板料两道次拉深成形数值模拟方法研究

数值模拟在钣金多道次拉深成形工艺、模具的优化设计和提高模具的研发能力方面具有重大意义。目前研究者已经提出了多道次拉深数值模拟的一般步骤,但是仍有许多待解决的问题。综合考虑了影响数值模拟准确性的两个重要因素,介绍了多道次拉深数值模拟的简化步骤。结果表明：用此方法,成功有效完成了两道次拉深工艺的数值模拟。     

薄板拉深过程中的起皱与防皱的探讨

冲压工艺应用十分广泛，拉深是一种常规的冲压工艺方法。失稳起皱是拉深过程中的主要障碍，而压边力是板料成形过程中的重要参数之一，如何有效地防止失稳起皱是从业人员最为关注的问题。论述了薄板拉深过程中常规的防皱措施，提出了在拉深过程中压边力的变化趋势，指出理想的压边力可以随拉深起皱的变化规律而合理变化，并引人变压边力的优化技术概念。     

TC1钛合金端盖零件热拉深成形工艺研究

针对TC1钛合金端盖零件的结构特点,分析了零件的成形难点,对热拉深工艺的模具材料、温度、压边间隙、拉深速度等对零件成形性能的影响进行了研究,提出了合理的工艺参数。结果表明,该工艺方法可实现薄壁、大拉深比的TC1钛合金零件的精确成形,采用空气脱模的方式可获得平面度满足设计要求的零件,为类似零件的取件提供了工艺参考。     

钛合金冷拉深工艺初探

重点介绍了某零件的冷拉深工艺,用一般模具结构在普通冲压设备上室温拉深出了某端环零件,突破了钛合金板材冷拉深的禁区。工艺过程简单,加工成本低,零件质量高。并对取得的相关经验和数据进行了分析和讨论。     

不规则拉深件的工艺计算

本文用面积互补法简化不规则拉深件的工艺计算来确定不规则拉深件工艺最佳方案,并用此法对一锥底梯形盒形件作了具体的拉深工艺计算和模具设计。     

筒形件推拉拉深工艺研究

针对筒形件的后续拉深变形提出了一种新的推拉拉深工艺方法，并对此进行了较详细的理论分析和试验研究。     

高盒形件拉深浅析

介绍了高盒形件采用变薄拉深工艺代替普通拉深工艺，既满足了零件质量要求，又降低了模具成本。     

拉深件表面晶粒粗大问题的改进

我厂生产的JHA-1极化继电器外罩、MZJ-100接触器壳体等多项零件,均采用10~#钢板拉深成形。曾由于存在表面晶粒粗大和转角R处的局部缩颈现象,严重影响了产品的外观质量。经理论分析及多次工艺试验,找出了原因,制订了有效的改进措施。 1.原工艺分析 JHA-1外罩的原工艺过程:落料拉深→拉深(Ⅰ)→软化处理→拉深(Ⅱ)→软化处理→拉深(Ⅲ)→车端面…… 表面晶粒粗大均出现在拉深(Ⅱ)和拉深(Ⅲ)之后;晶粒粗大的位置均产生在上工序转角R处和本工序转角与侧壁之间。其它型外罩和壳体件的情况类似,而且JKM-54外罩的底面球形R处还出现了严重缩颈现象。 经对这些部位的材料变形量进行测试和计算(见图1):     

简易液压橡皮囊拉深防皱装置

一、概述拉深起皱是冲压拉深工艺中常见的故障之一。对于一般直筒形或直壁形零件的拉深起皱,可以通过调整压边力的方法来消除。但是对于底部具有大圆角转接的大型薄壁拉深件,如飞机涡轮风扇发动机头部的球形(或抛物面形)整流罩,光学仪器上应用的抛物面型反射罩,探照灯罩以及摩托车油箱等,若采用普通压料拉深方法进行拉深,则不可避免会产生起皱。其起皱的原因是由于拉深时,金属毛料与冲头接触面     

3.4377铝合金典型零件拉深成形

对3.4377铝合金材料典型零件的成形过程进行了分析。分析拉深成形原理,介绍了零件的特点,对零件成形时的应力应变情况进行了分析,详细介绍了所选零件的加工工艺流程,进行了该零件拉深成形的工艺参数计算和选择,确定了零件成形的模具结构以及拉深成形次数和每次拉深成形的深度,进行了工艺试验,确定了合适的成形过程参数,并对成形过程中所遇到的问题进行了分析研究,为以后该类材料的拉深成形提供了借鉴。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

基于改进BPNN复合材料层合板损伤识别

将B样条小波展开技术提取的损伤特征值作为改进BPNN输入进行学习与识别,识别结果显示该方法能够对复合材料层合板多种损伤进行快速准确的识别。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

BP神经网络在火灾烟气危害性分级中的应用

建筑物发生火灾时，燃烧产生的高热和有毒、有害气体对人构成很大威胁。本文利用ＢＰ神经网络对火灾烟气危害性进行分级，介绍了神经网络模型的结构、学习过程和算法。实例计算表明：利用神经网络对烟气危害性分级是合理可行的，具有一定的实用价值。     

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的 CFD 分析,计算量大、耗时长。本文发展基于本征正交分解（POD）和反向传播神经网络（BPNN）的翼型反设计方法,该方法的优化过程如下：首先,通过 Hicks-Henne 参数化,在设计空间中构造翼型外形的样本库,并利用 Xfoil/Fluent 对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立 POD 模型,即两层 POD 模型,并得到对应的基模态系数;最后,使用 BPNN 建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明：在亚/跨声速状态,基于 200 个样本训练所得的两层 POD+BPNN 模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…     

基于概率神经网络的发动机故障诊断

 用反向传播神经网络 (BPNN)和概率神经网络 (PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较。仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性。此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度。     

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。     

疲劳实验曲线拟合的神经网络方法

通过构造反向传播神经网络,对疲劳实验曲线进行学习,实现由神经网络表示的多维函数逼近。此种学习是一个慢速过程,但由这一逼近预测得出疲劳曲线则是一个快速过程。拟合结果表明,这一方法十分有效、稳定,便于使用。     

基于相似变换的涡扇发动机智能动态推力估计方法

智能推力估计面临飞行包线大、工作状态多变带来的数据采集和处理问题，获得的训练数据难以覆盖整个飞行包线的各种过渡工作状态，为此本文提出一种基于相似变换的推力估计数据处理方法。通过机理分析选择推力估计器输入，以相似变换对推力估计的输入和输出数据进行处理，并设计了基于输入延迟的深层动态神经网络来实现动态推力估计。非训练数据区域的动态仿真结果表明，相似变换后，深层动态神经网络的最大推力估计误差降低了62.20%，平均误差降低了43.50%；未进行相似变换时，相比深层静态神经网络，深层动态神经网络的最大推力估计误差降低了43.42%，平均误差降低了2.35%，仿真结果表明了本文所提出的数据处理方法和动态推力估计结构有效性。