冲压成形数值仿真及人工神经网络预测的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题研究背景与意义 | 第7-8页 |
| ·数值模拟技术与人工智能在板料成形应用的发展概述 | 第8-10页 |
| ·数值模拟技术和软件的发展 | 第8-9页 |
| ·人工智能的发展 | 第9-10页 |
| ·全文研究的内容及章节安排 | 第10-11页 |
| 第二章 复杂冲压件成形有限元理论 | 第11-22页 |
| ·非线性弹性有限元理论基础 | 第11-14页 |
| ·非线性弹性基本方程 | 第11-12页 |
| ·非线性方程组的建立 | 第12-13页 |
| ·弹塑性本构关系 | 第13-14页 |
| ·虚功方程 | 第14页 |
| ·板模有限元理论 | 第14-18页 |
| ·板模有限元方程 | 第14-16页 |
| ·Dynaform几种模型子域形式 | 第16-17页 |
| ·模型子域形状 | 第17-18页 |
| ·边界条件的处理 | 第18-19页 |
| ·板料接触处理 | 第18页 |
| ·板料摩擦处理 | 第18-19页 |
| ·有限元计算的显式算法和其特点 | 第19-22页 |
| ·显示算法在复杂冲压件成形模拟方面的应用 | 第20-21页 |
| ·显式算法的注意问题 | 第21-22页 |
| 第三章 板料成形CAE分析及材料模型 | 第22-34页 |
| ·板料成形CAE分析 | 第22-26页 |
| ·屈服准则 | 第22-23页 |
| ·材料的强化模型 | 第23-24页 |
| ·应力应变关系 | 第24-25页 |
| ·CAE分析中子域尺寸控制 | 第25-26页 |
| ·与模型成形工具有关的参数 | 第26-30页 |
| ·工艺补充面 | 第26-28页 |
| ·摩擦系数 | 第28页 |
| ·凸凹模圆角半径 | 第28-29页 |
| ·压边力 | 第29页 |
| ·拉延筋 | 第29页 |
| ·凸凹模间隙 | 第29-30页 |
| ·DYNAFORM软件常用的模型 | 第30-34页 |
| ·刚体材料模型 | 第30-31页 |
| ·幂指数塑性材料模型 | 第31页 |
| ·分段线性材料模型 | 第31-32页 |
| ·厚向异性弹塑性材料模型 | 第32-33页 |
| ·带FLD的厚向异性弹塑性材料模型 | 第33-34页 |
| 第四章 汽车后门外板件冲压成形的分析 | 第34-49页 |
| ·零件冲压工艺分析和一般流程 | 第34-35页 |
| ·具体操作 | 第35-41页 |
| ·几何模型的建立 | 第35-36页 |
| ·导入模型和网格划分 | 第36-37页 |
| ·调整冲压方向与内部填充 | 第37页 |
| ·添加工艺补充面及内外压料面 | 第37-41页 |
| ·外压料面裁减 | 第41页 |
| ·坏料估算 | 第41-44页 |
| ·尺寸估算 | 第41-42页 |
| ·毛坯排样 | 第42-43页 |
| ·矩型包络 | 第43-44页 |
| ·生成Blank网格和拉延筋曲线 | 第44页 |
| ·快速设置及任务提交 | 第44-45页 |
| ·数值结果模拟分析与优化 | 第45页 |
| ·正交试验及数据分析 | 第45-49页 |
| 第五章 人工神经网络在冲压件上的应用 | 第49-56页 |
| ·人工神经元模型 | 第49-50页 |
| ·神经元的数学模型 | 第49-50页 |
| ·实现单个神经元映射y=φ(x)的学习法 | 第50页 |
| ·人工神经网络模型 | 第50-52页 |
| ·多层前向神经网络模型 | 第51-52页 |
| ·人工智能的BP算法 | 第52页 |
| ·应用人工智能进行预测 | 第52-56页 |
| ·样本获取与归一化处理 | 第52-53页 |
| ·建立神经网的输入与输出参数 | 第53-54页 |
| ·人工神经网络智能预测分析 | 第54-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 作者简介 | 第60页 |
| 攻读硕士学位期间研究成果 | 第60-61页 |
