摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第9-19页 |
1.1 课题研究背景 | 第9-10页 |
1.2 汽车覆盖件成形数值模拟技术的发展 | 第10-11页 |
1.3 汽车覆盖件成形技术的国内外研究现状 | 第11-14页 |
1.3.1 汽车覆盖件成形技术的国内研究现状 | 第11-13页 |
1.3.2 汽车覆盖件成形技术的国外研究现状 | 第13-14页 |
1.4 课题的研究意义及研究工作内容 | 第14-19页 |
1.4.1 课题研究意义 | 第14-15页 |
1.4.2 课题研究工作内容 | 第15-19页 |
第二章 汽车覆盖件冲压成形CAE分析基本理论 | 第19-33页 |
2.1 板料冲压成形CAE分析有限元理论 | 第19-23页 |
2.1.1 有限变形的应变张量 | 第20-21页 |
2.1.2 有限变形的应力张量 | 第21-23页 |
2.2 板料冲压成形CAE分析关键技术 | 第23-31页 |
2.2.1 各向异性屈服准则 | 第23-25页 |
2.2.2 单元理论与网格划分技术 | 第25-26页 |
2.2.3 边界条件的处理 | 第26-28页 |
2.2.4 动力显式算法 | 第28-29页 |
2.2.5 成形极限图像 | 第29-31页 |
2.3 本章小结 | 第31-33页 |
第三章 基于Dynaform的汽车左后侧围外板成形分析 | 第33-55页 |
3.1 Dynaform5.9.2.1非线性有限元软件简介 | 第33页 |
3.2 产品工艺分析 | 第33-35页 |
3.3 材料对板料成形性影响以及材料选用 | 第35-37页 |
3.3.1 材料对板料成形性影响 | 第35-37页 |
3.3.2 选用材料的性质 | 第37页 |
3.4 工艺补充的设计 | 第37-40页 |
3.4.1 工艺补充方法 | 第37-38页 |
3.4.2 常见工艺补充类型 | 第38-40页 |
3.5 冲压方向的确定 | 第40-41页 |
3.6 拉延筋设计 | 第41-46页 |
3.6.1 拉延筋的作用机理 | 第41-42页 |
3.6.2 常用拉延筋 | 第42页 |
3.6.3 拉延筋的布置 | 第42-46页 |
3.7 汽车左后侧围外板坯料设计 | 第46-48页 |
3.8 汽车左后侧围外板的数值模拟 | 第48-53页 |
3.8.1 冲压成形过程与有限元模型建立 | 第48-50页 |
3.8.2 基于Dynaform的首次成形缺陷分析 | 第50-53页 |
3.9 本章小结 | 第53-55页 |
第四章 基于GS理论与正交试验设计的工艺参数筛选 | 第55-65页 |
4.1 成形质量评价指标 | 第55-56页 |
4.1.1 最大减薄率 | 第55-56页 |
4.1.2 最大增厚率 | 第56页 |
4.2 正交试验设计 | 第56-60页 |
4.2.1 正交试验设计简介 | 第56页 |
4.2.2 试验因子及其范围确定 | 第56-59页 |
4.2.3 正交试验方案 | 第59-60页 |
4.3 GS理论 | 第60-62页 |
4.3.1 GS理论简介 | 第60-61页 |
4.3.2 灰色关联度分析计算方法 | 第61-62页 |
4.3.3 汽车左后侧围外板成形参数的灰色关联分析 | 第62页 |
4.4 本章小结 | 第62-65页 |
第五章 基于神经网络遗传算法函数寻优的参数优化 | 第65-83页 |
5.1 拉丁超立方抽样 | 第65-68页 |
5.1.1 拉丁超立方抽样方法简介 | 第65-66页 |
5.1.2 基于拉丁超立方抽样的数据采集 | 第66-67页 |
5.1.3 优化对象数学模型的建立 | 第67-68页 |
5.2 基于神经网络遗传算法函数寻优的成形参数优化 | 第68-76页 |
5.2.1 BP神经网络阶段 | 第69-74页 |
5.2.2 遗传算法函数寻优阶段 | 第74-76页 |
5.3 优化结果与实验验证 | 第76-82页 |
5.3.1 优化结果验证与分析 | 第76-81页 |
5.3.2 实验验证 | 第81-82页 |
5.4 本章小结 | 第82-83页 |
第六章 结论与展望 | 第83-85页 |
6.1 主要结论 | 第83-84页 |
6.2 展望 | 第84-85页 |
致谢 | 第85-87页 |
参考文献 | 第87-93页 |
附录 攻读硕士阶段发表的论文和参与的科研项目 | 第93页 |