雙離合器盤轂沖擠成形中的小圓角填充規律研究

張益雷, 胡志力, 李錦, 戴明亮

(1．現代汽車零部件技術湖北省重點實驗室，武漢理工大學，湖北武漢430070; 2．汽車零部件技術湖北省協同創新中心，湖北武漢430070)

離合器盤轂成形一直是國內外材料成形所關注的重點之一。近半個世紀,盤轂的成形工藝也在不斷變化。從最早的鍛造到后來的機械加工,再到擺碾成形,直到更為先進的旋壓和沖鍛復合成形。相對于其他成形工藝,沖鍛復合成形有著更加突出的優勢,不僅可以提高產品的成形質量,而且提高生產率,降低生產成本,易于實現產品的更新換代。

在20世紀90年代,日本的中野隆志等人率先開展了板材成形與擠壓相結合的復合成形工藝,并把它稱之為“FCF工藝”。Wu等人[1]利用有限元軟件研究了汽車剎車轂的翻邊與鐓鍛工藝流程,通過評估設計的幾種修改方案來確定最佳參數,優化了工藝方案;Mori等人[2]研究了鎂合金板材的帶小圓角的杯形件的兩級冷沖壓工藝,先成形一個大圓角的杯形件,然后通過擠壓側壁來減小杯形件的圓角半徑;韓國釜山大學Lee等[3]采用沖鍛復合工藝,經過9步拉深和3步擠壓成形工藝制出了帶內齒形的離合器輪轂。Sheu等人[4]使用預成形工藝校正加厚管件的尺寸,通過試驗驗證了預成形工藝能最小化管件局部增厚的表面缺陷。

華中科技大學王新云等人[5-6]使用沖鍛復合成形工藝加工汽車飛輪盤,先沖壓出外部形狀,然后對需要增厚的部位進行鍛造加工,最終獲得大厚差成形件。西北工業大學李偉等人[7]提出了粗糙集和改進遺傳算法結合共同優化神經網絡的方法,試驗證明優化后BP神經網絡預測精度得到了提高。

現有研究大多關注成形的可行性方面,針對帶有齒形等較復雜盤轂類零件成形工藝研究較少,在齒形極小圓角半徑的情況下如何提高齒形圓角填充性能及零件成形質量的問題仍未解決。本文根據某汽車雙離合器盤轂零件的結構特點,提出一種預成形的方法來生產汽車雙離合器內轂零件,結合有限元模擬手段,通過設計合理的坯料預成形形狀,在成形齒形過程中促進材料流動,使圓角處盡可能填充完全,提高產品質量。

1　工藝方案

本文研究的零件如圖1所示,零件為高度比直徑小的開口筒形件,筒壁為等節距齒形結構,齒形筒壁上分布有距筒底高度不等但形狀和尺寸相同的腰圓孔,筒底有直徑較大的中心孔,零件材料為DC06鋼板。零件采用厚度為2.5 mm的板坯成形,齒形側壁厚度為1.7 mm,減薄率為32%。

圖1　零件幾何模型/mm

該零件典型制造工藝方案為:下料-拉伸-精整-成形齒形-沖孔-修邊、側壁沖孔。零件成形最大難點在于齒形圓角半徑為0.4 mm,圓角半徑過小造成材料流動困難而角落難以填充完全。利用deform軟件對其成形齒形過程進行有限元模擬,其圓角填充缺陷如圖2所示:

圖2　圓角填充缺陷

針對零件小圓角填充困難這一問題,本文提出一種預成形方法,即為了促進材料流動,改善產品質量,將坯料預先制成一定形狀,其目的是為了在成形齒形過程中使圓角處盡可能填充完全。沖擠齒形時,選擇將預成形件固定在凸模上,凹模自下往上運動完成沖擠成形過程。因此,設計工藝方案為:下料-拉伸-預成形-成形齒形-整形-沖孔-修邊、側壁沖孔,本文主要對預成形到成形齒形及整形過程進行研究,通過分析比較不同形狀的預成形坯料對小圓角填充質量的影響,研究預成形坯料幾何參數對小圓角齒形填充的影響規律,利用優化算法對預制坯幾何參數進行優化,達到提高零件成形質量的目的。

2　內凹式截面促進圓角填充的原理

在材料和壁厚一定的情況下,圓角越小,材料越難以填充。如果將預成形形狀設計為內凹形,如圖3所示,則可以在圓角較小的情況下較好地使圓角填充完全。其原理是由于中心處坯料內凹,坯料與模具接觸面積減少從而使摩擦阻力減小,材料容易向圓角處流動,同時在過渡區附近模具對坯料產生切向推力Fx克服摩擦阻力,促進材料向圓角處流動,切向推力與預成形內凹深度關系密切。對于內凹預成形截面,為方便起見,只取沿零件軸向單位長度一段單元進行受力分析:

圖3　受力分析圖

式中,q為模具作用在坯料上的載荷/MPa;μ為模具與坯料之間的摩擦因數；L為波峰間距離/mm；H為內來深度/mm。

在齒形圓角半徑較小情況下該切向推力有助于克服摩擦阻力促進材料向圓角流動,使圓角填充完全。

3　預成形形狀討論

根據上面的分析可知,內凹式截面有助于促進齒形圓角填充,因此根據零件特點選擇預成形坯料形狀如圖4所示,坯料下端與零件內齒貼合,坯料上端設計為內凹型,弧ab與弧bc相切,內凹最低點c點距坯料底部上端距離h1、側壁厚度T和外凸部分兩波峰間距離L決定坯料形狀。

圖4　預制坯形狀

為了保證整形時齒形填充完全,既要在內凹處留出足夠間隙,又要保證內凹底部距坯料底部上端距離不小于齒形厚度,初步選定h1取值范圍為:

1.7≤h1≤1.9(mm)

修正后的預成形方案在原方案的基礎上多了一步預成形工序,材料由厚度2.5 mm擠齒成形至1.7 mm,為了使每次成形壁厚減薄率均勻,初步選定側壁厚度T取值范圍為:

2≤T≤2.2(mm)

依據上述幾何參數取值范圍,內凹型預制坯面積不能大于原有坯料面積,初步選定外凸部分兩波峰間距離L取值范圍:

4.2≤L≤4.6(mm)

決定內凹型預制坯形狀的幾何參數包括:內凹最低點距坯料底部上端距離h1、側壁厚度T和外凸部分兩波峰間距離L,不同幾何形狀的預制坯在沖擠齒形過程中其材料的流動情況不同,對齒形圓角的填充有所影響。下面將討論這3個幾何參數對雙離合器內轂成形質量的影響規律。

4　內凹型預制坯成形齒形數值模擬

4.1　有限元建模

零件的幾何形狀、邊界條件和載荷均相對中心軸對稱,利用Catia軟件對預成形坯料及模具建模,設置好相關參數后生成計算模型提交計算,材料力學性能如表1所示:

表1　材料力學性能

4.2　預制坯幾何參數對成形質量的影響

1) 內凹最低點距坯料底部上端距離h1對成形質量的影響

為了研究h1對成形質量的影響,保持其他幾何參數及工藝參數不變,根據上文確定的取值范圍,h1分別取1.7,1.8,1.9 mm,觀察分析改變h1對齒形圓角填充的影響,使用有限元數值模擬得到相應的齒形圓角填充情況如圖5所示:

圖5　不同h1的齒形填充情況

由圖可知外齒齒頂圓角間隙隨著h1的增加而增加,內齒齒根圓角間隙隨著h1的增加而減小,說明h1的增加有利于內齒齒根圓角填充而不利于外齒齒頂圓角填充。

2) 側壁厚度T對成形質量的影響

為了研究T對成形質量的影響,保持其他幾何參數及工藝參數不變,根據上文確定的取值范圍,側壁厚度T分別取2,2.1,2.2 mm,觀察分析改變側壁厚度T對齒形圓角填充的影響,使用有限元數值模擬得到相應的齒形圓角填充情況如圖6所示:

圖6　不同側壁厚度下的齒形填充情況

由圖可知,隨著T的增加,外齒齒頂圓角間隙減小而內齒齒根圓角間隙增大,說明T增加有助于促進外齒齒頂圓角填充而不利于內齒齒根圓角填充。

3) 波峰間距離L對成形質量的影響

為了研究L對成形質量的影響,保持其他幾何參數及工藝參數不變,根據上文確定的取值范圍,L分別取4.2,4.4,4.6 mm,觀察分析改變波峰距離L對齒形圓角填充的影響,使用有限元數值模擬得到相應的齒形圓角填充情況如圖7所示:

圖7　不同波峰距離L下的齒形填充情況

由圖可知,隨著波峰距離L的增加,外齒齒頂圓角間隙減小而內齒齒根圓角增大減小,說明波峰距離增加有助于促進外齒齒頂圓角填充而不利于內齒齒根圓角填充。

綜上分析,預制坯幾何參數對齒形圓角填充有一定的影響,且這3個位置處的數值變化對圓角齒形填充的影響是交叉作用的,它們之間的匹配對成形結果有很大的影響, 為了能獲得最佳的預制坯幾何參數,需要運用優化算法對預制坯幾何參數進行優化。下面將結合正交試驗設計、BP神經網絡(back propagation)和多目標遺傳優化算法,即先通過正交試驗組合各設計變量,運用有限元對每組方案進行數值模擬計算目標值,然后通過BP神經網絡構建優化參數和優化目標之間的映射關系,最終利用多目標遺傳優化算法對其進行優化,在變量區間范圍內進行尋優搜索,得到最優解并通過有限元模擬對其進行驗證,從而達到優化的目的。

5　內凹型預制坯幾何參數優化

5.1　BP神經網絡建模

基于Matlab構建BP神經網絡模型,建立優化參數和優化目標間的映射關系,最終使用遺傳算法在變量區間搜尋最優解。

輸入層為待優化的預制坯幾何參數,輸出層為齒形圓角未填充間隙。本文中預制坯幾何參數為:內凹最低點c點距坯料底部上端距離h1、側壁厚度T和外凸部分兩波峰間距離L,輸入變量即為:h1,T,L。輸出變量為:外齒齒頂圓角間隙S1、內齒齒根圓角間隙S2。

數據樣本是BP網絡學習的依據,本文按照正交設計方法選取數據樣本,上文提到的3個輸入變量作為試驗因素,各因素取3個水平,構造試驗因素水平如表2所示:

表2　正交試驗因素水平表

根據正交試驗的因素水平數,選取L9(34)型正交表,基于deform對正交試驗的組合方案進行數值模擬,得到不同組合方案下的外齒齒頂處和內齒齒根處圓角間隙值,如表3所示:

表3　正交試驗樣本

采用經驗公式初步確定隱含層神經元數:

式中,p為隱含層神經元數;m為輸入層神經元數;n為輸出層神經元數;α為1～10之間的常數。本次計算中m=3;n=2,代入公式求得;p的取值范圍是4～13。

BP神經網絡中隱含層采用sigmoid型傳遞函數tansig,輸出層傳遞函數采用線性函數purelin,設定網絡訓練目標的誤差為0.001,學習速率為0.1,設定迭代次數為10 000,當達到最小誤差要求或迭代次數時訓練終止。

不同隱含層神經元數情況下BP網絡的擬合精度如表4所示,當隱含層神經元數為8個的時候誤差值最小,說明此時擬合精度較高,因此選定隱含層神經元數為8個。

表4　不同隱含層神經元數的均方誤差

5.2　多目標遺傳算法建模

多目標遺傳算法建模包括設計變量選取、約束條件和目標函數確定三部分,上文中基于BP神經網絡構建預制坯幾何參數和齒形圓角間隙之間的映射關系,結合訓練后的神經網絡利用遺傳算法構建多目標優化設計模型,所建立的數學模型為:

式中,h1為內凹最低點距坯料底部上端距離;T為預制坯側壁厚度;L為預制坯外凸波峰間距離;T為外齒齒頂圓角間隙;L為內齒齒根圓角間隙。

5.3　基于Pareto解的多目標遺傳算法優化

本文采用NSGA-Ⅱ算法,遺傳算法的目標函數為經過訓練的BP網絡,使用多目標遺傳算法進行尋優,得到包含非劣解的Pareto最優解如表5所示。

表5　基于遺傳算法獲得的Pareto最優解集

從表中可以看到,10組最優解組成了Pareto最優解集,需要從最優解集中挑選一組滿意解作為預制坯最佳幾何參數以及最優目標值。本文使用滿意度函數的方法來挑選滿意解,滿意度函數值越大,表明目標值越優。滿意度函數為:

式中,f1max,f1min分別為Pareto最優解集中f1的最大及最小值;f2max,f2min分別為Pareto最優解集中f2的最大及最小值。

通過對各組Pareto最優解滿意度進行計算,其滿意度函數值如表6所示:

表6　Pareto最優解集的滿意度值

從表中可以看到,最優解集中第10組目標值的滿意度函數值最大,說明由其對應的預制坯得到的雙離合器內轂小圓角齒形填充效果最好,故將該組作為滿意解。其對應的預制坯幾何參數為h1=1.843 9 mm,T=2.124 8mm,L=4.567 8mm,保留2位小數,即h1=1.84 mm,T=2.12 mm,L=4.57 mm。

為了對優化結果的準確性進行驗證,探討BP網絡結合多目標遺傳優化算法是否有效,在最優解情況下基于Deform進行沖擠齒形有限元模擬,優化后齒形填充效果的對比如圖8所示,

圖8　優化前后盤轂成形質量對比

優化后的齒形填充效果明顯得到了改善,內齒齒根處圓角間隙為0.09 mm,外齒齒頂處圓角間隙為0.10 mm,滿足工件的精度要求。

圖9　試驗結果

圖9所示為采用優化參數組合進行試制得到的零件,由圖可以看到零件小圓角齒形填充較好,成形質量高。試驗結果與模擬結果基本吻合,驗證了工藝方案的可行性和模擬結果的準確性。

6　結　論

1) 根據某雙離合器內轂小圓角齒形填充困難這一技術難題,提出了預成形工藝,通過受力分析可以知道,將預成形坯料制成內凹型可以促進金屬向圓角處流動以填充齒形。

2) 通過將坯料預制成內凹型促進小圓角齒形填充,其原理一是坯料與模具接觸面積減少從而使摩擦阻力減小,同時在過渡區附近模具對坯料產生切向推力FX克服摩擦阻力,促進材料向圓角處流動。原理二是坯料側壁壁厚減薄有利于側壁處金屬向圓角處流動,促進圓角填充。

3) 在內凹型預制坯幾何參數中,內凹最低點距坯料底部上端距離h1的增加有利于內齒齒根圓角填充而不利于外齒齒頂圓角填充,側壁厚度T增加有助于促進外齒齒頂圓角填充而不利于內齒齒根圓角填充,波峰距離L增加有助于促進外齒齒頂圓角填充而不利于內齒齒根圓角填充。

4) BP神經網絡結合多目標遺傳優化算法能夠有效地對預制坯幾何參數進行優化,內凹最低點c點距坯料底部上端距離h1、側壁厚度T和外凸部分兩波峰間距離L最優取值分別為:1.84,2.12,4.57 mm,優化后齒形圓角填充性能得到了改善,提高了雙離合器內轂的成形質量。

5) 根據最優工藝參數進行試制,得到的成形件質量較好,試驗結果和模擬結果基本吻合,驗證了此工藝方案的可行性。