CN111753452B - 一种非晶合金零件的能场辅助智能多点成形方法及*** - Google Patents

一种非晶合金零件的能场辅助智能多点成形方法及*** Download PDF

Info

Publication number
CN111753452B
CN111753452B CN202010580979.XA CN202010580979A CN111753452B CN 111753452 B CN111753452 B CN 111753452B CN 202010580979 A CN202010580979 A CN 202010580979A CN 111753452 B CN111753452 B CN 111753452B
Authority
CN
China
Prior art keywords
forming
amorphous alloy
field
energy field
auxiliary energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010580979.XA
Other languages
English (en)
Other versions
CN111753452A (zh
Inventor
龚攀
丁华平
王新云
邓磊
金俊松
张茂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Shenzhen Huazhong University of Science and Technology Research Institute
Original Assignee
Huazhong University of Science and Technology
Shenzhen Huazhong University of Science and Technology Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology, Shenzhen Huazhong University of Science and Technology Research Institute filed Critical Huazhong University of Science and Technology
Priority to CN202010580979.XA priority Critical patent/CN111753452B/zh
Publication of CN111753452A publication Critical patent/CN111753452A/zh
Application granted granted Critical
Publication of CN111753452B publication Critical patent/CN111753452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D26/00—Shaping without cutting otherwise than using rigid devices or tools or yieldable or resilient pads, i.e. applying fluid pressure or magnetic forces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D26/00—Shaping without cutting otherwise than using rigid devices or tools or yieldable or resilient pads, i.e. applying fluid pressure or magnetic forces
    • B21D26/14—Shaping without cutting otherwise than using rigid devices or tools or yieldable or resilient pads, i.e. applying fluid pressure or magnetic forces applying magnetic forces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Fluid Mechanics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Shaping Metal By Deep-Drawing, Or The Like (AREA)
  • Mounting, Exchange, And Manufacturing Of Dies (AREA)

Abstract

本发明属于非晶合金柔性成形领域，更具体地，涉及一种非晶合金零件的能场辅助智能多点成形方法及***。首先根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，将板坯划分为若干个成形区域；赋予各成形区域包括能场在内的成形工艺参数，构成该零件内部的场分布，对该非晶合金零件进行成形过程的有限元模拟，然后利用遗传控制算法对数据样本进行寻优，得到针对不同成形区域的效果最优的工艺参数组合，即最优场分布；在获得的最优场分布下采用多点成形工艺进行目标非晶合金零件的成形。本发明通过在零件内部构成场分布，协调零件整体成形，能够实现非晶合金复杂零件的形性协同智能制造，降低生产成本，提高产品质量。

Description

一种非晶合金零件的能场辅助智能多点成形方法及***
技术领域
本发明属于非晶合金柔性成形领域，更具体地，涉及一种非晶合金零件的能场辅助智能多点成形方法及***。
背景技术
目前一些大型航天装备，如运载器、卫星、飞船、深空探测器等空间飞行器的成形制造不断朝着轻量化、整体化、复杂化、高性能化的方向发展。高超声速飞机发动机的换热***、涡轮机匣，卫星蒸汽腔微型热控***，大型飞机表面蒙皮微沟槽降阻结构等高端装备的关键零部件加工难度不断加大。如何实现带局部微结构特征的大型复杂零件形性协同一体化制造是现代高端制造的重要课题。金属玻璃(又称非晶合金)是采用现代快速凝固冶金技术合成的，兼有一般金属和玻璃优异的力学、物理和化学性能的新型合金材料，而且将其加热至过冷液相区时表现为类似“橡皮泥”的状态，拥有超塑性变形的能力，因此拥有优良的精密加工性能，甚至可以制备出微米甚至纳米级的结构。作为一种新型高性能材料，非晶合金在航空航天、精密机械等诸多领域均具有广阔的潜在前景。
但是传统成形方法需要加工出相应的大型成形工装，对于曲面零件，其工装更加复杂，加工成本极高。当需要成形极端尺寸(＜1mm)下的微型零件或微结构时，成形难度较大，可能需要多次成形，且成形过程中非晶合金极易发生晶化、氧化，同时弛豫脆性不可避免。非晶合金材料的室温脆性使得其实际服役过程中存在较大的安全隐患。因此，现有成形技术难以实现高性能复杂非晶合金零件的控形控性协同制造，极大限制了其工业应用。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种非晶合金零件的能场辅助智能多点成形方法及***，其充分结合多点成形工艺的特点，针对性地对复杂非晶合金零件的制造方法进行重新设计，基于塑性流变、晶化动力学理论建立的有限元数值模拟与遗传控制算法协同的智能工艺优化专家***，辅助工艺设计、过程控制，协调零件整体成形，该发明能够实现非晶合金复杂零件的形性协同智能制造，降低生产成本，提高产品质量，因而尤其适用于高性能复杂非晶合金零件的控形控性协同制造应用场合。
针对现有技术的上述缺点和/或改进需求，本发明提供了一种非晶合金零件的能场辅助智能多点成形方法，通过首先对非晶合金板坯划分的若干个成形区域在不同的成形工艺参数构成的场分布条件下，基于塑性流变和晶化动力学理论进行有限元数值模拟，所述成形工艺参数包括辅助能场参数；然后以场分布作为种群个体，根据有限元模拟结果定义种群个体的适应度，借助于遗传算法求解，获得不同成形区域的最佳成形工艺参数组合即最优场分布，进而在该最优场分布下进行多点成形。
优选地，所述多点成形方法，包括如下步骤：
(1)根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，将板坯划分为若干个成形区域；
(2)为各成形区域赋予成形工艺参数，各成形区域工艺参数的集合构成了该零件内部的场分布，利用预先建立的该非晶合金零件对应的非晶合金材料在相应工艺参数下的流变数据库、微观组织演变数据库对该非晶合金零件在该场分布下进行成形过程的有限元模拟，将模拟得到的零件形状尺寸、微观组织和缺陷数量结果与目标非晶合金零件的形状尺寸、微观组织和缺陷数量分别进行比较，得到该场分布下零件的形状尺寸偏差△p，微观组织偏差△m和缺陷数量偏差△s；
(3)通过遗传算法求解最优场分布，其中种群个体为各成形区域的成形工艺参数的集合，定义目标优化函数Q＝f(△p,△m,△s)作为个体的适应度，利用遗传控制算法对数据样本进行寻优，得到针对各成形区域的成形效果最优的工艺参数组合，称之为最优场分布；
(4)在步骤(3)获得的最优场分布下采用多点成形工艺进行目标非晶合金零件的成形。
优选地，所述成形工艺参数包括成形温度、成形压力、应变速率和辅助能场参数在内的一系列工艺参数中的一种或多种的组合。
优选地，步骤(2)所述非晶合金材料在相应工艺参数下的流变数据库、微观组织演变数据库按照如下方法获得：
以成形温度、成形压力、应变速率和辅助能场参数为设计变量，在各设计变量的取值范围内选取若干个水平，确定试验的组数和各试验组的具体参数，实施单因素试验和/或正交试验方案，获得辅助能场作用下目标非晶合金零件对应的非晶合金材料的流变数据、微观组织演变数据，进而得出各变量对该零件成形过程、微观组织的影响规律，建立该零件在所述工艺参数下的流变数据库、微观组织演变数据库。
优选地，所述辅助能场为超声场、磁场、电场、电磁场和激光中的一种或多种。
优选地，所述辅助能场为超声场时，对应的辅助能场参数包括超声场的频率、超声场的振幅；
所述辅助能场为电场时，对应的辅助能场参数包括电场的电流幅值、电场的脉冲周期；
所述辅助能场为磁场时，对应的辅助能场参数包括磁场的磁场强度；
所述辅助能场为激光时，对应的辅助能场参数包括激光的功率、激光的光斑直径。
优选地，步骤(3)所述遗传算法包括选择运算，第i个个体被选中的概率为
Figure BDA0002553155700000031
其中，Qi为个体的适应度值，N为种群个体的数量。
优选地，所述遗传算法包括交叉运算，染色体上任一位置均可交叉重组，
使用非一致交叉算子，其表达式为
Figure BDA0002553155700000041
其中，mks和mls分别为染色体mk和ml的第s个位置，其中s＝1、2、3，M为[0，1]之间的随机数。
优选地，所述遗传算法包括变异运算，随机选择一个个体随机改变染色体上某个值，mks遵循如下变异公式
Figure BDA0002553155700000042
其中，mmax为mks的上限值，mmin为mks的下限值，g为当前进化的代数，Gmax为最大进化次数，r为[0，1]之间的随机数。
优选地，步骤(4)具体为：先对待成形非晶合金板材进行预热处理，并将其置于多点成形模具的上下对压成形单元之间，根据步骤(3)获得的最优参数组合，先对各成形区域进行柔性压边，然后启动各成形单元上的辅助能场装置，设置各成形单元的工艺参数，在该最佳工艺参数组合下进行目标非晶合金零件的成形。
按照本发明的另一个方面，提供了一种利用所述非晶合金零件的能场辅助智能多点成形方法的多点成形***，包括数模提取与智能优化单元、多点成形单元和辅助能场单元；所述数模提取与智能优化单元的输出端分别连接所述多点成形单元和所述辅助能场单元的输入端；
所述数模提取与智能优化单元用于根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，将板坯划分为若干个成形区域；并根据预先建立的该非晶合金零件对应的非晶合金材料在多点成形工艺参数下的流变数据库、微观组织演变数据库对该非晶合金零件在当前场分布下进行成形过程的有限元模拟；最后利用遗传控制算法对数据样本进行寻优，将得到的针对不同成形区域的效果最优的参数组合输出并传输给所述多点成形单元和所述辅助能场单元；
所述多点成形单元用于根据所述数模提取与智能优化单元输出的最优工艺参数组合对板坯进行多点加工成形；
所述辅助能场单元用于根据所述数模提取与智能优化单元输出的最优工艺参数组合中的辅助能场参数对相应的一个或多个成形区域提供辅助能场。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
(1)本发明提出的一种非晶合金零件的能场辅助智能多点成形方法，通过首先对非晶合金板坯划分的若干个成形区域在不同的工艺参数构成的场分布条件下、基于塑性流变和晶化动力学理论进行有限元数值模拟，然后以场分布作为种群个体，根据有限元模拟结果定义种群个体的适应度，借助于遗传算法求解，获得不同成形单元的最佳成形工艺参数组合即最优场分布，进而在该最优场分布下进行多点成形。本发明基于塑性流变、晶化动力学理论建立的有限元数值模拟与遗传控制算法协同的智能工艺优化专家***，通过在零件内部构成场分布，辅助工艺设计、过程控制，协调零件整体成形。
(2)本发明提出的一种非晶合金零件的能场辅助智能多点成形方法，结合多点成形工艺和非晶合金材料的特点，将超声、电、电磁、激光等单一或多场耦合特种能场集成到多点成形***的某些成形单元上，在零件内部构建不均匀分布的热、电、力、声、磁场，用于在成形过程中合理调控各区域材料塑性变形能力和微观组织，协调复杂非晶合金零件的整体控形、控性。
(3)本发明采用的辅助能场用于在成形过程中精准调控材料变形行为及微观组织，同时改善非晶合金零件的最终服役性能。其中超声场不仅降低非晶合金变形抗力，提高成形均匀性，同时可通过调节超声能量使非晶合金出现纳米晶，达到局部增韧的效果，改善零件整体服役性能；电流场可产生电致塑性效应、焦耳热效应，电磁高速成形、激光冲击和快速加热，都使得非晶合金的成形更加高效，成形能力增强，提高成形极限，避免成形过程的晶化、氧化和结构弛豫脆性，实现大尺寸、高性能、具有复杂精细结构非晶合金零件形性协同柔性化制造。
(4)由于能场参数作用非线性较强，同时多能场之间耦合效应较为复杂，依赖传统人工试错的方式优化工艺耗时费力，因此本发明基于金属塑性流变、晶化动力学理论建立了数值模拟与遗传控制算法协同的智能工艺优化专家***，能够摆脱传统试错和过度依赖人工经验导致的高成本，缩短制造周期并提高成形质量。同时在成形装置中采用智能闭环反馈控制方式对成形过程进行在线监测调控，实现复杂非晶合金零件的智能化制造。
(5)传统多点成形对于曲率大、形状突变等带局部难成形特征的复杂零件制造仍具有一定的局限性，本发明将多点成形工艺与能场复合，通过调控能场分布，控制材料流动，提高变形协调性，从而实现局部小圆角、微沟槽等难成形特征成形，实现控形、控性一体化。
附图说明
图1是本发明提出的非晶合金零件的局部能场辅助智能多点成形方法流程图；
图2是本发明提出的非晶合金零件的局部能场辅助智能多点成形***示意框图；
图3是按照本发明的优选实施例所构建的局部超声场辅助多点成形方法装置简图；
图4是按照本发明的优选实施例所构建的超声场辅助成形***示意图；
图5是按照本发明的优选实施例所构建的局部电磁场辅助多点成形方法装置简图；
图6是按照本发明的优选实施例所构建的电磁场辅助成形***示意图；
图7是按照本发明的优选实施例所构建的局部电场辅助多点成形方法装置简图；
图8是按照本发明的优选实施例所构建的局部激光场辅助多点成形方法装置简图。
在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：
1-多点成形单元，2-超声场辅助成形单元，3-柔性压边单元，4-超声控制电源，5-成形工具头，6-变幅杆，7-超声换能器，8-电磁场辅助成形***；9-电磁线圈,10-电磁激发电源，11-电场辅助成形单元，12-激光场辅助成形单元。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供的一种非晶合金零件的局部能场辅助智能多点成形方法，通过首先对非晶合金板坯划分的若干个成形区域在不同的成形工艺参数构成的场分布条件下，基于塑性流变和晶化动力学理论进行有限元数值模拟，所述成形工艺参数包括辅助能场参数；然后以场分布作为种群个体，根据有限元模拟结果定义种群个体的适应度，借助于遗传算法求解，获得不同成形区域的最佳成形工艺参数组合即最优场分布，进而在该最优场分布下进行多点成形。
如图1所示，本发明提出的多点成形方法，包括如下步骤：
(1)几何建模及划分区域：根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，将板坯划分为若干个成形区域；
(2)有限元模拟：为各成形区域赋予成形工艺参数，各成形区域工艺参数的集合构成了该零件内部的场分布，利用预先建立的该非晶合金零件对应的非晶合金材料在相应工艺参数下的流变数据库、微观组织演变数据库对该非晶合金零件在该场分布下进行成形过程的有限元模拟，将模拟得到的零件形状尺寸、微观组织和缺陷数量结果与目标非晶合金零件的形状尺寸、微观组织和缺陷数量分别进行比较，得到该场分布下零件的形状尺寸偏差△p，微观组织偏差△m和缺陷数量偏差△s；
(3)遗传算法求解最优场分布：其中种群个体为各成形区域的成形工艺参数的集合，定义目标优化函数Q＝f(△p,△m,△s)作为个体的适应度，利用遗传控制算法对数据样本进行寻优，得到针对各成形区域的成形效果最优的工艺参数组合，称之为最优场分布；
(4)能场辅助多点成形：在步骤(3)获得的最优场分布下采用多点成形工艺进行目标非晶合金零件的成形。
本发明将基于塑性流变、晶化动力学理论建立的有限元数值模拟与遗传控制算法协同的***称为智能工艺优化专家***。本发明通过智能工艺优化专家***获得最佳场分布，结合多点成形工艺特点，成形时在零件内部构建场分布调控材料变形行为与微观组织，达到协调零件整体成形的目的。
一些实施例中，首先对目标非晶合金零件进行三维扫描，获得所述目标非晶合金零件的形状轮廓信息；将非晶合金板坯(待成形的非晶合金板材)、目标非晶合金零件的几何模型输入商用有限元软件ANSYS，根据目标非晶合金零件的几何特点将其划分为若干个成形区域。
一些实施例中，所述成形工艺参数包括成形温度、成形压力、应变速率和辅助能场参数在内的一系列工艺参数中的一种或多种的组合。
一些实施例中，所述非晶合金零件对应的非晶合金材料在能场作用下的流变数据库、微观组织演变数据库按照如下方法获得：
以成形温度、成形压力、应变速率和辅助能场参数为设计变量，在各设计变量的取值范围内选取若干个水平，确定试验的组数和各试验组的具体参数，实施单因素试验和/或正交试验方案，获得辅助能场作用下目标非晶合金零件对应的非晶合金材料的流变数据、微观组织演变数据，进而得出各变量对该零件成形过程、微观组织的影响规律，建立该非晶合金零件对应的非晶合金材料在能场作用下的流变数据库、微观组织演变数据库。
本发明所述成形温度是指各成形区域的热成形温度，依据非晶合金的热力学温度参数Tg、Tx确定，非晶合金零件成形温度应选取在过冷液相区内。本发明成形压力可根据材料应力-应变数据确定，取值应大于对应成形温度下的屈服应力；所述成形压力具体到边缘压边区域时就是压边力。所述应变速率对应成形区域的运动速度(建立数据库时变量为应变速率，有限元模拟时该变量对应模具成形单元的运动速率)；所述能场辅助参数选自超声场的频率、超声场的振幅、磁场的磁感应强度、激光场的功率、激光场的光斑直径、电场的电流脉冲幅值、电场的周期；所述工艺参数及其取值均可以根据材料数据库和设备能力、生产经验确定。
一些实施例中，获取该非晶合金零件对应的非晶合金材料在能场作用下的流变数据库、微观组织演变数据库时，首先制备高径比为1～2之间的该非晶合金材料的标准圆柱压缩试样，以成形温度、成形压力、应变速率、能场参数为实验变量，进行若干次单因素和/或多水平标准压缩实验，每次实验记录压缩应力-应变曲线，试验后通过等温DSC测试获得对应的晶化分数数据。
辅助能场作用下目标非晶合金零件对应的非晶合金材料的流变数据、微观组织演变数据，即为上述单因素试验或正交实验过程中获得的对应工艺参数下的应力-应变数据以及微观组织表征量数据，微观组织演变数据具体到非晶合金材料上为非晶合金材料的晶化分数；应力-应变数据可由标准压缩实验过程中设备自动记录；对标准实验结束后的样品进行连续DSC测试，根据DSC升温热流曲线计算获得晶化分数，进而获得对应工艺参数下成形零件的微观组织表征量数据。
有限元软件根据材料流变数据库能够模拟出该零件多点成形过程的形状尺寸变化、缺陷数量变化；同时软件可根据材料微观组织数据库计算多点成形过程中非晶合金零件的晶化分数变化。即有限元软件通过读取材料数据库，获得工艺参数对材料流变行为、微观组织的影响规律，模拟获得多点成形过程的形状尺寸、缺陷数量、微观组织。模拟过程中工艺参数组合及其在零件内的分布为输入，输出为形状尺寸偏差△p、缺陷数量偏差△m、微观组织偏差(即晶化分数偏差)△s，输入和输出构成一一对应的有限元模拟结果数据样本。
本发明定义目标优化函数Q＝f(△p,△m,△s)作为个体的适应度，该函数中对于变量△p、△m和△s，可根据实际场景设置其各自权重因子。
本发明根据需要在各成形单元上布置有电阻加热棒和冷却喷枪，通过调整电阻加热棒的加热电流在零件内部实现可控柔性加热，按成形需求构建合理分布的温度场，精准调控材料成形能力和材料流动过程，提高成形极限。同时冷却喷枪在成形过程中或成形结束后对零件局部或整体进行及时冷却，辅助调控成形过程，同时避免非晶合金板材发生晶化、氧化。
本发明一些实施例中，各成形单元与非晶合金板坯板材之间通过滚轮实现接触成形，降低成形过程各成形单元与非晶合金板材之间的摩擦力，提高材料变形均匀性。
一些实施例中，所述辅助能场为超声场、磁场、电场、电磁场和激光中的一种或多种。所述辅助能场为超声场时，对应的辅助能场参数包括超声场的频率、超声场的振幅；所述辅助能场为电场时，对应的辅助能场参数包括电场的电流幅值、电场的脉冲周期；所述辅助能场为磁场时，对应的辅助能场参数包括磁场的磁场强度；所述辅助能场为激光时，对应的辅助能场参数包括激光的功率、激光的光斑直径。
本发明采用的辅助特种能场包括超声、电、电磁、激光等单一或多场耦合的复合能场。相应地按成形需求在零件内部构建合理分布的声、电、磁、热、力场，辅助非晶合金复杂零件局部微结构成形及局部性能调控。
本发明采用局部超声能场辅助多点成形技术时，在成形过程中对零件局部施加超声波，引入高频力场及声波场，基于声波软化效应，非晶合金板材变形抗力明显下降，辅助局部微结构的成形。同时，通过调控超声场参数使得非晶合金内部发生超声诱导纳米晶化，改善其室温塑性，从而实现控形控性一体化。所述超声场频率为16～80kHz，振幅1～100μm。
本发明采用局部电场辅助多点成形技术时，在成形过程中对零件局部施加直流电或脉冲电流，材料依靠自阻产生焦耳热，同时基于电致塑性效应非晶合金板材变形抗力明显下降，在零件内部构建合理分布的电流场及热场，实现非晶合金零件的快速加热、柔性成形。所述直流电场的电流值1000～20000A，额定功率10～200KW；所述脉冲电流的频率为20～100kHz,幅值20～100A，占空比为20％～80％。所述电场参数的选择应使得成形过程中非晶合金板材温度处于其过冷液相温度区间，以保证非晶合金材料的超塑性变形能力。采用局部电场辅助多点成形时，其余成形单元应与非晶合金板材做好绝缘，保障安全生产。
本发明采用局部电磁场辅助多点成形技术时，采用电磁成形线圈产生作用于零件表面的电磁力辅助局部微结构高速率成形，高应变速率下非晶合金塑性变形能力显著增强，且成形时间短，有效缓解高温塑性变形带来的结构弛豫脆性，从而实现复杂非晶合金零件的高速、高性能制造。
本发明采用局部激光场辅助多点成形技术时，在成形过程中通过集成于各成形单元上的激光对非晶合金板材进行局部快速加热，提升材料变形能力，微结构成形结束后及时通过所述冷却装置对非晶合金及时冷却，从而实现非晶合金复杂零件的高效柔性化制造。所述激光功率为100～5000W，光斑直径为0.05～0.15mm。
一些实施例中，步骤(3)使用该最优的参数组合进行目标非晶合金零件的成形，具体为：先对待成形非晶合金板材进行预热处理，并将其置于多点成形模具的上下对压成形单元之间，根据预先计算好的压边力在成形过程中对各成形区域进行柔性压边；然后根据步骤(3)获得的最优参数组合，启动各成形单元上的辅助能场装置，设置各成形单元的工艺参数，在该最佳工艺参数组合下进行目标非晶合金零件的成形。
一些实施例中，所述预处理温度应处于所述非晶合金板材成分的玻璃转变温度Tg以下30℃到晶化初始温度Tx之间，以保证非晶合金超塑性变形能力的同时避免非晶合金材料发生晶化、氧化。
本发明步骤(2)进行有限元模拟时，将为各成形区域赋予的工艺参数组合输入有限元软件后，软件在需要相应的数据时，在预先建立的流变数据库、微观组织演变数据库中若有对应实验数据则直接读取，若无则软件自动通过插值的形式获得。
一些实施例中，步骤(3)所述遗传算法包括选择运算，第i个个体被选中的概率为
Figure BDA0002553155700000121
其中，Qi为个体的适应度值，N为种群个体的数量。
一些实施例中，所述遗传算法包括交叉运算，染色体上任一位置均可交叉重组，使用非一致交叉算子，其表达式为
Figure BDA0002553155700000122
其中，mks和mls分别为染色体mk和ml的第s(s＝1、2、3)个位置，M为[0，1]之间的随机数。
一些实施例中，所述遗传算法包括变异运算，随机选择一个个体随机改变染色体上某个值，mks遵循如下变异公式
Figure BDA0002553155700000123
其中，mmax为mks的上限值，mmin为mks的下限值，g为当前进化的代数，Gmax为最大进化次数，r为[0，1]之间的随机数。
本发明还提供了一种利用所述非晶合金零件的能场辅助智能多点成形方法的多点成形***，如图2所示，包括数模提取与智能优化单元、多点成形单元和辅助能场单元；所述数模提取与智能优化单元的输出端分别连接所述多点成形单元和所述辅助能场单元的输入端；
所述数模提取与智能优化单元用于根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，利用有限元计算软件，将板坯划分为若干个成形区域；并根据预先建立的该非晶合金材料在相应工艺参数下的流变数据库、微观组织演变数据库对该非晶合金零件进行成形过程的有限元模拟；最后利用遗传控制算法对数据样本进行寻优，将得到的针对不同成形区域的效果最优的参数组合输出并传输给所述多点成形单元和所述辅助能场单元；
所述多点成形单元用于根据所述数模提取与智能优化单元输出的最优参数组合对板坯进行多点加工成形；
所述辅助能场单元用于根据所述数模提取与智能优化单元输出的最优参数组合中的辅助能场参数对相应的一个或多个成形区域提供辅助能场。
本发明基于复杂非晶合金零件局部微结构成形技术难题，结合多点成形工艺，将超声、电、电磁、激光等单一或多场耦合特种能场集成到多点成形***的某些成形单元上，在零件内部构建不均匀分布的热、电、力、声、磁场，协调复杂非晶合金零件的整体控形、控性。所述零件内部场分布用于在成形过程中合理调控各区域材料塑性变形能力和微观组织。同时本发明基于塑性流变、晶化动力学理论建立了数值模拟与遗传控制算法协同的智能工艺优化专家***，辅助工艺设计。该发明能够实现非晶合金复杂零件的形性协同智能制造，降低生产成本，提高产品质量。
以下为具体实施例：
实施例1
目标非晶合金零件为典型的带局部凸台的大型三维曲面薄壁件，材料为Zr55Cu30Ni5Al10非晶合金，坯料为通过连续铸轧技术制备的板坯，厚度3mm。传统板材拉深成形局部凸台时，凸台处由于变形不均匀，极易出现拉深裂纹，对材料的塑形变形能力较高而提高成形温度又会导致非晶合金晶化、氧化和弛豫脆性。且凸台处受力时是应力集中区域，对材料的综合性能要求高。传统成形技术难以实现目标非晶合金零件的形性协同制造。本实施例按照如下方法对该零件进行多点成形：
(1)数模提取及几何划分：对目标非晶合金零件进行三维扫描，获得所述目标非晶合金零件的形状轮廓信息；将非晶合金板坯、目标非晶合金零件的几何模型输入商用有限元软件ANSYS，根据目标非晶合金零件的几何特点将其分为边缘压边区、中间过渡区及凸台成形区三个主要区域；
(2)能场作用下材料数据库建立：以温度、应变速率、能场参数为实验变量，进行标准压缩实验，压力越大产生的形变越大，压力的影响可以定量体现在材料压缩应力-应变曲线中；试样尺寸高径比为1.5，具体尺寸为直径4mm，高度6mm的圆柱试样，根据经验温度确定为410℃、420℃、430℃、450℃，460℃、470℃；应变速率确定为10-3s-1、10-2s-1、10-1s-1、1s-1，超声振幅确定为1um，3um，5um，7um，9um，超声频率确定为16kHz、20kHz、24kHz、28kHz，压缩应变量统一为60％。在进行单因素多水平实验时，其他变量应保持不变，即研究温度的影响时应变速率、超声频率、振幅应保持不变；具体流程为在设定的参数下进行压缩实验，实验设备为Gleeble-3500，设备自动根据试样尺寸和应变速率值计算压缩速度、压缩最大位移，同时自动记录压缩过程的压缩应力-应变曲线，压缩完成后通惰性保护气冷却至室温，然后对压缩后的试样进行DSC测试，升温速率20K/min，使用氩气保护气氛，获得相应参数压缩后的晶化分数，从而获得能场作用下材料的流变数据(压缩应力-应变曲线)、微观组织演变数据(晶化分数)，进而得出各变量对成形过程、微观组织的影响规律，建立相应材料在能场作用下的流变数据库、微观组织演变数据库；
(3)有限元模拟：以温度T、压力P、超声振幅f为工艺优化变量，每次模拟时除优化变量的其他变量应保持不变，如成形单元的运动速度保持为0.01m/s、超声频率保持为20kHz、超声作用时间保持为5min；根据经验及材料热力学参数，温度T确定在400℃～430℃之间，压力P确定在60MPa～100MPa之间，超声振幅确定在5um～10um之间；在范围内各取3值，按L18(33)正交表设计18个工艺参数组合，如表1所示；然后从这18个工艺参数组合中任选3个组合分别赋予所划分的3个区域，得到相应的一个场分布，按照组合计算公式(假设每个区域的工艺参数组合不同)可得共有4896种场分布；将每种场分布对应的工艺参数组合在ANSYS中设置好后提交大型计算机进行成形模拟；将模拟结果与目标零件对比计算得到所述某种场分布下的形状尺寸偏差△p，微观组织偏差△m、缺陷数量△s。
表1工艺参数各因素与水平表
Figure BDA0002553155700000151
(3)遗传算法求解最佳场分布：
Step1种群初始化：种群中个体编码使用实数编码，每个个体由边缘压边区、中间过渡区及凸台成形区的工艺参数组合组成，也就是染色体的长度为3；
Step2目标优化函数：定义目标优化函数Q＝0.6△p+0.3△m+0.1△s，将其作为个体的适应度；
Step3根据遗传算法的选择运算、交叉运算和变异运算优化求解，获取一组效果最优个体，即得到一组效果最优的参数组合及其在零件的分布；
选择操作：第i个个体被选中的概率为
Figure BDA0002553155700000152
其中，Qi为个体的适应度值，N为种群个体的数量。
交叉操作：染色体上任一位置均可交叉重组，使用非一致交叉算子，其表达式为
Figure BDA0002553155700000153
其中，mks和mls分别为染色体mk和ml的第s(s＝1、2、3)个位置，M为[0,1]之间的随机数。
变异操作：随机选择一个个体随机改变染色体上某个值，mks遵循如下变异公式
Figure BDA0002553155700000161
其中，mmax为mks的上限值，mmin为mks的下限值，g为当前进化的代数，Gmax为最大进化次数，r为[0，1]之间的随机数。
优化结果及分析：利用遗传算法优化成形工艺参数的种群规模为4896，进化次数为100次，交叉概率为0.4，变异概率为0.2。经过100次进化，最优个体的适应度值趋于稳定，得到最优的场分布及其对应的工艺参数组合，如表2所示。
表2最优场分布对应工艺参数组合
工艺参数 温度T/℃ 压力P/MPa 超声振幅/um
边缘压边区 410 80 0
中间过渡区 420 60 5
凸台成形区 430 70 9
(4)局部能场辅助多点成形：获得最佳多点成形工艺参数及其在零件内部分布，然后传输至多点成形单元；结合最佳工艺参数中的成形压力数据对非晶合金板坯进行柔性压边，并在成形过程中提供合适的压边力以协调变形过程；多点成形单元对板坯进行预热，边缘压边区为410℃、中间过渡区为420℃、凸台成形区为430℃；启动超声场辅助成形单元，超声装置频率为20KHz，中间过渡区振幅为5um、凸台成形区振幅为9um，调节材料变形行为和微观结构；多点成形单元按照预先计算好的运动参数成形获得目标非晶合金零件。
图3所示为基于本发明构建的一种非晶合金零件局部超声场辅助多点成形方法的装置示意图，包括1-多点成形单元，2-超声场辅助成形单元，3-柔性压边单元等。图4所示为超声场辅助成形单元示意图，包括4-超声控制电源，5-成形工具头，6-变幅杆，7-超声换能器。首先开启超声控制电源4，借助超声换能器7将电能转换为机械振动能，变幅杆6将机械振动放大至振幅10μm。本方法基于超声软化效应，可显著降低非晶合金成形抗力，提高材料变形均匀性，同时调节超声场能量使其发生局部纳米晶化，提高局部凸台处非晶合金的塑形、韧性，改善零件综合服役性能。通过局部引入超声场，在零件内部构建按需分布的热、力、声场，从而实现目标非晶合金零件的形性协同制造。
实施例2：
目标非晶合金零件及材料成分与实施例1相同。图5所示为基于本发明构建的一种非晶合金零件局部电磁场辅助多点成形方法的装置示意图，包括1-多点成形单元，8-电磁场辅助成形单元，3-柔性压边单元等。成形步骤与实施例1相同。图6所示为电磁场辅助成形***示意图，包括9-电磁线圈,10-电磁激发电源。按照本发明的能场辅助智能多点成形方法在零件内部构建合理分布的电磁场及热场，成形前开启电磁激发电源10，在电磁线圈9中通以60Hz的工频交变电流，产生垂直于试样表面的电磁成形力辅助局部凸台结构成形。电磁成形属于高速率成形，非晶合金在高速率下成形能力增强，且成形时间缩短能够避免热成形带来的弛豫脆性，实现高性能非晶合金零件的高效制造。
实施例3：
目标非晶合金零件及材料成分与实施例1相同。图7所示为基于本发明构建的一种非晶合金零件局部电场辅助多点成形方法的装置示意图，包括1-多点成形单元，11-电场辅助成形单元，3-柔性压边单元。成形步骤与实施例1相同。按照本发明的能场辅助智能多点成形方法在零件内部构建合理分布的电流场及热场，成形前对非晶合金板坯局部通脉冲电流，频率为80kHz,幅值60A，占空比为20％。材料依靠自阻产生焦耳热，同时基于电致塑性效应非晶合金板材变形抗力明显下降，实现非晶合金零件的快速加热、柔性成形。
实施例4：
目标非晶合金零件及材料成分与实施例1相同。图8所示为基于本发明构建的一种非晶合金零件局部激光场辅助多点成形方法的装置示意图，包括1-多点成形单元，12-激光场辅助成形单元，3-柔性压边单元等。成形步骤与实施例1相同。按照本发明的能场辅助智能多点成形方法在零件内部构建按需分布的热、力场，成形前利用激光快速局部加热非晶合金板材，具体工艺参数为，激光功率为500W，光斑直径为0.1mm。激光快速加热能局部提升非晶合金的变形能力，同时避免长时间加热带来的弛豫脆性，实现非晶合金的高效、高性能制造。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种非晶合金零件的能场辅助智能多点成形方法，其特征在于，通过首先对非晶合金板坯划分的若干个成形区域在不同的成形工艺参数构成的场分布条件下，基于塑性流变和晶化动力学理论进行有限元数值模拟，所述成形工艺参数包括辅助能场参数；然后以场分布作为种群个体，根据有限元模拟结果定义种群个体的适应度，借助于遗传算法求解，获得不同成形区域的最佳成形工艺参数组合即最优场分布，进而在该最优场分布下进行多点成形；
所述的成形方法，包括如下步骤：
(1)根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，将板坯划分为若干个成形区域；
(2)为各成形区域赋予成形工艺参数，各成形区域工艺参数的集合构成了该零件内部的场分布，利用预先建立的该非晶合金零件对应的非晶合金材料在相应工艺参数下的流变数据库、微观组织演变数据库对该非晶合金零件在所述场分布下进行成形过程的有限元模拟，将模拟得到的零件形状尺寸、微观组织和缺陷数量结果与目标非晶合金零件的形状尺寸、微观组织和缺陷数量分别进行比较，得到该场分布下零件的形状尺寸偏差△p，微观组织偏差△m和缺陷数量偏差△s；
(3)通过遗传算法求解最优场分布，其中种群个体为各成形区域的成形工艺参数的集合，定义目标优化函数Q＝f(△p,△m,△s)作为个体的适应度，利用遗传控制算法对数据样本进行寻优，得到针对各成形区域的成形效果最优的工艺参数组合，称之为最优场分布；
(4)在步骤(3)获得的最优场分布下采用多点成形工艺进行目标非晶合金零件的成形；
其中，步骤(2)所述非晶合金材料在相应工艺参数下的流变数据库、微观组织演变数据库按照如下方法获得：以成形温度、成形压力、应变速率和辅助能场参数为设计变量，在各设计变量的取值范围内选取若干个水平，确定试验的组数和各试验组的具体参数，实施单因素试验和/或正交试验方案，获得辅助能场作用下目标非晶合金零件对应的非晶合金材料的流变数据、微观组织演变数据，进而得出各变量对该零件成形过程、微观组织的影响规律，建立该零件在所述工艺参数下的流变数据库、微观组织演变数据库。
2.如权利要求1所述的成形方法，其特征在于，所述成形工艺参数包括成形温度、成形压力、应变速率和辅助能场参数在内的一系列工艺参数中的至少一种。
3.如权利要求1所述的成形方法，其特征在于，所述辅助能场为超声场、磁场、电场、电磁场和激光中的至少一种。
4.如权利要求1所述的成形方法，其特征在于，所述辅助能场为超声场时，对应的辅助能场参数包括超声场的频率、超声场的振幅；
所述辅助能场为电场时，对应的辅助能场参数包括电场的电流幅值、电场的脉冲周期；
所述辅助能场为磁场时，对应的辅助能场参数包括磁场的磁场强度；
所述辅助能场为激光时，对应的辅助能场参数包括激光的功率、激光的光斑直径。
5.如权利要求1所述的成形方法，其特征在于，步骤(3)所述遗传算法包括选择运算，第i个个体被选中的概率为
Figure FDA0003983904480000021
其中，Qi为个体的适应度值，N为种群个体的数量。
6.如权利要求1所述的成形方法，其特征在于，所述遗传算法包括交叉运算，染色体上任一位置均可交叉重组，使用非一致交叉算子，其表达式为
Figure FDA0003983904480000022
其中，mks和mls分别为染色体mk和ml的第s个位置，其中s＝1、2、3，M为[0，1]之间的随机数。
7.如权利要求6所述的成形方法，其特征在于，所述遗传算法包括变异运算，随机选择一个个体随机改变染色体上某个值，mks遵循如下变异公式
Figure FDA0003983904480000031
其中，mmax为mks的上限值，mmin为mks的下限值，g为当前进化的代数，Gmax为最大进化次数，r为[0，1]之间的随机数。
8.如权利要求1所述的成形方法，其特征在于，步骤(4)具体为：先对待成形非晶合金板材进行预热处理，并将其置于多点成形模具的上下对压成形单元之间，根据步骤(3)获得的最优参数组合，先对各成形区域进行柔性压边，然后启动各成形单元上的辅助能场装置，设置各成形单元的工艺参数，在该最佳工艺参数组合下进行目标非晶合金零件的成形。
9.一种利用如权利要求1至8任一项所述非晶合金零件的能场辅助智能多点成形方法的多点成形***，其特征在于，包括数模提取与智能优化单元、多点成形单元和辅助能场单元；所述数模提取与智能优化单元的输出端分别连接所述多点成形单元和所述辅助能场单元的输入端；
所述数模提取与智能优化单元用于根据目标非晶合金零件的几何轮廓信息和板坯的尺寸信息，将板坯划分为若干个成形区域；并根据预先建立的该非晶合金零件对应的非晶合金材料在多点成形工艺参数下的流变数据库、微观组织演变数据库对该非晶合金零件在当前场分布下进行成形过程的有限元模拟；最后利用遗传控制算法对数据样本进行寻优，将得到的针对不同成形区域的效果最优的参数组合输出并传输给所述多点成形单元和所述辅助能场单元；
所述多点成形单元用于根据所述数模提取与智能优化单元输出的最优工艺参数组合对板坯进行多点加工成形；
所述辅助能场单元用于根据所述数模提取与智能优化单元输出的最优工艺参数组合中的辅助能场参数对相应的一个或多个成形区域提供辅助能场。
CN202010580979.XA 2020-06-23 2020-06-23 一种非晶合金零件的能场辅助智能多点成形方法及*** Active CN111753452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010580979.XA CN111753452B (zh) 2020-06-23 2020-06-23 一种非晶合金零件的能场辅助智能多点成形方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010580979.XA CN111753452B (zh) 2020-06-23 2020-06-23 一种非晶合金零件的能场辅助智能多点成形方法及***

Publications (2)

Publication Number Publication Date
CN111753452A CN111753452A (zh) 2020-10-09
CN111753452B true CN111753452B (zh) 2023-04-07

Family

ID=72676823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010580979.XA Active CN111753452B (zh) 2020-06-23 2020-06-23 一种非晶合金零件的能场辅助智能多点成形方法及***

Country Status (1)

Country Link
CN (1) CN111753452B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112439834B (zh) * 2020-10-29 2023-05-23 南京航空航天大学苏州研究院 一种自阻电加热智能渐进成形方法
CN112964745B (zh) * 2021-01-31 2022-01-04 华中科技大学 一种放电等离子烧结制备非晶合金内部温度场的标定方法
CN114951945B (zh) * 2022-04-29 2023-04-28 华中科技大学 一种金属复合板的一体化制备成形***及方法
CN117711547B (zh) * 2023-12-30 2024-07-12 山东泰和能源股份有限公司 一种钛合金棒材智能锻造方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000043411A2 (en) * 1999-01-25 2000-07-27 Combimatrix Corporation Method for combinatorial materials development
CN104779047A (zh) * 2015-03-26 2015-07-15 浙江永固输配电设备有限公司 一种非晶合金变压器的电磁设计方法
CN106257477A (zh) * 2016-07-29 2016-12-28 南京工程学院 一种基于多目标遗传算法的中频非晶合金变压器优化方法
CN109290434A (zh) * 2018-09-21 2019-02-01 华中科技大学 一种非晶合金颅骨修护体的柔性成形装置及其成形方法
CN109465442A (zh) * 2018-11-12 2019-03-15 华中科技大学 一种非晶合金零件的锻造/增材复合制造方法
WO2019113995A1 (zh) * 2017-12-11 2019-06-20 华中科技大学 一种基于超声振动的塑性成形及增韧工艺方法及其装置
CN111286733A (zh) * 2020-03-28 2020-06-16 哈尔滨工程大学 一种超声冲击辅助超高速激光熔覆制备非晶涂层的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000043411A2 (en) * 1999-01-25 2000-07-27 Combimatrix Corporation Method for combinatorial materials development
CN104779047A (zh) * 2015-03-26 2015-07-15 浙江永固输配电设备有限公司 一种非晶合金变压器的电磁设计方法
CN106257477A (zh) * 2016-07-29 2016-12-28 南京工程学院 一种基于多目标遗传算法的中频非晶合金变压器优化方法
WO2019113995A1 (zh) * 2017-12-11 2019-06-20 华中科技大学 一种基于超声振动的塑性成形及增韧工艺方法及其装置
CN109290434A (zh) * 2018-09-21 2019-02-01 华中科技大学 一种非晶合金颅骨修护体的柔性成形装置及其成形方法
CN109465442A (zh) * 2018-11-12 2019-03-15 华中科技大学 一种非晶合金零件的锻造/增材复合制造方法
CN111286733A (zh) * 2020-03-28 2020-06-16 哈尔滨工程大学 一种超声冲击辅助超高速激光熔覆制备非晶涂层的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Alloying effect on the room temperature creep characteristics of a Ti-Zr-Be bulk metallic glass;gong pan等;《Elsevier Science》;20180201;参见第7-14页 *
Zr基块体非晶合金超塑性微挤压成形数值模拟;吴晓等;《锻压技术》;20090825(第04期);参见第39-44页 *

Also Published As

Publication number Publication date
CN111753452A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111753452B (zh) 一种非晶合金零件的能场辅助智能多点成形方法及***
CN102125951B (zh) 金属薄板激光脉冲与电磁脉冲复合成形方法和装置
CN101468370B (zh) 一种非晶合金热压成形装置及工艺
CN107584118B (zh) 增材制造用锻压热处理一体化装置及进行增材制造的方法
CN109514066B (zh) 基于电子束熔丝增材制造的控制层间温度的装置
CN103465027B (zh) 一种gh4169合金细晶盘坯制造方法
CN107225244A (zh) 一种调控/降低激光增材制造零件内应力的方法
Shi et al. Electric hot incremental forming of low carbon steel sheet: accuracy improvement
CN104511589A (zh) 用于通过添加性激光制造来制造金属部件的方法
Dearden et al. Some recent developments in two-and three-dimensional laser forming for ‘macro’and ‘micro’applications
CN109967739A (zh) 一种基于增材制造技术制备梯度结构金属件的方法
CN102179517A (zh) 一种激光感应复合熔化直接成形方法及装置
CN110538914B (zh) 一种板材分段加热旋压成形方法
CN106903247A (zh) 微型涡轮盘成形装置及方法
CN106021795B (zh) 一种凝固过程温度梯度可控的3d打印金属材料的方法
CN103600072B (zh) 多金属液态喷射沉积增材制造设备
Ma et al. Prediction of deformation behavior and microstructure evolution in heavy forging by FEM
CN106425314A (zh) 一种带筋钛合金曲率构件的组合制造方法
CN106503389A (zh) 一种快速确定热冲压生产线工艺参数的数值方法
Dogu et al. Digitisation of metal AM for part microstructure and property control
CN105689611B (zh) 一种单头花键轴套加工工艺
CN109202459B (zh) 一种钛合金空心叶片增材制造装置及制造方法
CN212310848U (zh) 用于基于pbf的三维(3d)打印机的热处理设备
CN105648366A (zh) 一种高熵合金控温近等温塑性加工技术
CN104745787B (zh) 一种能直接冷轧的工具钢的生产方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant