向節(jié)鍛造工藝優(yōu)化與開發(fā)；開發(fā)轉(zhuǎn)向節(jié)鍛造設計專家系統(tǒng)，用來指導轉(zhuǎn)向節(jié)的鍛造工藝與模具設計，實現(xiàn)轉(zhuǎn)向節(jié)新品的短周期、低費用和高質(zhì)量的開發(fā)模式。 本文采用有限元軟件DEFORM-3D對典型轉(zhuǎn)向節(jié)鍛造過程進行了數(shù)值模擬。通過鍛造過程金屬流動分析、鍛件和模

3、具應力/應變場分析、鍛件溫度場分析和成形過程力能曲線分析，獲得了轉(zhuǎn)向節(jié)鍛造過程的成形規(guī)律。同時分析了摩擦因子等工藝參數(shù)對轉(zhuǎn)向節(jié)鍛造過程的影響。通過以上研究，給出了轉(zhuǎn)向節(jié)鍛造過程中可能出現(xiàn)的缺陷及原因，為轉(zhuǎn)向節(jié)鍛造工藝優(yōu)化與模具設計提供指導。 本文開發(fā)了一種復雜枝杈類鍛件的鍛造新工藝，能夠?qū)崿F(xiàn)該類鍛件在熱模鍛壓力機上的一火鍛造。通過數(shù)值模擬和實驗相結(jié)合的方法，以SK2鍛件為例，設計了合理的制坯工序，開發(fā)了封閉飛邊閉式模鍛工藝用于預

4、鍛工序，實現(xiàn)了該鍛件的一火鍛造，降低了能耗。本文同時針對長桿類轉(zhuǎn)向節(jié)臥式鍛造工藝進行研究，以SK1鍛件為例，開發(fā)了一種新的鍛造工藝。該工藝采用直接擠出桿部的制坯工藝，使預制坯的材料分配更為合理；同時開發(fā)了控制飛邊閉式模鍛工藝用于預鍛工序。新工藝顯著提高了材料利用率。 本文針對轉(zhuǎn)向節(jié)鍛造設計神經(jīng)網(wǎng)絡的關鍵技術進行研究。提出了單元和形狀因子的概念，用來描述鍛件特征，建立鍛件特征信息模型。所建鍛件特征信息模型既包含了特征尺寸，又包含了

5、特征形狀。為建立轉(zhuǎn)向節(jié)鍛件不同特征形狀對鍛造過程影響的統(tǒng)一評判標準，定義了六種單元類型，并對不同類型單元的成形過程進行了研究。在保證體積不變的前提下，建立了不同類型單元的成形模型，通過對比成形過程最大打擊能量，得到了不同類型單元對成形過程影響的程度。在此基礎上，計算得到單元形狀因子的大小，通過形狀因子對單元尺寸的修正得到鍛件特征信息。將轉(zhuǎn)向節(jié)鍛件和模具特征信息分別作為神經(jīng)網(wǎng)絡的輸入和輸出向量，建立了轉(zhuǎn)向節(jié)鍛造設計神經(jīng)網(wǎng)絡模型，該模型不僅

6、考慮了鍛件特征尺寸對成形過程的影響，也考慮了特征形狀的影響，同時將特征形狀的影響數(shù)值化。本文同時針對轉(zhuǎn)向節(jié)鍛造設計神經(jīng)網(wǎng)絡的類型、控制參數(shù)和訓練算法進行了研究。研究了在不同網(wǎng)絡類型、控制參數(shù)和訓練算法下神經(jīng)網(wǎng)絡的收斂情況和預測精度，給出了確定神經(jīng)網(wǎng)絡參數(shù)的建議。 本文研究了神經(jīng)網(wǎng)絡專家系統(tǒng)的基本結(jié)構(gòu)、知識表示和推理方式，在此基礎上，將轉(zhuǎn)向節(jié)鍛造設計理論和經(jīng)驗知識同人工智能理論有機地結(jié)合在一起，開發(fā)了汽車轉(zhuǎn)向節(jié)鍛造設計專家系統(tǒng)FD

7、esign-SK。研究了三十多組不同型號的轉(zhuǎn)向節(jié)鍛造實例，總結(jié)了其中的設計經(jīng)驗，并將這些經(jīng)驗知識存儲在系統(tǒng)中。該系統(tǒng)實現(xiàn)了神經(jīng)網(wǎng)絡和專家系統(tǒng)的協(xié)同式集成，克服了傳統(tǒng)的專家系統(tǒng)具有的推理單調(diào)性、知識獲取比較困難及不存在統(tǒng)一的知識表示方法等缺陷。該系統(tǒng)采用模塊化設計，界面友好，操作簡單。系統(tǒng)采用開放式設計，具備良好的自學習功能，可以根據(jù)需要不斷擴充和完善訓練樣本庫，用來擴大系統(tǒng)的應用范圍，提高預測精度和穩(wěn)定性。本文最后通過鍛造實例，給出了利