基于机器学习的管材数控弯曲质量预测

在管材数控（NC）弯曲过程中,可能出现起皱、过度减薄的质量缺陷,同时会不可避免地发生回弹,都将严重影响成形质量。为了对数控弯曲成形质量进行预测,提出了使用有限元模拟与机器学习相结合的方法,并建立了快速的成形质量预测方法。首先,建立了有效的管材数控弯曲的参数化有限元模型,在工艺参数取值范围中随机选择进行大量的模拟实验作为样本,完成学习数据的挖掘。随后,基于径向基函数（RBF）神经网络建立壁厚减薄与回弹程度的预测模型并使用支持向量机（SVM）建立管材起皱的预测模型。最后,使用模型对新的实例进行预测,并利用模拟与数控弯曲实验对预测模型进行验证。 该方法可以对大直径薄壁管材数控弯曲质量进行有效的预测,提高弯曲管件零件设计效率。      

管材弯曲中壁厚变化引起横截面畸变的试验研究

分析了弯管壁厚的变形状态,利用壁厚变化对弯管内、外轮廓的形状畸变进行了试验研究。研究结果表明,管壁材料未发生失稳变形前所产生的管壁横截面畸变同样应该引起重视,并提出受弯管内、外轮廓变形所约束的最小相对弯曲半径的近似计算公式。     

弯管成形理论和技术研究进展与发展趋势(英文)

As one kind of key components with enormous quantities and diversities,the bent tube parts satisfy the increasing needs for lightweight and high-strength product from both materials and structure aspec...     

无缝钢管近净下料新工艺及实验研究

针对管材的近净下料问题,给出一种基于疲劳断裂机理的新型近净下料工艺。完成了近净下料机和控制系统的实验平台搭建,利用径向循环偏心加载和管材表面缺口的应力集中效应,通过变频调速改变下料模具加载速度,控制在不同下料阶段对管材的加载频率,实现管材的疲劳断裂,完成近净下料。实验结果表明,该近净下料方法切实可行,能满足工业生产中中小直径厚壁管的下料要求。     

基于PAM-TUBE 2G的管材弯曲成形数值模拟分析

管材弯曲成形工艺是飞机制造业中的一种非常重要的加工方法.在实际生产过程中,管材过度减薄或开裂、管材断面形状畸变严重、管材内侧失稳起皱等问题严重影响管材弯曲成形零件质量.PAM-TUBE 2G可以解决在管材弯曲成形工艺过程中模具设计、下料估计、精确成形模拟分析、回弹计算等问题.实例证明了PAM-TUBE 2G用来解决弯管成形工艺模拟是高效的.