Summary

Knowledge Based Cloud FE Simulatie van Sheet Metal Forming Processes

Published: December 13, 2016
doi:

Summary

The following paper presents a novel FE simulation technique (KBC-FE), which reduces computational cost by performing simulations on a cloud computing environment, through the application of individual modules. Moreover, it establishes a seamless collaborative network between world leading scientists, enabling the integration of cutting edge knowledge modules into FE simulations.

Abstract

The use of Finite Element (FE) simulation software to adequately predict the outcome of sheet metal forming processes is crucial to enhancing the efficiency and lowering the development time of such processes, whilst reducing costs involved in trial-and-error prototyping. Recent focus on the substitution of steel components with aluminum alloy alternatives in the automotive and aerospace sectors has increased the need to simulate the forming behavior of such alloys for ever more complex component geometries. However these alloys, and in particular their high strength variants, exhibit limited formability at room temperature, and high temperature manufacturing technologies have been developed to form them. Consequently, advanced constitutive models are required to reflect the associated temperature and strain rate effects. Simulating such behavior is computationally very expensive using conventional FE simulation techniques.

This paper presents a novel Knowledge Based Cloud FE (KBC-FE) simulation technique that combines advanced material and friction models with conventional FE simulations in an efficient manner thus enhancing the capability of commercial simulation software packages. The application of these methods is demonstrated through two example case studies, namely: the prediction of a material’s forming limit under hot stamping conditions, and the tool life prediction under multi-cycle loading conditions.

Introduction

Finite Element (FE) simulations have become a powerful tool for optimizing process parameters in the metal forming industry. The reliability of FE simulation results is dependent on the accuracy of the material definition, input in the form of flow stress data or constitutive equations, and the assignment of the boundary conditions, such as the friction coefficient and the heat transfer coefficient. In the past few years, advanced FE simulations have been developed via the implementation of user-defined subroutines, which have significantly broadened the capability of FE software.

The use of such advanced FE simulations in the design of forming processes for structural components has been investigated by both the aviation and automotive industries, with the intention of producing lightweight structures that reduces operating costs and CO2 emissions. Particular focus has been placed on the replacement of steel components with lower density materials, such as aluminum alloys and magnesium alloys. However, these alloys, especially the stronger variants, offer limited formability at room temperature and thus complex-shaped components cannot be manufactured using the conventional cold stamping process. Therefore, advanced high temperature forming technologies, such as warm aluminum forming 1-4, hot stamping of aluminum alloys 5-9 and hot stamping of high strength steels 10, have been developed over the past decades to enable complex-shaped components to be formed. In general, high temperature forming processes involve significant temperature variations, strain rate and loading path changes 11, which would, for instance, cause inevitable viscoplastic and loading history dependent responses from the work piece materials. These are intrinsic features of high temperature forming processes and may be difficult to represent using conventional FE simulation techniques. Another desirable feature would be the ability to predict the tool life over multiple forming cycles in such processes, since they require low friction characteristics achieved through coatings that degrade with each forming operation. To represent all these features via the implementation of user-defined subroutines would be computationally very expensive. Moreover, the development and implementation of multiple subroutines would require excessive multi-disciplinary knowledge from an engineer conducting the simulations.

In the present work, a novel Knowledge Based Cloud FE (KBC-FE) simulation technique is proposed, based on the application of modules on a cloud computing environment, that enables an efficient and effective method of modeling advanced forming features in conjunction with conventional FE simulations. In this technique, data from the FE software is processed at each cloud module, and then imported back into the FE software in the relevant consistent format, for further processing and analysis. The development of these modules and their implementation in the KBC-FE is detailed.

Protocol

1. Ontwikkeling van een hoge temperatuur vormen Limit Prediction Model Laser gesneden de monsters voor vervormbaarheid testen van de aluminium legering AA6082 platen (1,5 mm dikte) in de geselecteerde geometrieën 12. Etch een rasterpatroon, bestaande uit 0,75 mm diameter ronde punten met een regelmatige tussenruimte van 1 mm, op het oppervlak van de monsters met een elektrolytische methode 13. Handmatig toepassen grafiet vet als smeermiddel op de niet-geëtste kant. Monteer de koepel proefopstelling in een hoog tempo hydraulische pers 12. Gebruik een 250 kN hydraulische universele machine testen. Verwarm de koepel testopstelling om een ​​test temperatuur en stel de stempel op een constante bewegingssnelheid. Dan starten de test. Opmerking: Het testen temperaturen zijn 300, 400 en 450 ° C. Het testen snelheden onder 75, 250 en 400 mm / s. Stop de test bij het eerste optreden van insnoering. Opmerking: De pers Stroke (dwz uiteindelijke model hoogte) wordt zodanig ingesteld dat alleen insnoering wordt waargenomen op het gevormde monster. Meet de uiteindelijke hoogte monster met een hoogtemeter, en bereken de stammen en maximale vervormingssnelheden (de veranderingssnelheid van stam in de tijd) met een optische 3D vormende analysesysteem. Analyseer de veranderingen in de rasterafstand de spanningen berekenen op elk punt van het gevormde monster. Zorg ervoor dat de optische 3D-vormen van analyse-systeem is voorzien van een camera, de gevormde specimen, en kalibratie schaal bars 14. Opmerking: Het monster wordt geplaatst in het midden van een draaitafel en gevoegd bij de schaalbalken en hun relatieve posities vast blijft voor de duur van de analyse. Stel de camera op een vaste hoogte (bijvoorbeeld 50 cm) en hoek (bijvoorbeeld 30, 50 of 70 °) met het model en foto's over een volledige omwenteling (360 °) van de draaitafel, in stappen van 15 ° . Opmerking: In de present werk kunnen drie soorten beelden werden verkregen van meerdere camera hoogtes en hoeken om de spanningen kaart over de gehele specimen 15. Laad de foto's in het optische 3D-vormen analyse software, en ga naar de stammen te berekenen. Doe dit door te klikken op de 'compute ellipsen en bundel' functie, die de grid punten, gevolgd door te klikken op de 'compute 3D-points en grid' functie die opbouwt de grid detecteert. Let op: Bereken de spanningen en visualiseer deze in de evaluatie-modus. Uitgang van de vervormingen aan de limiet stammen voor elk monster op basis van ISO 12004 16 vast te stellen, en plot de vorming limiet schema's voor verschillende vormen van snelheden en het vormen van temperaturen. Calibreren materiaal model AA6082 bij verschillende temperaturen 300-500 ° C en vervormingssnelheden 0,1 tot 10 s -1. Opmerking: Het materiaal model en zijn constanten voor AA6082worden beschreven in referentie 17. Implementeren en verenigen de Hosford anisotrope opbrengst functie 18, Marciniak-Kuczynski (MK) theorie 19 en het materiaal model in stap 1,12 tot een integratie-algoritme teneinde de vorming grens voorspellingsmodel formuleren. Opmerking: Het model wordt beschreven in referentie 11. Kalibreren en het ontwikkelde model te controleren voor stap 1.13 het gebruik van de experimentele resultaten verkregen in stap 1.11. Voorspel de vorming van grenzen door middel van de geverifieerde model 11 uit stap 1.14. Opmerking: Figuur 1 toont de resulterende voorspellingen bij verschillende temperaturen, op een vorm- snelheid van 250 mm / s, of equivalent, een reksnelheid van 6,26 s-1. 2. Ontwikkeling van een interactief Friction / Wear Model Voer ball-on-disc testen voor gecoate (disc) specimens Bereid titanium nitride (TIN) coatings op het dragen van staalGCr15 schijf met kathode arc en mid-frequentie magnetron sputteren, met de depositie parameters gegeven in referentie 20. Met behulp van een scanning elektronenmicroscoop (SEM) verkregen oppervlak / doorsnede topografie van het beklede monster. Meet de dikte TiN coating door de SEM-beelden door het vergelijken van de topografie (helderheid en het contract) van de basis en bekledingsmaterialen. Opmerking: De experimentele procedures zijn te vinden in referentie 20. Gebruik een wit licht inter-ferometric oppervlak pro-filometer met de oppervlakteruwheid van het monster te verkrijgen. Het monster onder de lens en de microscoop aanpassen aan duidelijke oppervlaktestructuur te verkrijgen. Verlichten het monster en stel de hoeken x en y assen duidelijke interferentie stroken (die kan worden gevolgd vanaf het scherm) te observeren. Stel bruto diepte in de software en start de meting. Automatisch scannen van het monster oppervlak en het berekenen van de oppervlakteruwheid. Evalueer de hechtende kracht of het monster met behulp van een micro-kras tester. Breng een toenemende belasting (maximaal 50 N) en een kras afstand (maximaal 5 mm) op de TiN coating. Bepaal de kritische belasting het uitvallen van de coating en de micro-kras krommen 20 te verkrijgen. Beoordelen van de hardheid van het monster met behulp van een hardheid indringlichaam. Breng een statische belasting van 20 N op het monster gedurende 15 s. Meet de diagonaal van de indruk die de indenter, en vervolgens het verkrijgen van de hardheid waarden uit de tester. Gedrag ball-on-disc proeven op een tribometer bij een omgevingstemperatuur omgeving (temperatuur 25 ° C, luchtvochtigheid 30%). Gebruik een diameter van 6 mm WC-6% ball (micro-hardheid van 1780 HV, slijtvastheid 1380 N / cm, elasticiteitsmodulus 71 GPa) als de tegenhanger tegen de gecoate disc. Pas de relatieve schuifbeweging snelheid 5 mm / s. Breng een normale belasting van 200 N. Start de motor en opnemen frictie waarden met de tribometer. De test onderbreken bij 180 s, 350 s, 400 s en 450 s, respectievelijk de slijtagespoor analyseren onder toepassing van een optical microscoop 20. Meet de topografie van de versleten oppervlak met behulp van een wit licht interferometrische oppervlak profilometer na het testen. Herhaal de tests (stap 2.1.6) met verschillende normale belastingen (300 N, 400 N). Bepaal de ontwikkeling van de wrijvingscoëfficiënt tot de verdeling van de harde bekleding, gekenmerkt door een sterke toename van de wrijvingscoëfficiënt Plot de ontwikkeling van de wrijvingscoëfficiënt tegen de tijd na het opnemen van de wrijvingswaarden in stap 2.1.6. Opmerking: De ontwikkeling van de wrijvingscoëfficiënt wordt in referentie 20. Beoordeel de ontwikkeling van de wrijvingscoëfficiënt qua slijtagegedrag en de bijbehorende mechanismen. Opmerking: De evolutie van wrijving wordt gekenmerkt in drie verschillende fasen: (i) lage wrijving fase, (ii) ploegen wrijving fase, en (iii) coating verdeling stadium 20,21. Evalueer de slijtage sLIDSTATEN bij 180 s door het handmatig onderbreken van de test, en vervolgens analyseren de slijtage spoor met behulp van een optische microscoop. Opmerking: deze stap de slijtagedeeltjes voor de lage wrijving fase onderzoeken, zoals beschreven in stap 2.2.2. Herhaal stap 2.2.3 bij 350 s, 400 s en 450 s, respectievelijk. Ontwikkelen van de interactieve wrijving model Karakteriseren het totale wrijvingscoëfficiënt μ combineert de oorspronkelijke wrijving μ α met de ploegen frictie hardware deeltjes μ Pc (zie vgl. (1)) 20. (1) Combineer de ploegen wrijving tussen de bal en substraat (μ PS) met de momentane laagdikte (h) op de coating afbraak veroorzaakte sterke toename van de ploegen wrijving μ pc-model (Vgl. (2)). NotitieIn dit geval, μ Pc gelijk μ Ps wanneer de resterende laagdikte nul (vermelding van de volledige verdeling van de harde coating). (2) waarbij λ 1 en λ 2 zijn modelparameters kennis met de fysische betekenis van het slijtageproces vertegenwoordigen. λ 1 beschrijft de invloed van grote ingesloten slijtagedeeltjes en λ 2 geeft de intensiteit van de ploegen wrijving effect, dat wordt gekenmerkt door de helling van de wrijvingscoëfficiënt. Gebruik tijdsafhankelijke integratie algoritme om de evolutie van de resterende laagdikte te verkrijgen en het model van de geaccumuleerde gebruiksduur onder wisselende omstandigheden contact. Werk de laagdikte in elke berekening lus door Eq. (3). (3) <img alt="vergelijking 3" src="/files/ftp_upload/53957/53957eq3.jpg"/> waarbij h 0 is de eerste laagdikte en de tijdsafhankelijke slijtagesnelheid van de coating. Wijzig Archard's wear wet 22 (Vgl. (4)) en uit te voeren in het huidige model. (4) waarbij K de slijtage coëfficiënt P de contactdruk, v de glijsnelheid en H c de gecombineerde hardheid van de bekleding en het substraat. Gebruik Korsunsky's model om de gecombineerde hardheid te berekenen (Vgl. (5)). (5) waarbij H en is de hardheid van het substraat, α is de hardheid verhouding tussen coating en substraat en β is de invloed coëfficiënt van de dikte. Vertegenwoordigen de belasting afhankelijke parameters A 1 en K van de macht law vergelijkingen. (6) (7) waarbij κ λ1, κ K, Ν λ1 en Ν K zijn materiaal constanten in verband met de evolutie van de wrijving 20. Breng de interactieve wrijving model om de experimentele resultaten met behulp van een integratie-algoritme ontwikkeld in de groep van de auteurs van het model parameters bepalen. 3. KBC-FE Simulation Case Studies KBC-FE simulatie-case study 1: voorspelling van het vormen limiet onder hete stempelen voorwaarden Maken en de naam van een nieuwe simulatie-project in de FE simulatiesoftware. Selecteer het proces als 'Stamp hot vormen' en het type solver als 'PAM-AutoStamp' bijhet opslaan van het project. Importeer de deur binnenste sterven door te klikken op de 'Import gereedschap CAD' en vervolgens op 'Import & transfe r' de deur innerlijke 'IGS' geometrie bestand in de FE simulatiesoftware grafische interface. Selecteer de 'Hot vormen' strategie voor meshing van gereedschap. Noem het geïmporteerde object als 'Die'. Herhaal stap 3.1.2 en 'import' van de objecten van Punch en Blankholder, respectievelijk. Klik op 'Blanco' onder de 'Set-up' tab. Klik op 'Toevoegen leeg' in de 'Blank editor', en zet de 'Nieuwe object' als 'Blanco'. Selecteer vervolgens het type als 'Surface Blanco'. Kies 'Outline' voor de definitie type en de invoer van de lege vorm by klikken op 'Importeren vanuit CAD-bestand'. Definieer 'Verfijning' als 'opgelegde level' en selecteer level 1 onder 'Mesh options'. Schakel 'Automatisch meshing' en stel "maaswijdte" tot 4 mm. Definieer materiaaleigenschappen in 'Blank editor'. Klik op 'Laad een materiaal' onder het tabblad 'Materiaal'. Selecteer de 'AA6082' (eenheid: mm · kg · ms · C) materiaal als de materiaaleigenschappen. Stel de 'rollende richting' naar 'x = 1'. De 'blanco dikte "tot 2 mm, en de blanco' begintemperatuur 'tot 490 ° C. Opmerking: Het materiaal eigenschappen en het materiaal model worden beschreven in referentie 17. Klik op 'Proces </strong> 'onder' 'tab en selecteer de' Set-up 'pictogram + om een nieuwe macro te laden. Blader naar ' Stamp Hotforming' en selecteer 'HF_Validation_DoubleAction_GPa.ksa'. In het dialoogvenster "Customize", activeert u de Blank, Die Punch, en Blankholder. Onder het tabblad 'Stages', activeer Gravity, Vasthouden, Stamping, en afschrikken. Stel alle parameters in het 'Objects attributen' onder 'set-up' tab te corresponderen met de werkelijke experimentele opstelling (blanco houdkracht = 50 kN, de vorming van snelheid = 250 mm / s, wrijvingscoëfficiënt = 0,1, warmtedoorgangscoëfficiënten 23 als een functie van de kloof en contact druk). Klik op 'Bekijk' icoon om de simulatie set-up te controleren en zorgen dat er geen fouten in de bovenstaande instellingen. Klik op het icoon 'Computation' om de si beginnenopeenstapeling. Opmerking: De software registreert 11 staten tijdens de simulatie in een host-computer. Na voltooiing van de simulatie, observeert de simulatie resultaten in de FE simulatie-software grafische interface, en overgaan tot een 'script' te nemen voor een actie exporteren van de contour waarden, dat wil zeggen, de belangrijkste stam (membraan), kleine stam (membraan), en de temperatuur alle lege elementen, voor een bepaalde toestand simulatie. Klik op 'Record' en export contour waarden handmatig. Klik op 'stop' te stoppen met opnemen. Sla het script om dezelfde actie voor alle 11 staten simulatie herhalen. Klik op 'play' pictogram om het script te laden, klikt u op 'doe Al' om de contour waarden exporteren. Opmerking: Voor elke individuele contour / staat, de software exporteert automatisch de waarden in 'ASCII' bestanden onder 'major_strain_statenomber ',' minor_strain_statenumber 'en' temperature_statenumber ', respectievelijk. Bewaar alle geëxporteerde bestanden naar een cloud computer. Voer de 'insnoering voorspellingsmodel' (dat wil zeggen, cloud module code) samen met alle geëxporteerde bestanden in de cloud computer. Voorspel het begin van insnoering door middel van het vormen limiet predictiemodel in de wolkencomputer. Opmerking: Dit model 11 biedt gebruikers de mogelijkheid om de werking voorspellingsmodel individueel element of alle elementen van de blanco. Handmatig invoeren van de simulatie details / parameters in het 'insnoering voorspellingsmodel'. Voer het aantal staten in de simulatie (stand 11), de totale slag van de afstempeling proces (157 mm), stempelen snelheid (250 mm / s), stam aanbod van belang (het element selectiecriterium, bijvoorbeeld stam> 0,2) en alle elementen. Opmerking: De strain bereik beperkt de onderdelen waarvoor insnoering kan plaatsvinden door een element criterium, bijvoorbeeld, worden alleen de elementen met een laatste grote rek groter dan 0,2 geselecteerd voor verdere evaluatie in de module. Na het voltooien van de module berekening in de cloud computer, automatisch alle gegevens (insnoering voorspelling resultaten) in geformatteerde 'ASCII' bestanden op te slaan. Laad de laatste stand van de FE simulatie resultaten. Onder het tabblad 'Contours', klik op 'geïmporteerd' en vervolgens 'Scalaire waarden'. Selecteer de "ASCII" dossier verkregen uit de bovenstaande stap. Toon de insnoering voorspelling resultaten in de FE simulatiesoftware. KBC-FE simulatie case study 2: standtijd voorspelling onder multi-cyclus beladingen Maken en de naam van een nieuwe simulatie-project in de FE simulatiesoftware. Selecteer het process als 'Standard stampen' en het type solver als 'PAM-AutoStamp' bij het opslaan van het project. Importeer de dobbelsteen geometrie door te klikken op de 'Import gereedschap CAD' en vervolgens 'Import & transfer' de U-vorm sterven 'IGS' geometrie bestand in FE simulatiesoftware grafische interface. Selecteer de 'Validation' strategie voor meshing van gereedschap. Noem het geïmporteerde object als 'Die'. Herhaal stap 3.2.2 om de objecten van Punch en Blankholder importeren, respectievelijk. Klik op 'Blanco' onder 'Set-up' tab. 'Add blank' in de 'Blank editor', stelt de 'Nieuwe bezwaar t' als 'Blanco' en selecteer vervolgens het type als 'Surface Blanco'. Kies 'Four poiNTS 'voor de definitie soort en zet de lege grootte van 120 × 80 mm 2. Definieer 'Verfijning' als 'opgelegd level': level 1 onder 'Mesh options'. Schakel 'Automatisch meshing' en stel "maaswijdte" tot 1,5 mm. Definieer materiaaleigenschappen in 'Blank editor'. Klik op de 'Load een materiaal' onder het tabblad 'Materiaal'. Selecteer de 'AA5754-H111' (eenheid: mm · kg · ms · C) materiaal als de materiaaleigenschappen. Stel de 'rollende richting' naar 'x = 1'. De 'blanco dikte "1,5 mm. Klik op 'Proces' onder het tabblad 'Set-up' en selecteer het pictogram '+' om een nieuwe macro te laden. Blader naar' Stamp Haalbaarheid' en selecteer 'SingleActioin_GPa.ksa'. In het dialoogvenster "Customize", activeert u de Blank, Die Punch, en Blankholder. Onder 'Stages', activeer Gravity, Vasthouden, en Stempelen. Stel alle 'parameters in de simulatie te corresponderen met de feitelijke experimentinstellingen (blanco houdkracht = 5, 20, 50 kN respectievelijk vormsnelheid = 250 mm / s, wrijvingscoëfficiënt = 0,17). 'Controleer' de simulatie set-up en zorgen dat er geen fouten in de bovenstaande instellingen. Klik op het icoon 'Computation' en start de 'Computation' voor een 11-state U-vorm buigen van simulatie in een host-computer. Na voltooiing van de simulatie, export van gegevens en 'contact druk' data automatisch te coördineren 'voor het werkstuk engereedschappen (punch, sterven en plooihouder) als 'ASCII' bestanden (zoals per Steps 3.1.11 en 3.1.12). Bewaar alle geëxporteerde bestanden naar een cloud computer. Voer de 'standtijd voorspelling module' samen met alle geëxporteerde bestanden in de cloud computer. Handmatig in te voeren vormen van parameters in de 'standtijd voorspelling module'. Voer de volgende parameters: aantal staten (staat 11), de totale slag (70 mm), stempelen snelheid (250 mm / sec) en de initiële wrijvingscoëfficiënt (0,17). Selecteer het gereedschap (Punch, sterven, of plooihouder), en start de berekening voor één enkel element of alle elementen. Na voltooiing van de berekening in de module wolkencomputer automatisch alle gegevens (inclusief momentane resterende laagdikte en wrijvingscoëfficiënt) in geformatteerde "ASCII" bestanden. Load en toont de resterende laagdikte en frictiop coëfficiënt voor de relevante elementen in de FE simulatie software (zoals per stap 3.1.17).

Representative Results

KBC-FE Simulatie voor insnoering Prediction In een hot stamping proces, zal het gebruik van een geoptimaliseerde vorm lege niet alleen bespaart materiaalkosten maar ook helpen om de aanwezigheid van defecten, zoals insnoering, barsten en rimpels te verminderen. De aanvankelijke uitgangsmateriaalvorm beïnvloedt de materiaalstroom aanzienlijk bij het vormen, en dus een verstandige ontwerp van de Uitgangsmateriaalvorm is cruciaal voor het succes van de hot stamping en de kwaliteit van de eindproducten. Om de inspanningen van de trial-and-error experimenten om de optimale lege geometrie bepalen verminderen, werd KBC-FE simulatie zich bewezen als een zeer efficiënte en effectieve methode voor het minimaliseren van de gebieden met insnoering zijn. Met behulp van deze techniek, elke simulatie duurt ongeveer 2 uur, terwijl de parallelle cloud module berekening voor insnoering voorspelling binnen 4 uur is voltooid. <p class="jove_content" fo:keep-together.within-page = "1"> Figuur 4 toont de evolutie van de lege vorm die in de hete stempelen, een voorbeeld van deur- automotive binnencomponent. De eerste lege vorm van een conventioneel koude stempelen proces goedgekeurd, werd voor het eerst gebruikt in de KBC-FE simulatie. Experimentele resultaten in Figuur 4 (a) blijkt dat grote falen (scheuren of insnoering) gebieden zichtbaar na de hot stamping. Na één iteratie van de lege vormoptimalisatie kan worden gezien in figuur 4 (b) een nagenoeg volledig succesvol paneel is gevormd met minder insnoering, vergeleken met de aanvankelijke Uitgangsmateriaalvorm. Te zien is dat er nog een indicatie van insnoering in de zakken in de rechter en linker hoeken van het paneel. Na verdere optimalisatie in figuur 4 (c), werd de geoptimaliseerde Uitgangsmateriaalvorm uiteindelijk verkregen zonder zichtbare insnoering op het paneel. De geoptimaliseerde lege vorm bepaald door de KBC-FE simulatie werd experimenteel geverifieerd door middel van hot stampingproeven uitgevoerd op een volledig geautomatiseerde productielijn aangeboden door een productiesysteem fabrikant. KBC-FE Simulatie voor Tool Life Prediction Conventionele FE simulaties van het vormen van metaal processen worden uitgevoerd voor een enkele cyclus. In een productieomgeving, verschillende vormen worden doorlopen op een bepaald gereedschap, indien blijkt dat een toename van het aantal vormcycli resulteert in een verhoogde variatie tussen de gevormde componenten. Deze variatie in multicyclische gereedschap lading is het gevolg van veranderende oppervlak topografie. Bijvoorbeeld, de multi-cyclus geladen vormwerktuigen met functionele bekledingen leiden tot een laagdikte reductie door slijtage. Bovendien zal de verdeling van de coating ook worden beïnvloed door het vormen van parameters, zoals de belasting / druk vormende snelheid, etc. De KBC-FE techniek maakt hetsimulatie van bewerking van processen onder multicyclische belastingsomstandigheden, die essentieel is voor de in gebruik levensduurvoorspelling vormen gereedschappen met geavanceerde functionele deklagen. Om de effecten van blanco vasthoudkracht op de standtijd, blanco vasthoudkracht waarden van 5, 20 en 50 kN onderzoeken werden onderzocht op een constante snelheid van het vormen van 250 mm / s. Figuur 5 toont de resterende gereedschap laagdikte verdeling met verschillende blanco houdkracht na 300 vormen cycli. Het blijkt duidelijk dat de resterende laagdikte afneemt met een toename in de blanco houdkracht. Figuur 6 toont de druk en de resterende laagdikte verdeling met blanco houdkracht van 5, 20 en 50 kN respectievelijk langs de kromlijnige afstand van de matrijs na 300 vormcycli. Aangezien de AB-gebied representeert de matrijs entrance gebied tijdens het buigproces U-vorm, de druk en de relatieve afstand slijtage in dit gebied waren veel hoger dan andere gebieden van de matrijs. Bijgevolg is de slijtage van de bekleding hoofdzakelijk plaats in dit gebied. Er zijn twee piekwaarden van bekledingsdikte reductie bij 20 kN en 50 kN die overeenkomen met de twee pieken onder druk. Intussen is de resterende laagdikte afneemt met de toename van blanco houdkracht. De laagste resterende laagdikte met blanco houdkracht van 5, 20 en 50 kN, waren 0,905, 0,570 en 0,403 micron, respectievelijk, wanneer de oorspronkelijke bekledingsdikte 2,1 urn. Figuur 1: Vergelijking tussen experimentele en voorspelde vormen grens stammen bij verschillende temperaturen. Het vormen grens stammen toenemen naarmate de temperatuur stijgt, met een constante snelheid van 250 mm/ s, of gelijkwaardig, een reksnelheid van 6,26 s -1. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 2: Schematische grafiek voor kennis gebaseerde cloud FE simulatie van een plaatwerk vormingsproces. Commerciële FE simulatiesoftware, wordt gebruikt om de simulatie en exporteert de voor de afzonderlijke modules resultaten. De modules, bijvoorbeeld, vervormbaarheid, warmte-overdracht, post-vormende kracht (microstructuur), standtijd voorspelling, gereedschap ontwerp, etc., werken gelijktijdig en onafhankelijk van elkaar in de cloud, vandaar waardoor de integratie van geavanceerde kennis uit meerdere bronnen in FE simulaties . Gelieve click hier om een ​​grotere versie van deze figuur te bekijken. Figuur 3: Geometrie van het werkstuk en gereedschappen voor de U-vorm buigen simulatie. Het gereedschap, dat wil zeggen, stempel, plooihouder en sterven, worden gemodelleerd met behulp van stijve elementen. Shell elementen worden gebruikt voor het werkstuk (blanco) elementen. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 4: Evolutie van de lege vorm voor het hete stempelen van een deur binnenste paneel (weergegeven in FE simulatie). Links: De cijfers in groene kaders vertegenwoordigen lege vormen bij elke optimalisatie fase, en degenen die in het roodframes komen overeen met de lege vorm voor de optimalisatie. Rechts: Insnoering voorspelling resultaten in elk optimalisatie fase. (A) De eerste resultaten met grote falen (scheuren / insnoering weergegeven in rode kleur), (b) Gereduceerde storing met enige insnoering na de eerste fase van optimalisering, (c) Final geoptimaliseerd uitgangsmateriaalvorm zonder zichtbare insnoering. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 5: de resterende laagdikte verdeling (weergegeven FE simulatie) met blanco houdkracht van: (a) 5 kN, (b) 20 kN, en (c) 50 kN, na 300 vormcycli een constante stempelen snelheid van 250 mm / s. alsjeblieftklik hier om een ​​grotere versie van deze figuur te bekijken. Figuur 6: Voorspelling van contactdruk en de resterende laagdikte met blanco houdkracht van: (a) 5 kN, (b) 20 kN, en (c) 50 kN, langs de kromlijnige afstand van de matrijs op een constante stempelen snelheid van 250 mm / s. Klik hier om een grotere versie van deze figuur te bekijken.

Discussion

De KBC-FE simulatie techniek maakt geavanceerde simulaties uit te voeren buiten het terrein met behulp van speciale modules. Het kan functionele modules op een cloudomgeving die knooppunten verbinden van verschillende specialisaties werking, zodat processimulaties worden zo nauwkeurig mogelijk uitgevoerd. De kritische aspecten in de KBC-FE simulatie kan onafhankelijkheid van de FE codes, efficiëntie van de berekening, en de nauwkeurigheid van de functionele modules omvatten. De realisatie van elke geavanceerde functie in een module zal maken van de ontwikkeling van een nieuw model en / of een nieuwe experimentele techniek. Zo wordt de vorming limit module ontwikkeld op basis van de nieuwe unified vormende grens predictiemodel 11, en de wrijving standtijd voorspelling module nog ontwikkeld door de uitvoering van de interactieve wrijvingsmodel 20. De KBC-FE simulatie techniek biedt ook de functie van selectieve berekening, dat wil zeggen, alleen de elementen die aan de selectiecriteria worden geselecteerd voor verdere evaluatie in de afzonderlijke modules. Bijvoorbeeld, de standtijd voorspellingsmodule automatisch de elementen waarvoor de harde bekleding neigt verdeling volgens de rangschikking van de slijtagesnelheid van alle elementen in de 1e vormcyclus, waardoor gewoonlijk minder dan 1% van de elementen worden geselecteerd voor verdere standtijd evaluaties onder multi-cyclus beladingen. In het huidige onderzoek, kan de standtijd voorspelling na 300 cycli vormen binnen 5 minuten worden voltooid.

Door het uitvoeren van de relevante tests en dienovereenkomstig kalibreren, kunnen de vormende grens model worden toegepast vormproces simulaties derhalve de optimale parameters bepalen voor het vervaardigen van een component uit dergelijke legeringen met succes en zonder gevallen van insnoering. Het vormen grens predictiemodel werd ontwikkeld als een wolk module die onafhankelijk van de FE software wordt gebruikt was, en kan worden toegepast op elk FE software om de vormbaarheid van een materiaal gedurende beoordelenvormen, zonder ingewikkelde subroutines 17. Door het importeren van de relevante gegevens in het model, kunnen berekeningen worden uitgevoerd om te bepalen of het falen zou optreden, in de regio's van het onderdeel dat de gebruiker kan aangeven, besparen op computationele resources. Er moet echter worden opgemerkt dat de kracht-rek krommen worden ingevoerd in de FE software via een eenvoudige opzoektabel, kan het moeilijk zijn om de materiaaleigenschappen bij verschillende temperaturen en vervormingssnelheden volledig weer te geven tijdens de simulatie.

In de standtijd voorspelling module, kan de wrijvingskracht gedrag tijdens het vormen worden voorspeld door het importeren van de vereiste vervorming geschiedenis gegevens in de gecontroleerde wrijving module 20, en vervolgens het importeren van de discrete datapunten berekend door de cloud-module voor elk element terug in de FE-software. Dit zorgt ervoor dat de geavanceerde wrijving module kan worden gebruikt door alle FE codes, ongeacht hun vermogen om user-subroutines nemen. Daarnaast is de module kan worden uitgevoerd parallel aan verdere verlaging van de rekentijd. De interactieve wrijving / slijtage model ging de afwezigheid van slijtagedeeltjes tijdens de initiële glijden, met als gevolg, zou het redelijk zijn om een constante beginwaarde van wrijvingscoëfficiënt 0,17 20 verwacht. Hoewel dit model bleek de ontwikkeling van wrijving spreiding de wrijvingsgedrag tijdens een vormingsproces is zeer gecompliceerd, en het is moeilijk om de complexe wrijvingsgedrag van de wolk module volledig te integreren in de FE simulatie.

Als een technologie van de toekomst, zal de KBC-FE simulatie vertrouwen op de ontwikkeling van specifieke en robuuste internet gebaseerde FE simulatie software pakketten, die een zeer winstgevend, maar totaal verschillende business model zou moeten worden vastgesteld door de softwareontwikkelaars. Bovendien, toegewijd intern netwerk moet binnen de samenwerkende partijen worden gebouwd om gegevensbeveiliging en de controle betrouwbaarheid van het industriële systeem. </p>

Divulgations

The authors have nothing to disclose.

Acknowledgements

The financial support from Innovate UK, Ultra-light Car Bodies (UlCab, reference 101568) and Make it lighter, with less (LightBlank, reference 131818) are gratefully acknowledged. The research leading to these results has received funding from the European Union’s Seventh Framework Program (FP7/2007-2013) under grant agreement No. 604240, project title ‘An industrial system enabling the use of a patented, lab-proven materials processing technology for Low Cost forming of Lightweight structures for transportation industries (LoCoLite)’. Significant support was also received from the AVIC Centre for Structural Design and Manufacture at Imperial College London, which is funded by Aviation Industry Corporation of China (AVIC).

Materials

AA6082-T6 AMAG Material
AA5754-H111 AMAG Material
 1000 kN high-speed press ESH Forming press
ARGUS GOM Optical forming analysis
PAM-STAMP 2015 ESI FE simulation software
Matlab  MathWorks Numerical calculation software
Gleeble 3800 DSI Uniaxial tensile test
High Temperature Tribometer (THT) Anton Paar Friction property test
NewViewTM 7100 ZYGO Surface profilometer
 Magnetron sputtering equipment Coating deposition
Microhardness tester Wolpert Wilson Instruments
Nano-hardness indenter  MTS

References

  1. Miller, W. S., et al. Recent development in aluminium alloys for the automotive industry. Mater. Sci. Eng. A. 280 (1), 37-49 (2000).
  2. Bolt, P. J., Lamboo, N. A. P. M., Rozier, P. J. C. M. Feasibility of warm drawing of aluminium products. J. Mater. Process. Tech. 115 (1), 118-121 (2001).
  3. Li, D., Ghosh, A., et al. Effects of temperature and blank holding force on biaxial forming behavior of aluminum sheet alloys. J. Mater. Eng. Perform. 13 (3), 348-360 (2004).
  4. Toros, S., Ozturk, F., Kacar, I. Review of warm forming of aluminum-magnesium alloys. J. Mater. Process. Tech. 207 (1-3), 1-12 (2008).
  5. Wang, L., Strangwood, M., Balint, D., Lin, J., Dean, T. A. Formability and failure mechanisms of AA2024 under hot forming conditions. Mater. Sci. Eng. A. 528 (6), 2648-2656 (2011).
  6. Wang, L., et al. . TTP2013 Tools and Technologies for Processing Ultra High Strength Materials. , (2013).
  7. El Fakir, O., et al. Numerical study of the solution heat treatment, forming, and in-die quenching (HFQ) process on AA5754. Int. J. Mach. Tool. Manu. 87, 39-48 (2014).
  8. Raugei, M., El Fakir, O., Wang, L., Lin, J., Morrey, D. Life cycle assessment of the potential environmental benefits of a novel hot forming process in automotive manufacturing. J. Clean. Prod. 83, 80-86 (2014).
  9. Liu, J., Gao, H., Fakir, O. E., Wang, L., Lin, J. HFQ forming of AA6082 tailor welded blanks. MATEC Web of Conferences. 21 (05006), (2015).
  10. Karbasian, H., Tekkaya, A. E. A review on hot stamping. J. Mater. Process. Tech. 210 (15), 2103-2118 (2010).
  11. El Fakir, O., Wang, L., Balint, D., Dear, J. P., Lin, J. Predicting Effect of Temperature Strain Rate and Strain Path Changes on Forming Limit of Lightweight Sheet Metal Alloys. Procedia Eng. 81, 736-741 (2014).
  12. Shi, Z., et al. . the 3rd International Conference on New Forming Technology. , 100-104 (2012).
  13. Mohamed, M. S., Foster, A. D., Lin, J., Balint, D. S., Dean, T. A. Investigation of deformation and failure features in hot stamping of AA6082: Experimentation and modelling. Int. J. Mach. Tool. Manu. 53 (1), 27-38 (2012).
  14. Hosford, W. F. Comments on anisotropic yield criteria. Int. J. Mech. Sci. 27 (7), 423-427 (1985).
  15. Marciniak, Z., Kuczyński, K. Limit strains in the processes of stretch-forming sheet metal. Int. J. Mech. Sci. 9 (9), 609-620 (1967).
  16. Ma, G., Wang, L., Gao, H., Zhang, J., Reddyhoff, T. The friction coefficient evolution of a TiN coated contact during sliding wear. Appl. Surf. Sci. 345, 109-115 (2015).
  17. Põdra, P., Andersson, S. Simulating sliding wear with finite element method. Tribol. Int. 32 (2), 71-81 (1999).
  18. Archard, J. F. Contact and Rubbing of Flat Surfaces. J. Appl. Phys. 24 (8), 981-988 (1953).
  19. Liu, X., et al. Determination of the interfacial heat transfer coefficient in the hot stamping of AA7075. MATEC Web of Conferences. 21 (05003), (2015).

Play Video

Citer Cet Article
Zhou, D., Yuan, X., Gao, H., Wang, A., Liu, J., El Fakir, O., Politis, D. J., Wang, L., Lin, J. Knowledge Based Cloud FE Simulation of Sheet Metal Forming Processes. J. Vis. Exp. (118), e53957, doi:10.3791/53957 (2016).

View Video