本文關鍵詞：典型汽車用板變形滯后回彈的試驗研究及有限元分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著汽車輕量化技術的不斷推進,各種高強鋼板與鋁合金板被廣泛應用于汽車車身及零部件制造中,因此其成形性能也日益受到關注。兩類典型汽車用板在變形卸載后除了發(fā)生因彈性變形產生的瞬時回彈外,還存在一種依賴于時間的滯后回彈現象。近年來,滯后回彈現象及其產生機理已經引起國際塑性領域的關注,一些國家的學者從不同角度相繼對其進行了相關研究和探索。本文以DP600高強鋼和AC170px鋁合金板為對象,針對其滯后回彈行為,通過宏觀試驗、有限元分析以及人工智能的方法展開研究,主要包括以下幾個方面:(1)不同變形條件下的單向拉伸試驗結果表明,卸載后的滯后回彈值隨拉伸速度的增加而增大,并且主要集中于瞬時回彈結束后的較短時間內,但是AC170px鋁合金過渡段的作用在快速變形情況下不可忽視。增加保壓時間可在一定程度上緩解滯后回彈量的增長速度,但效果不明顯,同時會降低生產效率。(2)彎曲變形后,滯后回彈大小隨彎曲角的增加而線性增長,隨彎曲速度的增加呈指數式增長。AC170px的彎曲滯后回彈對速度的響應不明顯,而DP600高強鋼在將彎曲速度提高至40mm/min時,卸載后的滯后回彈量明顯增加。(3)在通過應力松弛和蠕變試驗獲得材料相關黏彈性參數的基礎上,對比選擇不同的材料模型利用有限元模擬滯后回彈過程。更新的蠕變模型準確地反映了板材彎曲滯后回彈現象,有限元結果表明,殘余應力的釋放是驅動滯后回彈發(fā)生的原因之一。(4)以MATLAB為平臺,通過編程建立以時間為輸入、滯后回彈大小為輸出的BP神經網絡系統(tǒng),較好地預測了拉伸和彎曲變形滯后回彈值。由于BP神經網絡對樣本數據的依賴性,拉伸滯后回彈的預測結果更加準確。因此,生產實際中可以通過設置相應時間的回彈補償,以提高零部件的成形精度及后期裝配質量。
【關鍵詞】：滯后回彈 汽車用板 黏彈性 有限元分析 BP神經網絡
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TG115.5;TP18
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 研究背景和意義11-12
• 1.2 國內外研究現狀12-15
• 1.3 本文主要研究內容15-17
• 第2章 板材變形基本理論17-26
• 2.1 彈塑性變形基本理論17-22
• 2.1.1 應力應變關系17-19
• 2.1.2 屈服準則19-22
• 2.2 黏彈性力學基本理論22-25
• 2.2.1 基本元件22-23
• 2.2.2 Maxwell模型23
• 2.2.3 Kelvin模型23-24
• 2.2.4 廣義Maxwell模型與Kelvin模型24-25
• 2.3 本章小結25-26
• 第3章 實驗方法26-33
• 3.1 單向拉伸試驗26-27
• 3.1.1 試驗方法26-27
• 3.1.2 試驗結果27
• 3.2 板材滯后回彈試驗27-29
• 3.2.1 拉伸滯后回彈試驗27-28
• 3.2.2 三點彎滯后回彈試驗28-29
• 3.3 黏彈性力學試驗29-32
• 3.3.1 松弛試驗29-31
• 3.3.2 室溫蠕變試驗31-32
• 3.5 本章小結32-33
• 第4章 典型汽車用板變形滯后回彈試驗分析33-52
• 4.1 拉伸滯后回彈結果分析33-42
• 4.1.1 拉伸速度對滯后回彈的影響33-39
• 4.1.2 卸載過程對滯后回彈的影響39-42
• 4.2 三點彎滯后回彈結果分析42-50
• 4.2.1 彎曲角度對滯后回彈的影響43-47
• 4.2.2 彎曲速度對滯后回彈的影響47-50
• 4.3 結論50-52
• 第5章 典型汽車用板變形滯后回彈有限元分析52-68
• 5.1 有限元建模52-53
• 5.1.1 有限元模型52-53
• 5.1.2 材料模型53
• 5.1.3 接觸摩擦條件53
• 5.1.4 單元類型和網格劃分53
• 5.2 材料模型分析53-59
• 5.2.1 黏彈性材料模型54-56
• 5.2.2 蠕變模型56-58
• 5.2.3 有限元結果對比分析58-59
• 5.3 單元類型分析59-61
• 5.3.1 實體單元類型59
• 5.3.2 殼單元類型59-60
• 5.3.3 有限元結果對比分析60-61
• 5.4 滯后回彈有限元結果分析61-66
• 5.4.1 彎曲滯后回彈模擬結果分析61-65
• 5.4.2 拉伸滯后回彈模擬結果分析65-66
• 5.5 本章小結66-68
• 第6章 基于BP神經網絡的滯后回彈預測68-83
• 6.1 人工神經網絡概述68-69
• 6.2 BP神經網絡模型簡介69-75
• 6.2.1 BP神經網絡結構70
• 6.2.2 BP網絡學習算法70-72
• 6.2.3 BP算法的改進72-73
• 6.2.4 BP網絡參數設計73-75
• 6.3 基于BP神經網絡的滯后回彈預測模型實現75-81
• 6.3.1 樣本數據選取及處理76
• 6.3.2 BP網絡結構的確定76-77
• 6.3.3 BP神經網絡預測結果分析77-81
• 6.4 本章小結81-83
• 結論83-85
• 參考文獻85-89
• 攻讀學位期間發(fā)表論文與研究成果清單89-90
• 致謝90

【相似文獻】

中國期刊全文數據庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經網絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經網絡技術及其在鋼鐵工業(yè)中的應用第8講人工神經網絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經網絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經網絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經網絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經網絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經網絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經網絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經網絡進行觀測數據的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經網絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

中國重要會議論文全文數據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數據庫 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

  本文關鍵詞：典型汽車用板變形滯后回彈的試驗研究及有限元分析，由筆耕文化傳播整理發(fā)布。

本文編號：329939