钣金V形自由折弯回弹预测研究.pdfVIP

钣金V形自由折弯回弹预测研究

摘要

V形自由折弯是重要的钣金成形工艺，通过折弯机控制凸模行程来获得设定的折

弯角。由于板材在模具卸载后发生回弹，所以回弹后的折弯角为产品所需的折弯角。

因此，回弹量是V形自由折弯工艺设计必须考虑的工艺参数。如何建立准确的回弹预

测模型确定回弹量，并通过凸模行程控制进行回弹精确补偿，减少试折次数，从而精

确快速地实现所需的折弯成形角度精度，这是钣金自由折弯工艺的关键。基于此，本

文围绕钣金V形自由折弯工艺过程回弹问题，通过有限元模拟和折弯实验相互结合，

进行折弯回弹的影响因素分析，并采用机器学习算法建立折弯回弹预测模型和折弯回

弹修正模型，用来指导钣金自由折弯精准快速成形。主要研究成果如下所示：

（1）基于ABAQUS有限元软件平台，完成自由折弯模型的建立，采用显隐式结

合的方法来完成板材的折弯过程和回弹过程。综合考虑有限元模型参数选取与试验设

计方法，集成于ISIGHT平台实现参数化建模，为回弹因素敏感性分析与机器学习模

型建立提供大量样本。

（2）根据人工神经网络平均影响值方法，对V形自由折弯回弹影响因素进行敏

感性分析，筛选出敏感程度较大的因素，为后续模型输入参数的选择提供依据，并讨

论敏感因素对回弹的影响，得出结论：板材厚度、弹性模量、硬化指数、凸模行程与

板材的回弹量成反比；硬化系数、屈服强度、凹模槽宽与板材的回弹量成正比。

（3）以机器学习人工神经网络技术为研究手段，建立了不同因素下的回弹预测模

型，并引入了遗传算法对网络的初始权重和偏置进行优化，避免网络训练时陷入局部

最优。后续得到考虑13因素、7因素的GA-BPNN回弹角预测模型和凸模行程预测模

型，经验证所得模型在一定的精度内能够满足要求，7因素的GA-BPNN回弹角预测模

型和凸模行程预测模型适用于工程应用。

（4）通过人工神经网络和量纲分析法两种研究方法，基于7因素GA-BPNN凸模

行程预测模型，分别建立了凸模行程修正模型，经过对比，神经网络模型能够更精确

的起到修正作用；通过应用实例对7因素GA-BPNN凸模行程预测模型和凸模行程修

正模型进行检验，结果表明可以通过一次预测模型和两次修正模型使得最终成形角度

与目标角度误差保持在0.5°以内。最后基于MATLAB平台，设计了V形自由折弯

回弹预测交互界面，以便于两种模型的使用，可通过选择不同模型并输入所需参数值，

用于凸模行程预测和修正。

关键词：

折弯回弹，参数化建模，神经网络，量纲分析，预测模型，修正模型

Studiesonthepredictionofspring-backinairv-bendingofsheet-metal

Abstract

Airv-bendingisanimportantsheetmetalformingprocess,andthesetbendingangleis

obtainedbycontrollingthestrokeofthepunchbythebendingmachine.Becausetheplate

spring-backafterthemoldisunloaded,thebendingangleafterthespringbackisthebending

Anglerequiredbytheproduct.Therefore,theamountofspring-backisaprocessparameter

thatmustbeconsideredinthedesignoftheAirv-bendingprocess.Thekeyofsheetmetal

freebendingprocessishowtoestablishanaccuratespring-back