排序方式: 共有29条查询结果,搜索用时 62 毫秒
21.
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。 相似文献
22.
23.
24.
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。 相似文献
26.
28.