7075高强铝板塑性成形破裂理论预测与试验研究
发布时间：2020-12-19 23:07
高强铝合金板材具有密度小、比强度高以及冲击性能好等优点,被越来越多地应用于航空航天和汽车制造等领域。然而,高强铝板的成形性能较差,冲压成形过程中容易出现破裂缺陷,限制了高强铝板制件的推广。因此,便捷、有效地获取高强铝板塑性成形破裂判定的成形极限曲线,从而指导板件结构与成形工艺设计是该领域研究的重点问题。基于此,本文以AA7075-T6板材为载体,开展韧性断裂准则与M-K模型断裂理论以及实施方案研究,以期快速、准确的建立AA7075-T6板材的理论成形极限图,并开展断裂应变预测误差分析与半球形刚模胀形试验验证,讨论Lou-Huh准则和M-K模型对AA7075-T6板材的断裂预测精度及适用性能,为高强铝板成形性能分析提供参考依据。本文采用AA7075-T6铝合金板材,设计了10种不同应力状态的拉伸试样,并通过试验获取板材材料性能参数和力程曲线,并采用实验与仿真对标的方式提取了应力三轴度、Lode参数与等效塑性应变历程数据,为求解韧性断裂准则奠定了基础。采用Lou-Huh韧性断裂准则对铝合金板材进行了破裂研究。利用参数求解方法,即积分式方程组法、解析式方程组法和曲面拟合法,对板材破裂失稳的预...
【文章来源】：燕山大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
本文研究技术研究路线图
燕山大学工学硕士学位论文-8-图2-1AA7075-T6板材拉伸试样形状及其尺寸(mm)2.3缺口试样拉伸试验研究本文研究材料为2mm厚的AA7075-T6板材，属于Al-Zn-Mg-Cu系高强铝合金，具有良好的耐腐蚀性能和抗冲击性能。AA7075-T6板材的化学成分如表2-1所示。表2-1AA7075-T6板材化学组成(%)SiFeCuMnMgCrZnTiAl0.230.311.650.222.360.245.720.10Rem使用凝华中走丝线切割机沿板材轧制方向切取2.2节中所设计的9种缺口试样，并与板材轧制方向呈0°、45°和90°分别切取标准单向拉伸试样。对拉伸试样边缘进行磨光处理，避免因表面粗糙度造成集中应力的产生。在WDW型微机控制电子万能试验机上进行9种缺口试样和单向拉伸试样的拉伸试验。为了实现不同应力状态的缺口试样在观测变形区(即期望断裂起始区域)的应变速率趋近一致，本文采用有限元仿真逆向求解各试样的拉伸加载速度[27]，拟定目标应变速率为0.01s-1。严格按照试验环境和边界条件建立仿真模型，通过不断修正仿真环境试样的拉伸速度，使试样观测变形区域的应变速率场均值趋于拟定值0.01s-1，并通过试验测试确保期望断裂起始区域涵盖于仿真预测区域，最终确定10种试样的拉伸速度如表2-2所示。通过各试样多组重复试验，优选重复率高、稳定性好的试验组别确定相关数据，各试样拉伸力程曲线如图2-2所示。
第2章韧性断裂准则断裂相关状态变量求解-11-b)单向拉伸试样断口形貌c)剪切试样断口形貌d)圆弧缺口试样断口形貌e)三角缺口试样断口形貌图2-4AA7075-T6板材各拉伸试样微观断口形貌
【参考文献】：
期刊论文
[1]基于遗传算法优化小波神经网络数控机床热误差建模[J]. 李彬,张云,王立平,李学崑. 机械工程学报. 2019(21)
[2]基于Lou-2013韧性断裂准则5182铝板成形极限研究[J]. 杨卓云,赵长财,董国疆,陈光,朱良金,杜冰. 机械工程学报. 2019(16)
[3]基于三维成形极限应力图的AA6061挤压管材成形性能分析[J]. 朱良金,陈孟杰,王威,杜飞,董国疆. 中国机械工程. 2019(11)
[4]基于DEM-FEM的AZ31B板材软模成形极限预测[J]. 曹秒艳,李建超,苑亚宁,赵长财,董国疆. 中国有色金属学报. 2017(04)
[5]6061-T6铝合金板材热冲压成形极限图研究[J]. 郭亮,湛利华. 热加工工艺. 2017(05)
[6]基于压缩试验法的P91韧性断裂行为研究[J]. 刘雨桐,袁朝龙,吴任东,焦玮,强浩. 中国机械工程. 2016(16)
[7]基于M-K模型的IF钢成形极限预测与实验验证[J]. 余世浩,徐巍,梁江艳. 热加工工艺. 2016(07)
[8]5052铝合金冲压成形过程中韧性断裂的仿真研究[J]. 余海燕,王友. 中国有色金属学报. 2015(11)
[9]改进GA优化BP神经网络的短时交通流预测[J]. 卢建中,程浩. 合肥工业大学学报(自然科学版). 2015(01)
[10]岩石三轴试验机的现状及发展趋势[J]. 牛学超,张庆喜,岳中文. 岩土力学. 2013(02)
博士论文
[1]面向先进高强钢的韧性断裂预测模型研究与应用[D]. 穆磊.北京科技大学 2018
[2]考虑三轴度效应的奥氏体不锈钢深冷容器强度预测方法及其应用研究[D]. 吴琳琳.浙江大学 2014
硕士论文
[1]基于CAE的注塑件成型工艺参数优化研究[D]. 张鲁滨.贵州大学 2019
[2]基于十字拉伸原理的TA1板材成形性能的研究[D]. 邵若伟.沈阳航空航天大学 2019
[3]BP神经网络优化算法研究及在故障诊断中的应用[D]. 孙弋清.燕山大学 2018
[4]基于人工神经网络和遗传算法的塑料质感优化设计研究[D]. 张璐.天津大学 2018
[5]不同应力状态5A06铝合金板材断裂预测[D]. 王伟年.哈尔滨工业大学 2015
[6]基于改进BP神经网络的产品质量合格率预测研究[D]. 温文.华南理工大学 2014
[7]BP神经网络在股票投资分析中的应用[D]. 乔建伟.电子科技大学 2013
[8]基于改进BP神经网络的企业知识管理绩效评价研究[D]. 李小艳.华南理工大学 2013
[9]基于改进BP神经网络的电渗析脱盐率预测[D]. 杜文婷.东北石油大学 2012
[10]种群规模对遗传算法性能影响的研究[D]. 刘晓霞.华北电力大学（河北） 2010
本文编号：2926735
【文章来源】：燕山大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
本文研究技术研究路线图
燕山大学工学硕士学位论文-8-图2-1AA7075-T6板材拉伸试样形状及其尺寸(mm)2.3缺口试样拉伸试验研究本文研究材料为2mm厚的AA7075-T6板材，属于Al-Zn-Mg-Cu系高强铝合金，具有良好的耐腐蚀性能和抗冲击性能。AA7075-T6板材的化学成分如表2-1所示。表2-1AA7075-T6板材化学组成(%)SiFeCuMnMgCrZnTiAl0.230.311.650.222.360.245.720.10Rem使用凝华中走丝线切割机沿板材轧制方向切取2.2节中所设计的9种缺口试样，并与板材轧制方向呈0°、45°和90°分别切取标准单向拉伸试样。对拉伸试样边缘进行磨光处理，避免因表面粗糙度造成集中应力的产生。在WDW型微机控制电子万能试验机上进行9种缺口试样和单向拉伸试样的拉伸试验。为了实现不同应力状态的缺口试样在观测变形区(即期望断裂起始区域)的应变速率趋近一致，本文采用有限元仿真逆向求解各试样的拉伸加载速度[27]，拟定目标应变速率为0.01s-1。严格按照试验环境和边界条件建立仿真模型，通过不断修正仿真环境试样的拉伸速度，使试样观测变形区域的应变速率场均值趋于拟定值0.01s-1，并通过试验测试确保期望断裂起始区域涵盖于仿真预测区域，最终确定10种试样的拉伸速度如表2-2所示。通过各试样多组重复试验，优选重复率高、稳定性好的试验组别确定相关数据，各试样拉伸力程曲线如图2-2所示。
第2章韧性断裂准则断裂相关状态变量求解-11-b)单向拉伸试样断口形貌c)剪切试样断口形貌d)圆弧缺口试样断口形貌e)三角缺口试样断口形貌图2-4AA7075-T6板材各拉伸试样微观断口形貌
【参考文献】：
期刊论文
[1]基于遗传算法优化小波神经网络数控机床热误差建模[J]. 李彬,张云,王立平,李学崑. 机械工程学报. 2019(21)
[2]基于Lou-2013韧性断裂准则5182铝板成形极限研究[J]. 杨卓云,赵长财,董国疆,陈光,朱良金,杜冰. 机械工程学报. 2019(16)
[3]基于三维成形极限应力图的AA6061挤压管材成形性能分析[J]. 朱良金,陈孟杰,王威,杜飞,董国疆. 中国机械工程. 2019(11)
[4]基于DEM-FEM的AZ31B板材软模成形极限预测[J]. 曹秒艳,李建超,苑亚宁,赵长财,董国疆. 中国有色金属学报. 2017(04)
[5]6061-T6铝合金板材热冲压成形极限图研究[J]. 郭亮,湛利华. 热加工工艺. 2017(05)
[6]基于压缩试验法的P91韧性断裂行为研究[J]. 刘雨桐,袁朝龙,吴任东,焦玮,强浩. 中国机械工程. 2016(16)
[7]基于M-K模型的IF钢成形极限预测与实验验证[J]. 余世浩,徐巍,梁江艳. 热加工工艺. 2016(07)
[8]5052铝合金冲压成形过程中韧性断裂的仿真研究[J]. 余海燕,王友. 中国有色金属学报. 2015(11)
[9]改进GA优化BP神经网络的短时交通流预测[J]. 卢建中,程浩. 合肥工业大学学报(自然科学版). 2015(01)
[10]岩石三轴试验机的现状及发展趋势[J]. 牛学超,张庆喜,岳中文. 岩土力学. 2013(02)
博士论文
[1]面向先进高强钢的韧性断裂预测模型研究与应用[D]. 穆磊.北京科技大学 2018
[2]考虑三轴度效应的奥氏体不锈钢深冷容器强度预测方法及其应用研究[D]. 吴琳琳.浙江大学 2014
硕士论文
[1]基于CAE的注塑件成型工艺参数优化研究[D]. 张鲁滨.贵州大学 2019
[2]基于十字拉伸原理的TA1板材成形性能的研究[D]. 邵若伟.沈阳航空航天大学 2019
[3]BP神经网络优化算法研究及在故障诊断中的应用[D]. 孙弋清.燕山大学 2018
[4]基于人工神经网络和遗传算法的塑料质感优化设计研究[D]. 张璐.天津大学 2018
[5]不同应力状态5A06铝合金板材断裂预测[D]. 王伟年.哈尔滨工业大学 2015
[6]基于改进BP神经网络的产品质量合格率预测研究[D]. 温文.华南理工大学 2014
[7]BP神经网络在股票投资分析中的应用[D]. 乔建伟.电子科技大学 2013
[8]基于改进BP神经网络的企业知识管理绩效评价研究[D]. 李小艳.华南理工大学 2013
[9]基于改进BP神经网络的电渗析脱盐率预测[D]. 杜文婷.东北石油大学 2012
[10]种群规模对遗传算法性能影响的研究[D]. 刘晓霞.华北电力大学（河北） 2010
本文编号：2926735
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2926735.html
