典型汽车用板变形滞后回弹的试验研究及有限元分析

发布时间：2017-04-27 05:03

  本文关键词：典型汽车用板变形滞后回弹的试验研究及有限元分析，，由笔耕文化传播整理发布。

【摘要】：随着汽车轻量化技术的不断推进,各种高强钢板与铝合金板被广泛应用于汽车车身及零部件制造中,因此其成形性能也日益受到关注。两类典型汽车用板在变形卸载后除了发生因弹性变形产生的瞬时回弹外,还存在一种依赖于时间的滞后回弹现象。近年来,滞后回弹现象及其产生机理已经引起国际塑性领域的关注,一些国家的学者从不同角度相继对其进行了相关研究和探索。本文以DP600高强钢和AC170px铝合金板为对象,针对其滞后回弹行为,通过宏观试验、有限元分析以及人工智能的方法展开研究,主要包括以下几个方面:(1)不同变形条件下的单向拉伸试验结果表明,卸载后的滞后回弹值随拉伸速度的增加而增大,并且主要集中于瞬时回弹结束后的较短时间内,但是AC170px铝合金过渡段的作用在快速变形情况下不可忽视。增加保压时间可在一定程度上缓解滞后回弹量的增长速度,但效果不明显,同时会降低生产效率。(2)弯曲变形后,滞后回弹大小随弯曲角的增加而线性增长,随弯曲速度的增加呈指数式增长。AC170px的弯曲滞后回弹对速度的响应不明显,而DP600高强钢在将弯曲速度提高至40mm/min时,卸载后的滞后回弹量明显增加。(3)在通过应力松弛和蠕变试验获得材料相关黏弹性参数的基础上,对比选择不同的材料模型利用有限元模拟滞后回弹过程。更新的蠕变模型准确地反映了板材弯曲滞后回弹现象,有限元结果表明,残余应力的释放是驱动滞后回弹发生的原因之一。(4)以MATLAB为平台,通过编程建立以时间为输入、滞后回弹大小为输出的BP神经网络系统,较好地预测了拉伸和弯曲变形滞后回弹值。由于BP神经网络对样本数据的依赖性,拉伸滞后回弹的预测结果更加准确。因此,生产实际中可以通过设置相应时间的回弹补偿,以提高零部件的成形精度及后期装配质量。
【关键词】：滞后回弹 汽车用板 黏弹性 有限元分析 BP神经网络
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG115.5;TP18
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 国内外研究现状12-15
• 1.3 本文主要研究内容15-17
• 第2章 板材变形基本理论17-26
• 2.1 弹塑性变形基本理论17-22
• 2.1.1 应力应变关系17-19
• 2.1.2 屈服准则19-22
• 2.2 黏弹性力学基本理论22-25
• 2.2.1 基本元件22-23
• 2.2.2 Maxwell模型23
• 2.2.3 Kelvin模型23-24
• 2.2.4 广义Maxwell模型与Kelvin模型24-25
• 2.3 本章小结25-26
• 第3章 实验方法26-33
• 3.1 单向拉伸试验26-27
• 3.1.1 试验方法26-27
• 3.1.2 试验结果27
• 3.2 板材滞后回弹试验27-29
• 3.2.1 拉伸滞后回弹试验27-28
• 3.2.2 三点弯滞后回弹试验28-29
• 3.3 黏弹性力学试验29-32
• 3.3.1 松弛试验29-31
• 3.3.2 室温蠕变试验31-32
• 3.5 本章小结32-33
• 第4章 典型汽车用板变形滞后回弹试验分析33-52
• 4.1 拉伸滞后回弹结果分析33-42
• 4.1.1 拉伸速度对滞后回弹的影响33-39
• 4.1.2 卸载过程对滞后回弹的影响39-42
• 4.2 三点弯滞后回弹结果分析42-50
• 4.2.1 弯曲角度对滞后回弹的影响43-47
• 4.2.2 弯曲速度对滞后回弹的影响47-50
• 4.3 结论50-52
• 第5章 典型汽车用板变形滞后回弹有限元分析52-68
• 5.1 有限元建模52-53
• 5.1.1 有限元模型52-53
• 5.1.2 材料模型53
• 5.1.3 接触摩擦条件53
• 5.1.4 单元类型和网格划分53
• 5.2 材料模型分析53-59
• 5.2.1 黏弹性材料模型54-56
• 5.2.2 蠕变模型56-58
• 5.2.3 有限元结果对比分析58-59
• 5.3 单元类型分析59-61
• 5.3.1 实体单元类型59
• 5.3.2 壳单元类型59-60
• 5.3.3 有限元结果对比分析60-61
• 5.4 滞后回弹有限元结果分析61-66
• 5.4.1 弯曲滞后回弹模拟结果分析61-65
• 5.4.2 拉伸滞后回弹模拟结果分析65-66
• 5.5 本章小结66-68
• 第6章 基于BP神经网络的滞后回弹预测68-83
• 6.1 人工神经网络概述68-69
• 6.2 BP神经网络模型简介69-75
• 6.2.1 BP神经网络结构70
• 6.2.2 BP网络学习算法70-72
• 6.2.3 BP算法的改进72-73
• 6.2.4 BP网络参数设计73-75
• 6.3 基于BP神经网络的滞后回弹预测模型实现75-81
• 6.3.1 样本数据选取及处理76
• 6.3.2 BP网络结构的确定76-77
• 6.3.3 BP神经网络预测结果分析77-81
• 6.4 本章小结81-83
• 结论83-85
• 参考文献85-89
• 攻读学位期间发表论文与研究成果清单89-90
• 致谢90

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：典型汽车用板变形滞后回弹的试验研究及有限元分析，由笔耕文化传播整理发布。

本文编号：329939