CN112733393A - 一种金属异质板料无铆钉铆接接头性能优化方法 - Google Patents
一种金属异质板料无铆钉铆接接头性能优化方法 Download PDFInfo
- Publication number
- CN112733393A CN112733393A CN202011354972.2A CN202011354972A CN112733393A CN 112733393 A CN112733393 A CN 112733393A CN 202011354972 A CN202011354972 A CN 202011354972A CN 112733393 A CN112733393 A CN 112733393A
- Authority
- CN
- China
- Prior art keywords
- rivet
- free
- test
- joint
- performance
- 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.)
- Granted
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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Insertion Pins And Rivets (AREA)
Abstract
本发明公开了一种金属异质板料无铆钉铆接接头性能优化方法,包括以下步骤:步骤1:对结构工艺参数进行数字化;步骤2:定义样本空间,进行拉丁超立方抽样试验;步骤3:进行接头成形及性能试验,在仿真中模拟无铆钉铆接成形过程,判断仿真的计算精度是否满足要求;步骤4:建立Kriging代理模型并检验预测精度,若满足要求,进入步骤5,否则转到步骤2;步骤5:将Kriging代理模型预传入遗传算法中,全局搜索得到pareto最优解集;步骤6:从符合条件的解集中随机地选取一个解,进行接头成形及性能试验,若最大抗拉力抗剪力均大于步骤3的试验结果,优化成功,否则再选取一个解,直到满足为止,若都不满足,转到步骤2。
Description
技术领域
本发明属于板料连接技术领域,具体涉及一种金属异质板料无铆钉铆接接头性能优化方法。
背景技术
无铆钉铆接是利用铆接模具使待铆接板料发生弹塑性变形,板料流动到凹模的凹槽内,构建出锁紧结构,进而形成有效连接的连接技术,这种连接方式具有无热输入、自动化程度高、工序简单等优点,在板料连接方面得到了越来越多的应用,如汽车天窗的骨架连接,然而,无铆钉铆接过程中,由于金属异质板料流变特性的差异,不合理的结构工艺参数选取会导致成形后无铆钉铆接接头力学性能不佳,甚至失效。传统的无铆钉铆接过程结构工艺参数选取依赖设计者的经验和有限元仿真,即设计者通过反复地修改仿真模型、试模来确定能够保证接头力学性能的结构工艺参数,上述的方法和经济成本比较高,无法满足现代制造业的要求,同时异质板料的无铆钉铆接是个复杂工艺过程,多种因素相互作用,即在同一时刻选取到最优的结构工艺参数的组合几乎不可能,综上,依靠设计者的经验和有限元仿真模拟难以高效地确定出合适的结构工艺参数,因此设计者需要寻找一种能缩短设计周期、减少设计成本且保证无铆钉铆接接头力学性能的优化方法。
发明内容
发明目的:为解决实际工程中的金属异质板料无铆钉接头力学优化的问题,本文提出一种金属异质板料无铆钉铆接接头性能优化方法,包括以下步骤:
步骤1:对金属异质板料无铆钉铆接结构工艺参数进行数字化,设计相应变量;
步骤2:定义样本空间,进行拉丁超立方抽样试验;
步骤3:进行金属异质板料的无铆钉铆接试验及接头性能测试试验,并用试验中的结构工艺参数在ABAQUS中仿真模拟无铆钉铆接成形过程,试验与仿真的接头截面关键尺寸进行对比;
步骤4:建立Kriging代理模型,并通过试验和ABAQUS有限元仿真模拟两个尺度检验 Kriging代理模型的预测精度;
步骤5:将Kriging代理模型预传入遗传算法中,全局搜索得到pareto最优解集;
步骤6:从pareto最优解集中,选取符合条件的解集,进行金属异质板料无铆钉铆接接头成形以及性能实验。
进一步的,所述步骤1具体为:无铆钉铆接接头关于中心线轴对称,在CAD中画出二维的轴对称模型,定义影响接头尺寸tn、tu的结构工艺参数主要为:凸模半径(X1)、凹模半径(X2)、凹模深度(X3)、凹槽宽度(X4)、冲程(X5)。
进一步的,所述步骤2具体为:定义设计空间的下边界Xlow、上边界Xup,进行M组拉丁超立方抽样试验。
进一步的,所述步骤3具体为:根据试验中的结构工艺参数,在ABAQUS中仿真模拟无铆钉铆接成形过程,试验与仿真的接头截面的颈厚值、自锁值、板料最大缝隙进行对比,如果仿真和试验的误差过大,则调整ABAQUS中网格的划分形式和求解方式。
进一步的,所述步骤4具体为:
包括以下子步骤:
P4-1:在一个新的试验点,颈厚值和自锁值的线性无偏预测可以表示为:
利用极大似然估计求解kriging模型的相关参数θk,如下:
P4-3:在抽样范围内,随机地选取一组结构工艺参数为输入参数,利用试验和ABAQUS仿真模拟,检验Kriging模型的预测精度,若精度不满足,则返回步骤2,增大样本空间和抽样次数。
进一步的,所述步骤5具体为:将Kriging模型定义为函数,作为适应度函数传入遗传算法中,利用遗传算法的全局搜索能力,得到tn和tu的pareto解集。
进一步的,所述步骤6具体为:从pareto最优解集中,选取符合条件的解集,并从中选取一组解,当作输入的结构工艺参数,进行金属异质板料无铆钉铆接接头成形以及性能实验,若最大抗拉力和抗剪力均大于步骤3的试验结果,则优化成功,否则从符合条件的解集里再选择另一组解,直到优化成功为止,若整个解集都不满足,则返回步骤2,增大样本空间和抽样次数。
附图说明
图1为本发明的一种金属异质板料无铆钉铆接接头性能优化方法总体流程图。
图2为本发明的结构工艺参数数字化图。
图3为本发明的试验与仿真接头截面关键尺寸对比图。
图4为本发明的pareto最优解集图。
图5(a)为接头抗拉伸过程的力-位移曲线。
图5(b)为接头抗剪切过程的力-位移曲线。
具体实施方式
下面结合附图和实施例进一步阐述本发明
现对本发明的一种金属异质板料无铆钉铆接接头性能优化方法介绍如下:
整体优化流程见附图1,实施例中选择HC340/DP590高强钢和6061铝合金为待铆接板料。
实施例
步骤1:
对无铆钉铆接结构工艺参数进行数字化,设计相应变量,定义凸模半径(X1)、凹模半径(X2)、凹模深度(X3)、凹槽宽度(X4)、冲程(X5)为优化过程中的自变量,定义颈厚值tn、自锁值tu待优化过程中的目标值,见附图2。
步骤2:
定义样本空间,确定X的下边界Xlow、上边界Xup,如表1:
自变量 | X1 | X2 | X3 | X4 | X5 |
下限 | 2.7 | 4.1 | 1.5 | 1 | 3.2 |
上限 | 2.9 | 4.3 | 1.7 | 1.2 | 3.4 |
进行28组拉丁超立方抽样试验。
步骤3:
进行钢铝异质板料的无铆钉铆接成形和性能试验,并用相同的结构工艺参数在ABAQUS中仿真模拟无铆钉铆接过程,试验与仿真的接头截面关键尺寸进行对比,见附图3,检验ABAQUS的计算精度,如果仿真和试验的误差过大,则调整ABAQUS中网格的划分形式和求解方式,直到误差在20%之内。
步骤4:
P4-1:建立Kriging模型,具体的为:根据步骤2得到的拉丁超立方抽样的样本点,在 ABAQUS中计算出其响应值,如表2:
Kriging模型可以表示为:
P4-2:f(x)是预先设置的基函数,选择f(x)=1,其中相关函数采用高斯函数:
利用极大似然估计求解kriging模型的相关参数θk,如下:
P4-3:在表(1)的抽样范围内,随机地选取一组结构工艺参数为输入参数,分别地在Kriging 模型、ABAQUS有限元仿真、试验中的得到其响应值,若相对误差均小于20%,进入下一步,否则,返回步骤2,增大样本空间和抽样次数。
步骤5:
定义Kriging代理模型为函数,传入多目标优化遗传算法中,如下式:
步骤6:
利用遗传算法得到pareto最优解集,见附图4,从之选取符合条件的解集,即颈厚值大于0.359,自锁值大于0.238的集,并选取一组解当作输入的结构工艺参数,进行无铆钉铆接接头成形和性能实验,测量最大抗拉力和最大抗剪力,得到力-位移曲线,若最大抗拉力和抗剪力均大于步骤3的试验结果,见附图5,则优化成功,否则从符合条件的解集里再选择另一组解,直到优化成功为止,若整个解集都不满足,则返回步骤2,增大样本空间和抽样次数。
Claims (7)
1.一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:
包括以下步骤:
步骤1:对金属异质板料无铆钉铆接结构工艺参数进行数字化,设计相应变量;
步骤2:定义样本空间,进行拉丁超立方抽样试验;
步骤3:进行金属异质板料的无铆钉铆接试验及接头性能测试试验,并用试验中的结构工艺参数在ABAQUS中仿真模拟无铆钉铆接成形过程,试验与仿真的接头截面关键尺寸进行对比;
步骤4:建立Kriging代理模型,并通过试验和ABAQUS有限元仿真模拟两个尺度检验Kriging代理模型的预测精度;
步骤5:将Kriging代理模型预传入遗传算法中,全局搜索得到pareto最优解集;
步骤6:从pareto最优解集中,选取符合条件的解集,进行金属异质板料无铆钉铆接接头成形以及性能实验。
2.根据权利要求1所述的一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:无铆钉铆接接头关于中心线轴对称,在CAD中画出二维的轴对称模型,定义影响接头尺寸tn、tu的结构工艺参数主要为:凸模半径(X1)、凹模半径(X2)、凹模深度(X3)、凹槽宽度(X4)、冲程(X5)。
3.根据权利要求1所述的一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:定义设计空间的下边界Xlow、上边界Xup,进行M组拉丁超立方抽样试验。
4.根据权利要求1所述的一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:根据试验中的结构工艺参数,在ABAQUS中仿真模拟无铆钉铆接成形过程,试验与仿真的接头截面的颈厚值、自锁值、板料最大缝隙进行对比,如果仿真和试验的误差过大,则调整ABAQUS中网格的划分形式和求解方式。
5.根据权利要求1所述的一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:所述步骤4包括以下子步骤:
P4-1:在一个新的试验点,颈厚值和自锁值的线性无偏预测可以表示为:
利用极大似然估计求解kriging模型的相关参数θk,如下:
P4-3:在抽样空间内,随机地选取一组结构工艺参数为输入参数,利用试验和ABAQUS仿真模拟,检验Kriging模型的预测精度,若精度不满足,则返回步骤2,增大样本空间和抽样次数。
6.根据权利要求1所述的一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:将Kriging模型定义为函数,作为适应度函数传入遗传算法中,利用遗传算法的全局搜索能力,得到tn和tu的pareto解集。
7.根据权利要求1所述的一种金属异质板料无铆钉铆接接头性能优化方法,其特征在于:从pareto最优解集中,选取符合条件的解集,并从中选取一组解,当作输入的结构工艺参数,进行金属异质板料无铆钉铆接接头成形以及性能实验,若最大抗拉力和抗剪力均大于步骤3的试验结果,则优化成功,否则从符合条件的解集里再选择另一组解,直到优化成功为止,若整个解集都不满足,则返回步骤2,增大样本空间和抽样次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011354972.2A CN112733393B (zh) | 2020-11-27 | 2020-11-27 | 一种金属异质板料无铆钉铆接接头性能优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011354972.2A CN112733393B (zh) | 2020-11-27 | 2020-11-27 | 一种金属异质板料无铆钉铆接接头性能优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733393A true CN112733393A (zh) | 2021-04-30 |
CN112733393B CN112733393B (zh) | 2023-06-20 |
Family
ID=75597842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011354972.2A Active CN112733393B (zh) | 2020-11-27 | 2020-11-27 | 一种金属异质板料无铆钉铆接接头性能优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733393B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591234A (zh) * | 2021-06-16 | 2021-11-02 | 长三角先进材料研究院 | 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102653047A (zh) * | 2012-02-24 | 2012-09-05 | 郑州大学 | 一种金属材料的无钉铆接-粘接接头的原位涂胶、连接方法及实现涂胶-铆接的联动机构 |
CN102867083A (zh) * | 2012-08-30 | 2013-01-09 | 浙江大学 | 考虑不确定性的压力机滑块机构高刚度轻量化设计方法 |
JP2014219181A (ja) * | 2013-04-30 | 2014-11-20 | 祐一 丸山 | ミサイルの飛翔方法 |
CN104880992A (zh) * | 2014-12-23 | 2015-09-02 | 湘潭大学 | 基于Kriging代理模型的磁控电弧传感器参数优化方法 |
CN106202623A (zh) * | 2016-06-27 | 2016-12-07 | 中国人民解放军装甲兵工程学院 | 基于Kriging算法的武器站多工况结构优化方法 |
CN110000287A (zh) * | 2019-03-27 | 2019-07-12 | 一汽-大众汽车有限公司 | 一种无铆钉粘铆连接的优化成型***和方法 |
-
2020
- 2020-11-27 CN CN202011354972.2A patent/CN112733393B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102653047A (zh) * | 2012-02-24 | 2012-09-05 | 郑州大学 | 一种金属材料的无钉铆接-粘接接头的原位涂胶、连接方法及实现涂胶-铆接的联动机构 |
CN102867083A (zh) * | 2012-08-30 | 2013-01-09 | 浙江大学 | 考虑不确定性的压力机滑块机构高刚度轻量化设计方法 |
JP2014219181A (ja) * | 2013-04-30 | 2014-11-20 | 祐一 丸山 | ミサイルの飛翔方法 |
CN104880992A (zh) * | 2014-12-23 | 2015-09-02 | 湘潭大学 | 基于Kriging代理模型的磁控电弧传感器参数优化方法 |
CN106202623A (zh) * | 2016-06-27 | 2016-12-07 | 中国人民解放军装甲兵工程学院 | 基于Kriging算法的武器站多工况结构优化方法 |
CN110000287A (zh) * | 2019-03-27 | 2019-07-12 | 一汽-大众汽车有限公司 | 一种无铆钉粘铆连接的优化成型***和方法 |
Non-Patent Citations (4)
Title |
---|
ZHONGQI WANG 等: ""optimization of riveting parameters using kriging and particle swarm optimization to improve deformation homogeneity in aircraft assembly"", 《ADVANCES IN MECHANICAL ENGINEERING》, no. 8, pages 1 - 8 * |
刘磊 等: ""基于Kriging模型的载人航天某装置结构优化设计研究"", 《环境技术》, no. 4, pages 1 - 5 * |
周杰 等: "基于遗传算法的锻模阻力墙结构多目标优化设计", 《机械工程学报》, no. 14, pages 1 - 8 * |
高玉娇: ""铝合金和高强钢无铆钉铆接仿真研究"", 《内燃机与配件》, no. 6, pages 1 - 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591234A (zh) * | 2021-06-16 | 2021-11-02 | 长三角先进材料研究院 | 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法 |
CN113591234B (zh) * | 2021-06-16 | 2024-06-11 | 长三角先进材料研究院 | 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112733393B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6558515B2 (ja) | 金属板のせん断加工面での変形限界の評価方法、割れ予測方法およびプレス金型の設計方法 | |
Kashid et al. | Applications of artificial neural network to sheet metal work-a review | |
CN109933925B (zh) | 一种金属板材的冲压成形性能预测方法 | |
CN113591234B (zh) | 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法 | |
Ahmadi Brooghani et al. | Loading path optimization of a hydroformed part using multilevel response surface method | |
CN107292029A (zh) | 一种基于成形缺陷预测板料成形工艺参数的确定方法 | |
Zeng et al. | Influence of initial fit tolerance and squeeze force on the residual stress in a riveted lap joint | |
CN110941881A (zh) | 一种基于混沌多项式展开的混合不确定性结构疲劳寿命分析方法 | |
Abbasi et al. | Analytical method for prediction of weld line movement during stretch forming of tailor-welded blanks | |
CN112733393A (zh) | 一种金属异质板料无铆钉铆接接头性能优化方法 | |
Huang et al. | The optimization of the loading path for T-shape tube hydroforming using adaptive radial basis function | |
Li et al. | Cold expansion strengthening of 7050 aluminum alloy hole: Structure, residual stress, and fatigue life | |
Liu et al. | BP artificial neural network modeling for accurate radius prediction and application in incremental in-plane bending | |
Andrade-Campos et al. | Optimization and inverse analysis in metal forming: scientific state-of-the-art and recent trends | |
Huang et al. | The multi-objective optimization of the loading paths for T-shape tube hydroforming using adaptive support vector regression | |
CN102620980B (zh) | 一种利用神经网络预报板材成形性能的方法 | |
Tang et al. | Robust design of sheet metal forming process based on adaptive importance sampling | |
Oh et al. | Simulations of cold forging processes by the DEFORM system | |
Di Lorenzo et al. | Integration of gradient based and response surface methods to develop a cascade optimisation strategy for Y-shaped tube hydroforming process design | |
CN112685947B (zh) | 一种板料回弹模型参数优化方法、装置、终端及存储介质 | |
Wang et al. | Springback analysis and strategy for multi-stage thin-walled parts with complex geometries | |
Aljibori | Non-linear elastic-plastic behaviour of aluminium sheet metal using finite element analysis | |
Gao et al. | Forming limit of local loading forming of Ti-alloy large-scale rib-web components considering defects in the transitional region | |
CN109033512B (zh) | 一种精冲模具最优刃口形状的判定方法 | |
Hambli et al. | Finite element prediction of blanking tool cost caused by wear |
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 |