AI-FORM 工業案例

項目背景

• 汽車油箱形狀複雜，深度不勻，壓邊面積小，零件存在巨大深度落差的鞍部，非常容易起皺和斷裂。需要通過優化調整壓邊力，壓延筋的分佈和初始板材的大小來平衡材料流動，避免缺陷。
• 通常的技術手段是手工調試方案組合，結合衝壓加工仿真程序，對方案進行評估。但是耗時時間長，效率低下，而且很難找到最佳解和工作區間。因此，需要採用集成一體全自動化的優化方法。輔助工程師的方案選型,提高設計效率，節省時間成本。

優化策略

根據初始模擬的結果，確認對如下幾何和變量進行優化，尋找其最佳工作窗口：

• 衝壓板材的尺寸 （下圖中BS的偏移量）
• Drawbead的位置和長度（DB1和DB2的值）
• Drawbead壓延力的大小，從而確定其形狀和尺寸。

優化準則

根據初始模擬的結果，將優化目標定義成以下三個目標變量：

• 在鞍部選擇一個區域，根據最大厚度判斷是否存在皺紋；
• 在板材上定義傳感器，獲取最終的板材流入尺寸；
• 在零件頂端定義一個區域，獲取FLD的累積值，判斷是否發生斷裂。

優化步驟

由於工藝範圍很寬，對各輸入變量與輸出結果間的關係尚不清晰且對最佳工作窗口無法預估，也無法預知輸入條件中是否存在滿足最終產品要求的工藝窗口，因此採取兩步進行優化。

第一步: 用DOE尋找可行的工藝窗口

第二步: 採用PSO優化工藝窗口

由於PSO分析是基於DOE分析的結果，所以結果取值範圍已有明顯的改善。通過調節輸出結果軸，可以看到，當板材幾何尺寸偏移量介於21~63, 壓延筋長度介於50~89，壓延阻力系數介於0.29~0.4的範圍內，都能獲得滿意的衝壓結果。

項目總結

• C可現實CAD驅動的自動優化
• 可優化任何尺寸和參數，包括幾何尺寸、材料參數、過程工藝條件等。
• 完全自動化的有限元網格劃分和邊界條件定義，無需人工干預。任何模擬參數均可作為優化準則
• 無限的輸入變量和輸出結果
• 多種優化算法：DOE，GA 和 PSO
• 附帶專業的優化結果過濾與分析工具，例如帕累託圖，平行座標圖等
• 支持並行計算和併發優化。