板材液压成形分为液体代替凸模和液体代替凹模两种。本文研究的是液体代替凸模的液压成形工艺。这种工艺技术所用模具简单,适用于形状复杂、批量不大的大型板料零件的生产。然而由于成形机理的复杂性,过去对这种工艺的研究常常采用反复试验的方法,这样不仅效率低,而且增加了加工成本。近年来,随着有限元技术的发展,数值模拟技术开始被应用于液压成形技术的研究中。 本文重点阐述了实现板料液压成形工艺计算机仿真的方法,通过数值模拟研究了材料参数和工艺参数对板料液压成形的影响和作用,并且通过实验验证,模拟与实验结果相吻合,证明数值模拟液压成形方法的正确性和可行性。紧接着以半球形件和复杂盒形件(摩托车油箱壳体)为例,对其液压成形过程进行了数值模拟。对于半球形零件,得到了在液压成形过程中板料的流动规律以及应力应变分布。对于摩托车油箱,模拟了影响液压成形的关键参数成形油压和压边力范围,对液压成形条件下应力应变的分布进行了分析,对可能发生起皱和破裂的部位进行了预测,对拐角处起皱的原因进行了分析,并且在添加拉深筋情况下,对液压成形摩托车油箱进行了模拟计算,数值模拟结果表明,合理地添加拉深筋可以改变和分配凸缘变形区金属的流动阻力,消除拐角处的起皱现象。 最后将神经网络技术引入板料液压成形领域,提出基于人工神经网络的零件成形性能预报模型,建立了具有三层的BP神经网络对零件成形结果的预测,为板料成形中确定零件的最终成形结果提出了一个新思路,克服了数值模拟过程中花费较长时间来计算模拟的缺陷。研究结果表明,对于多参数耦合问题,人工神经网络确实有很大的优势,完全适合应用于板料液压成形领域。 本文实现了液压成形工艺的有限元数值模拟,研究了材料参数和工艺参数对板料成形性能的影响,为解决实际问题提供一种途径和理论参考;利用神经网络建立了零件成形性能的预报模型,为将来探索板料液压成形的合理工艺条件提供了一种简单、有力的工具,这也为开发专用液压成形工艺软件和有限元模拟系统奠定了基础。