新闻中心

如何处理管材液压成形的破裂缺陷?

2020-08-17
摘要:管材液压成形技术具有工序少、材料利用率高、零件刚度高、重量轻及模具成本低等优点,在汽车、航空航天、船舶等领域有着广泛的应用。

  管材液压成形技术具有工序少、材料利用率高、零件刚度高、重量轻及模具成本低等优点,在汽车、航空航天、船舶等领域有着广泛的应用。

  但是,在应用中管材成形性能容易受加载路径、摩擦条件、管材性能等多种因素影响而产生屈曲、起皱、破裂等缺陷。其中,破裂是管材液压成形中最容易出现的失效形式,对此,有哪些处理方法呢?

1

  一、变量代入准则法

  在液压成形中,管材的受力复杂,目前尚未建立有效的破裂预测准则。而管材液压成形是板材液压成形的一种特殊形式,因此,可以借助板材液压成形的破裂准则的预测方法分析管材液压成形的破裂,对相应的准则进行简化,得到管材液压成形的破裂预测方法。

  比如,用MSC-AutoForge软件对管材液压成形过程进行数值模拟,再应用Cockroft和Latham断裂准则来预测管材的破裂。还有利用以连续介质力学为基础的分散性失稳Swift准则和集中性失稳Hill准则来预测极限应变值。

  管材液压成形破裂准则的建立,对于预测管材的成形性能有着重要的指导意义,但计算过程比较复杂。

  二、加载路径控制法

  管材液压成形是在内压力和轴压力的共同作用下,成形所需零件的一种复杂成形过程。在液压成形中,如果内压力过高,会引起管材的过度减薄甚至出现破裂,因此,只有合理地控制管材在液压成形过程中的加载路径,才能有效地防止管材的破裂。

  管材在液压成形过程中由于受摩擦力及其他因素的影响,作用于管材两端的轴压力,不易准确控制。在液压成形中常用轴向进给量与内压力的匹配关系,来控制加载路径。

  比如,可以用LS—DYNA软件对管材进行轴压成形仿真研究,得到在不同的线性加载路径下,管材发生破裂和起皱缺陷的内压力和补料量的关系,并获取管材失效和安全区域。

  三、成形极限图法

  在液压成形过程中管材的成形规律复杂,由于受到应力和应变的共同作用,成形极限图对管材液压成形极限的预测受到很大的限制,而变形中的应力只与应变的最终状态有关,因此,基于应力基础的管材成形极限图被提出来。

  在实际生产中应力的测量比较困难,但基于应力应变的塑性关系,可以方便地从应变转换为应力,得到以应力为基础的成形极限图。

  四、基于超声探伤的模糊模式识别法

  该方法利用人工标准损伤的方式,在管材正常部位划出矩形、U形和V形截面缺陷,再利用超声探伤方法测量通过缺陷时的回波强度。由于不同的截面形状形成不同的缺陷,产生的回波信号强弱也不一样。

  对产生的回波,通过A/D数模转换,采样信息,建立模糊识别的物理模型,对采集的信息进行合理分类,建立模糊子集。在成形过程中,通过发射超声波获取信号,然后与建立的模糊子集对比,预测缺陷发生的趋势。

  此方法可以避免复杂的理论计算,过程也相对简单,但是需要区分破裂是管材自身原因导致的还是成形过程中的缺陷导致的,这是关键的环节。

  五、基于双目测量散斑的图像识别法

  该方法通过在板材上喷涂随机斑点(散斑),模拟网格测量方法,采用双目测量散斑的图像识别技术,测量板材上的散斑以及所选应变点在试验后的分布,按照ISO标准的拟合算法进行数据处理,实时观察板材在成形时所选应变点变化情况,并绘制成板材应变的成形极限图。

  在线实时测量金属材料应变点的变化情况,其实验结果的可靠性较高,能够准确的预测板材发生破裂的趋势。而管材是板材的特殊形式,所以用此方法预测管材破裂上也是可靠的。

  综合来看,前三种是比较典型的研究方法,不过理论计算和试验过程比较复杂,后面两种方法相对简单很多,对于研究管材的破裂缺陷有着重要意义。

  资料|《液压气动与密封》2012年第3期-《管材液压成形破裂缺陷的研究方法》,作者是陶中南、杨连发、毛献昌。

  本文由澳门威利斯人0907的网址-澳门威斯尼人游戏网站0907机械编辑整理

  【澳门威利斯人0907的网址-澳门威斯尼人游戏网站0907液压成形技术优势】

  针对管材液压成形技术极其相关设备,经过十余年的研发积累,我司已经取得了一系列成果。

  设备方面,我司已研发生产了230T~5000T的数十种规格的内高压成形设备,广泛应用在航空、汽车制造、家电生产等领域,设备性能已经可以媲美同类进口产品。

2

  技术方面,我司研发成果在国内同行的民营企业中已经达到优异水平。可以为客户提供节能、高效、自动化程度高的液压成成形技术方案。

  接下来,我司将以成为先进流体压力成形装备智造及智能方案供应领航者为目标,进一步加大对液压成形技术和智能装备的研发投入,并瞄准国际市场,服务更多的国际用户,让世界爱上中国的液压成形设备。


标签: 液压成形
XML 地图 | Sitemap 地图