[发明专利]基于有限元技术和人工神经网络的精冲模具磨损预测方法

权利要求书

1.一种基于有限元技术和人工神经网络的精冲模具磨损预测方法，其特征在于，包括：

有限元分析模型建立步骤，该步骤在Deform-3D中建立精冲模磨损有限元分析模型，采用Normalized Cockcroft and Latham断裂准则来预测精冲过程中坯料的裂纹扩展过程，引入Archard磨损模型来计算精冲过程中模具的磨损深度值；

神经网络模型建立步骤，该步骤采用正交试验设计方法，在Deform-3D中进行数值模拟，将所获取的模拟实验结果对设计好的神经网络模型进行训练，以获取精冲模具磨损量同精冲工艺参数之间的函数映射关系；

确定几何参数同模具磨损之间关系的步骤，该步骤确定冲裁间隙、凹模圆角半径同模具磨损量之间的函数关系，并确定模具硬度与冲裁次数之间的函数关系；

精冲模具磨损预测模型建立步骤，该步骤根据已经获取的精冲模具磨损量同精冲工艺参数之间的函数关系以及各工艺参数同磨损量之间的函数关系，基于Matlab计算平台建立精冲模磨损预测模型。

2.根据权利要求1所述的基于有限元技术和人工神经网络的精冲模具磨损预测方法，其特征在于：

所述有限元分析模型建立步骤中的Normalized Cockcroft and Latham断裂准则被用来预测精冲过程中冲裁材料的裂纹扩展过程：

C=∫0ϵ‾f(σ*σ‾)dϵ‾]]>

式中C是指断裂临界值；为材料在发生变形过程中的等效应变；和σ^*分别表示材料在发生塑性变形时的等效应力和最大主应力。

3.根据权利要求1或2所述的基于有限元技术和人工神经网络的精冲模具磨损预测方法，其特征在于：

所述有限元分析模型建立步骤中的Archard磨损模型为：

Archard磨损模型被用来计算在精冲过程中模具的磨损情况：

dV=kdp*dLH2]]>

式中V是指磨损体积；H代表模具材料硬度；p代表模具和坯料之间的接触压力；L代表坯料和模具的相对滑动距离；k是指磨损系数；

为了计算模具的磨损深度值，以便于通过几何关系构建冲裁间隙以及凹模圆角半径同模具磨损之间的关系，对上式进行变换：

dV＝dZ*dA，dp＝σ*dA，dL＝v*dt

式中dZ是指模具磨损深度值；dA为坯料同模具的接触面积；dL代表坯料同模具之间的相对滑动距离；σ，v，dt分别代表坯料同模具之间的应力，相对滑动速度以及滑动时间；将以上等式带入式等式两边同除以dA，即得：

dZ=kσvH2dt.]]>