论文部分内容阅读
重卡曲轴作为重型卡车发动机的重要部件之一，在其发动机五大件（机体、曲轴、连杆、凸轮轴、缸盖）中是最难保证质量的零件。传统工艺上，通常采用铸造方法来生产曲轴，虽能得到比较理想的外观，但不能获得较为理想机械性能、金属流线及微观晶粒组织等，从而严重影响重卡曲轴机械性能及使用寿命。与传统工艺相比，锻造成形工艺能得到机械性能更好、金属流线分布更合理、微观组织晶粒更细的曲轴锻件；对于结构复杂，且具有高筋、薄板等难成形结构的重卡曲轴而言，通常需要进行多工序成形；但因曲轴平衡块分布位置不同、结构差异大等原因，使得曲轴在锻造成形过程中部分平衡块顶端容易出现填充不满型或锻造塌角的情况。所以对重卡曲轴锻模填充性能进行研究是非常有必要的。本文将针对某重卡曲轴模锻成形过程中，部分平衡块填充不满型及锻后飞边过大的情况开展研究，分析模具结构对重卡曲轴锻模填充性能的影响。结合实际生产现状并采用锻造成形模拟软件Deform，对重卡曲轴模锻成形过程进行有限元模拟仿真，分析飞边槽结构形式、模膛拔模斜度、模口圆角半径、预锻件连杆轴颈敷料高度对重卡曲轴锻模填充性能的影响。结合分析所得结论，对现役预锻模具的结构进行优化改进；在此基础之上，利用BP神经网络和遗传算法对模具结构参数进行寻优。首先通过数值模拟技术得到一组以上斜面斜度δ、楔形飞边槽斜面斜度β、二次拔模斜度γ和连杆轴颈处连皮高度ζ作为输入的输入数据，以重卡曲轴平衡块所对应模具型腔最小未充满距离L作为最终优化的目标函数，然后运用BP神经网络非线性拟合能力建立起输入与目标函数之间的非线性函数关系获得相应的网络训练结果，并将网络训练结果作为遗传算法种群个体适应度值，最后利用遗传算法对结构参数进行全局寻优求解，获得最优结果及其相应的条件。将优化后的预锻模具用于实际生产，通过实际生产验证发现，重卡曲轴平衡块顶端填充饱满，材料利用率提高到81.4%。这种将有限元模拟辅助设计与BP神经网络及遗传算法想结合的方法，改变了以往设计过程中模具结构参数的选取完全依赖于经验的局面、提高了模具设计的准确性、缩短了产品开发设计周期、节约模具开发成本，有利于提高企业市场竞争了。本文所得结论及规律可应用于其他同类长轴类产品的优化设计中，为新产品的开发及优化设计提供了有效的技术支持。