5产品特性映射到冲压工艺特征
5.1冲压工艺特征
冲压工艺特征比产品特性,因为它更抽象 用于制造过程从原料到最终产品。 冲压工艺特征是一个全面的描述一个夜间冲压 操作。这意味着定义应该包含所有冲压工艺特征 工艺参数、功能类型,与其他功能的关系。一些 典型的冲压工艺特性如表2所示。产品的形状 穿孔时获得达到较低的正中心是用来描述的过程 参数的特性。之间的关系不同冲压工艺特点是含蓄地表示,分别站在加沙地带布局。 ¯在嵌套模式是交互后,剩余的工艺设计工作 产品特性映射到冲压工艺特征。
5.2产品特性映射到冲压工艺特征
从产品特性映射到冲压工艺特征变换方法 冲压工艺特征的产品特性为一组,并分配每个 邮票的过程特性相关的死亡。 一般来说,有一个一对一的产品特性及其之间的关系 相应的冲压工艺特征。这些产品功能可以直接 映射到它们相应的冲压工艺特征。然而,也有 一些例外需要深入研究。 聪明的映射图 钣金图纸操作总是伴随着复杂的塑料 变形行为。如果足够大塑性变形导致的 扭曲的或金属板部分的开裂,变形可以不再 忽视了。目前,尽管《(有限元方法)可以使用 解决这些问题,在很大程度上的高成本和相对较低的精度 有限元法使得大多数设计师的使用它。 CBR(基于案例的推理)(Baletta 1991)是用来帮助映射产品 功能图绘制冲压工艺特征。映射的例子 图包含两个partsÐconditions(描述产品的特性) 结果(相应的冲压工艺特征的描述)。映射 从产品特性图对应是冲压工艺特征 寻找一个符合在基地和做一些相关案例 适应在这符合情况。阐释了映射过程®gure 3。在 描述产品的功能,分为定性的属性 属性和定量属性。定性属性包括材料 类型的一部分,安吉或非安吉和部分类型的绘画。
定量属性包括以外的所有其他属性定性属性, 例如,带钢的厚度,大部分的部分,等定性 属性索引在FoxBase数据库中。图4展示了一个示例 拉深特性。其定性属性是箱形断面,¯安吉,钢铁 表。其定量属性是形状参数见®gure 4。 检索匹配的情况下通过计算设计之间的相似之处 案例和案例的基础。对于每一种情况在基地中,限制 设置为阈值的相似之处(限制通常是由经验)。 如果计算相似度低于限制,是可以接受的。的 下面是该算法检索匹配的情况。
如果检索匹配的情况下,它是适应的比例之间匹配的情况和新情况。最后,新添加到案件的基础。 聪明的映射弯曲 回弹是一种塑性变形行为,这是其中一个最 重要因素,敬重板料弯曲过程中产品质量。如图所示 在表3中,一般设计规则应用于减少的映射过程 回弹。然而,对于高精度钣金零件、回弹值 通常需要计算和补偿。 的值的主要因素一个恳请回弹的性能 材料,包括杨氏模量、屈服强度和硬化指数 的材料,材料的厚度,和工艺参数,包括 弯曲角度和弯曲半径。这些因素之间的关系和回弹高度非线性,回弹的价值通常是确定通过经验或实验(肖et al . 1990年)。反向传播神经网络(BP网络)是最广泛的应用 arti®脸部用的神经网络(ANN)和可以执行任意的非线性映射 M-Dimension空间n维空间(顾1995年严,Nezis Vosniakos 1997)。然而,有几个问题在应用BP网络评价 价值的回弹。
(1)Dif®权利,获得学习样本。BP网络越复杂, 需要更多的学习样本。这将是非常昂贵的 学习样本有限元的计算或实验。 论文网
(2)学习结果有时收敛到局部最小值点 全球最小的点,这个问题的频率增加 随着神经元的数目的增加节点。
(3)学习的收敛过程非常缓慢,特别是对于大型集 的训练样本。 其中最e各自策略来克服上述问题是简化 BP网络的拓扑结构。在此,我们提出一种混合智能 CBR和安的方法来预测回弹的价值。定性 弯曲的属性映射情况下的材料性能,和量化 属性是冲压工艺参数和形状的部件。基于 这抚慰®阳离子,简单的BP网络架构建立只有一个 输出nodeÐthe回弹值和三个输入nodesÐthe厚度 材料、弯曲角度和弯曲半径。