7075铝合金板预拉伸夹持区预测方法

• 作 者: 王志刚
• 机 构: 南昌航空大学
• 出 处: 南昌航空大学
• 发表日期: 2017年01期
• 关键词: 铝合金厚板 预拉伸 极限下压量 滑移因子 最小夹持长度 反向步长递减

近几年,国内的加工工艺和设备都有了巨大的发展和进步,能够将航天航天等尖端产业中在制造过程中所产生的加工变形问题进行合理的规划和控制。但是影响航空结构材料即大型铝合金厚板的主要因素是初始残余应力的形成,而消除或或者减少残余应力一般是在毛坯生产过程,最主要的方法是对铝厚板进行预拉伸处理,该过程与制造过程无关。因此,运用预拉伸处理方法消除减少残余应力对加工变形的影响正逐渐成为影响加工变形的重要因素。因此,对7075铝合金板预拉伸夹持区预测方法的研究,对理论研究还是铝合金厚板制备及加工都有非常重要的意义。预拉伸是消除铝合金板材内淬火残余应力的主要方法,但拉伸机夹钳对板材两端的夹持不仅影响着板材端部残余应力的消除效果,而且还涉及到拉伸后板材的锯切量、成材率等问题。为此,本文通过研究铝合金板材预拉伸本构模型,边界条件、失效准则等关键技术,建立了极限下压量和滑移因子的有限元分析方法。其次,通过构造初始夹持长度的计算函数,以一定步长正向从初始夹持长度继续取值,根据当前值与上一次取值之间滑移因子的差异,确定下一次取值的步长及方向:若滑移因子相同则以相同步长继续正向取值,否则以递减的步长反向取值,直至步长的绝对值在阀值范围之内,构建最小夹持长度反向步长递减的确定算法,以此获得板材厚度、拉伸率为输入的神经网络训练样本。借助神经网络的非线性映射能力,通过有限组的训练样本,构建了最小夹持长度的神经网络预测模型。将预测值与相应的有限元仿真值进行比较,结果表明预测误差在5%以内,进一步验证了建立的工件变形预测模型具有合理性。