TC类钛板材冲压成形难度

TC类钛板高温冲压成形难度评价系统的研究刘占军(沈阳航空工业学院,沈阳110034)TheresearchontheevaluationofdifficultsystemofhightemperaturecuttingshapeonTCLUIZhan-jun(ShenyangInstituteofAeronauticalEngineering,Shenyang110034China)摘要本文建立了针对TC1、TC2类钛板材拉深表面破裂冲压成形难度评价系统，研究了自适应共振神经网络的结构和内部作用原理，结合目标样本，给出了用于TC1、TC2类钛板材弯曲及拉深冲压成形难度评价的分类评价算法。关键词成形难度评价系统自适应共振神经网络评价算法Abstract：TheevaluationofdifficultsystemofTC1、TC2drawingshapeisbuilt.ThestructureandprincipleofAdaptiveNeuralNetworksisstudied,goalspecimenisused.TheevaluationmethodofdifficultsystemofTC1、TC2bendinganddrawingshapeisintroduced.Keywords:EvaluationofdifficultsystemofshapeAdaptiveNeuralNetworksEvaluationmethod1引言钛板材料因其具有高比强度、高比模量、耐腐蚀性和耐高温性能，在航空、航天、汽车等领域具有广泛的应用前景。用钛板材料制造的航空发动机零件，提高了飞机发动机的马力和扭力，降低了油耗和重量，缓解了噪音和振动问题，大大延长了飞机的寿命。对冷变形钛板材料性能研究已相对比较成熟，如0—钛板合金适于发展作冷变形的结构材料，具有强度高、挠性好、塑性好、成形特性极佳等特点。但高温变形钛板材料性能研究对长期处于高温工作状态的航空飞机来说更具实际意义。如SP700钛板合金在775°C可实现超塑成形和扩散连接，制造薄板形钛航空、航天结构件。因避开了钛变形抗力大、冷变形塑性差的缺陷，大幅度降低了钛板变形加工成本。TiB和TiC增强的钛基复合板材，600C时，随载荷升高，应变增大，符合弹性应变规律，最终板材屈服，由于加工硬化作用，应力升高到最大值后趋于稳态流动，随温度升高，抗拉强度降低，伸长率提高。板材冲压成形难度评价是合理确定冲压生产中材料选择、模具设计以及工程管理的各项标准，是对冲压件成形难度进行量化的过程。这一过程是由评价系统完成的。该系统不仅是对冲压件进行试模后的评价，更重要的是在工艺和模具设计阶段以及模具准备阶段所进行的预先评价。因此，对冲压件成形难度给以科学、准确的评价，对提高航空企业冲压成形技术，提高工艺水平和模具设计水平，特别是对提高航空企业经济效益具有重要的现实意义。本文提出了TC1、TC2类钛板高温弯曲及拉深冲压成形难度的评价体系和相关的评价模型，建立了基于TCI、TC2类钛板高温弯曲及拉深冲压件破裂极限、弯曲平面应变、最小相对弯曲半径、典型回弹角性能的四个方面平衡发展钛板材弯曲及拉深冲压成形难度预测评价体系。通过运用模糊综合评价的方法对TCI、TC2类钛板不同成型条件进行评价，22)形成相应标准样本，这些样本数量积累到一定程度时，就运用神经网络方法对板材弯曲及拉深冲压成形难度进行自动分类和评价。由于板材弯曲及拉深冲压成形难度评价是一个动态的过程，因此，要求选择的神经网络能适应外界环境的变化，能够作到实时学习，并在对已记忆模式快速学习的基础上能记忆新的学习模式，基于以上考虑选择ARP2网络。2板材成形难度总体预测评估理论基础2.1各项异性屈服准则由于板材存在明显的各项异性特性，而各项异性特性决定了板材成形的应变分布、壁厚减薄和成形难度，因此，评价板材各项异性特性的屈服准则即构成了板材总体成形难度评价理论的基础。本文选择了4种在板材成形中常用的各项异性特性的屈服准则：HILL1948二次屈服准贝I」，Barlat三参数屈服准则(YLD89),Barlat六参数屈服准则(YLD91),Barlat1996(YLD96)屈服准则［3］。流入凹模卜―一h()—*A/f/2-W-采用相同的工艺参数和不同屈服准则对TC2板材拉深过程应变进行数值模拟，试验结果表明:Barlat三参数屈服准则流入凹模卜―一h()—*A/f/2-W-2.2板材整体平均变形量成形度和成形难度如图1所示的拉深——胀形复合成形，其冲压件的整体成形P二AA/AP二AA/Ad0图1冲压成形件表面积及截面线段长度的增量式中A——成形前凹模轮廓内毛坯的面积；0AA——成形后冲压件在凹模轮廓内部分的表面积增量。凹模轮廓内部分的毛坯表面积增加量，一部分是由位于凹模轮廓内的毛坯胀形引起的另一部分则是由压料面上的材料流入引起的。若分别用AA表示胀形引起的毛坯表面积增量，AA表示由压料面上材料流入引起的sf表面积增量，则成形度为：1)AAAA1)P=—+dAA00实际上，覆盖件的表面积是很难测定的。因此，考虑到实用性和可行性，可选择能够代表冲压件形状、并能反映其变形特征的截面，取其截面线段长度的变化程度来表示成形度，即：AlAlAlP=+s+fdlll000式中l0——成形前凹模轮廓内毛坯的长度Al——成形件在凹模轮廓内剖面线段长度的增量;Al——胀形引起的凹模轮廓内剖面线段长度的增量；sAl——压斜面上材料流入引起的凹模轮廓内剖面线段长度的增量；f表面积增量和线段长度增量之间存在着由成形件的横截面及纵截面形状确定的某种关系，而不存在对任意截面都成立的固定关系。但从实用的角度出发，可以采用在某一允许范围内变动的比例关系。将式(1)中的AA/A项或式(2)中的Al/l项定义为胀形度，而AA/A项或Al/ls0s0f0s0项定义为拉深度，则成形度是由胀形度和拉深度组成的。如果冲压件的成形度已经确定，则当胀形度增加时，拉深度就减小；拉深度增大时，胀形度就减小。若拉深度为零，则成形度等于其胀形度，为纯胀形成形；若胀形度为零，则成形度等于拉深度，为纯拉深成形。此外，成形条件、材料特性等因素都会影响胀形度和拉深度在成形度中的比例。若取材料的成形极限为：F二(AA/A)0lim或F二(Al/l)0lim并定义：成形难度S为成形度与所用材料的成形极限之比，则S二P/Fd或S=P/fd对于成形极限与AA/A或Al/l无关的情况有：00S=(AA/A)/F0S二(Al/l°)/f3ART2神经网络原理及结构自适应共振神经网络模型(AdaptiveResonanceTheory，ARP)是由美国Boston大学S.Grossberg和A.Carpenter共同提出的。这种网络是利用生物神经细胞的自兴奋与侧抑制原理来指导学习，让输入模式通过网络双向连接权的作用来进行比较和识别，最后使网络对输入模式产生所谓的共振来完成对输入模式的记忆，并以同样的方式实现网络的回想。当网络已存储了一定的内容之后，则可以用它来进行识别。在识别过程中，如输入模式是已记忆的或与已记忆的模式十分相似，则网络会把它回想起来。如果是没有记忆的新模式，则在不影响原有记忆的前提下，把它记忆下来，并用一个没有过的输出层神经元作为这一新模式的分类标志。到目前为止，ART模型共有ART1、ART2和ART3三种形式，ART1适合于处理二值输入，ART2可以处理模拟量输入模式，ART3网络是由多个ART1网络构成的复合阶层型网络。由于用于板材弯曲冲压成形难度评价的各项指标经过处理后均为［0，1］之间的连续量，因此，可以用ART2模型对TC1、TC2类板材弯曲及拉深成型条件进行分类和评价。ART2网络由注意子系统和取向子系统构成。注意子系统中包括短期记忆STM特征表示场F1和短期记忆类别表示场F2,F1和F2之间的内外星连接权向量构成了网络的自适应长期记忆LTM,由下至上的权值用Z..表示，由上至下的权值用Z..表示。F1场的M个神经ijji元从外界接受输入模式X，经F1场内的特征增强与噪声抑制处理后通过至下而上的权值Z..ij送到F2。基于ART2网络的结构及有关运算可以给出应用于TC1、TC2类钛板材弯曲及拉深冲压成形难度自动评价的神经网络算法。4TC1、TC2类钛板材弯曲及拉深冲压成形难度分类和识别的网络学习算法初始化网络参数。取Z(0)=0乙.=1/(1-d)M"2,i=1,2……M，j=1,2……Noji，ijM为输入向量的维数，N为已有模式的个数。a、b、c、0为网络参数，a、b为F1内的反馈参数，它们大大小影响中层模式向量ui向输入模式xi靠近快慢，其取值可介于［1,6之间，取值越大则靠近速度越快，d为自上F2而下F1的反馈参数，其中c、d满足cd/(1—d)W1，0Wd〈1°d取值可参考［0.8,0.9］,c取值可参考［0.05,0.15］。0反映变换函数f(x)的非线形程度，决定F1抑制噪声对比增强能力，0增大则F1的收敛速度减慢，0的取值可参考0.1，0.4。在本算法中取a=b=1，c=0.1，d=0.9，0=0.4从k个输入样本中任选一个X给网络输入层。其中，M为选定的板材冲压成形难度指标个数。在F1场对输入样本X进行处理后得F2场的输入poX经F1场，稳定后特征值输入F2场进行竞争选择计算，选择最为匹配的一类，计算Tjo在F2中按下式进行竞争：T.*=max{T.}j=1,2,A,NJ当节点j*竞争获胜时，其他节点处于抑制状态。根据设定的警戒值参数p和匹配度判断输入样本是否归属该类,如果满足相似度要求则到(6),否则到(7)。p可根据希望得到的分类结果进行逐步调整。满足相似度要求，进行场间连接权的调整与学习，然后到(9)o当Zij和Zji两个向量平行时即Zij=Zji=Ui/l-d时学习结束。不满足相似度要求，发出重置波抑制此类，然后到(4)寻找另外的类别，如果所有可能都不满足要求则到(8)o开辟新类，在F2中生成一个新的节点。选择另外一个学习样本，返回(3)直到k个学习样本全部提供给网络。由于TC1、TC2类钛板材弯曲及拉深冲压成形难度自动评价的各指标值经过变换后都是［0,1］之间的实数，因此在F2场中的预处理过程不会使输入样本丢失信息，发生信息畸变。另外由于样本数据值分布比较集中，因此用该算法进行分类与识别时不会发生幅度信息错误和模式漂移。当用已知的学习样本训练好网络后，就可以对这些样本进行再次分类，分类时通过调整警戒值p来控制分类的个数，并用已有的属性来对ART2分类后的类别属性进行解释。当有新的样本输入时就可以自动地判断TC1、TC2类钛板材弯曲及拉深冲压成形难度的状况。5针对TC1、TC2类钛板材拉深表面破裂冲压成形难度评价系统TC1、TC2类钛板材拉深冲压破裂部位的破裂极限应变表示为：当£>0,（£）r不变，取£为局部成形度；当£<0,（£七）r不变，取（£七）为局部yxlimxyxylimxy成形度；则成形难度为：S=£/（£）li或S=（£-£）/（£-£）lixxlimxyxylim6结论本文建立了针对TC1、TC2类钛板材拉深表面破裂冲压成形难度评价系统，研究了自适应共振神经网络的结构和内部作用原理，结合目标样本，给出了用于TCI、TC2类钛板材弯曲及拉深冲压成形难度评价的分类评价算法。参考文献杨遇春。宇航材料工艺。2004年，第1期。吴今培.智能故障诊断与专家系统.北京:科学出版社,1997.黄毅宏.模具制造工艺.机