Summary

Basada en el Conocimiento de la simulación de la nube FE de los Procesos de conformado de chapa de metal

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. Desarrollo de una alta temperatura de formación límite de predicción del modelo El laser cortó las muestras para las pruebas de capacidad de deformación de las hojas AA6082 de aleación de aluminio (espesor 1,5 mm) en las geometrías seleccionadas 12. Etch un patrón de rejilla, compuesto de puntos circulares 0,75 mm de diámetro con una separación regular de 1 mm, en la superficie de las muestras usando un método electrolítico 13. Aplicar manualmente grasa de grafito como lubricante en el lado no grabada. Montar el banco de pruebas de la cúpula en una prensa hidráulica de alta velocidad de 12. Use una máquina universal de ensayos hidráulica 250 kN. Calentar el banco de pruebas de domo a una temperatura de comprobación y ajuste el golpe a la velocidad de movimiento constante. A continuación, iniciar la prueba. Nota: Las temperaturas de ensayo son 300, 400, y 450 ° C, respectivamente. Las velocidades de prueba incluyen 75, 250 y 400 mm / s. Detener la prueba en la primera aparición de formación de cuello. Nota: La prensa stroke (es decir, la altura final de la muestra) se establece de tal manera que se acaba de estricción observada en la muestra formadas. Medir la altura de la probeta final usando un indicador de altura, y calcular las tensiones y velocidades de deformación máximos (la velocidad de cambio de la tensión con respecto al tiempo) usando un 3D óptico que forma el sistema de análisis. Analizar los cambios en el espaciado de la cuadrícula para calcular las tensiones en cada punto de la muestra formadas. Asegúrese de que el 3D óptico que forma el sistema de análisis incluye una cámara, el espécimen formadas, y las barras de escala de calibración 14. Nota: La muestra se coloca en el centro de una placa giratoria y cerrado con las barras de escala, y sus posiciones relativas se mantienen fijos durante la duración del análisis. Ajuste la cámara en una elevación fija (por ejemplo, 50 cm) y ángulo (por ejemplo, 30, 50, o 70 °) a la probeta, y tomar fotos a través de una rotación completa (360 °) de la plataforma giratoria, en incrementos de 15 ° . Nota: En el present trabajo, tres conjuntos de imágenes se adquirieron a partir de múltiples elevaciones y ángulos de cámara con el fin de trazar las cepas sobre toda la muestra 15. Cargar las imágenes en 3D del software de análisis que forma óptica, y proceder a calcular las cepas. Para ello, al hacer clic en la función 'elipses de cómputo y haz', que detecta los puntos de la cuadrícula, seguido haciendo clic en la función de 'puntos 3D de cómputo y rejilla "que se acumula la red. Nota: Calcular las cepas y visualizarlo en el modo de evaluación. Salida de las distribuciones de tensión para determinar las cepas límite para cada espécimen basado en la norma ISO 12004 16, y trazar los diagramas límite de conformación para diferentes velocidades de deformación y temperaturas de formación. Calibrar un modelo material para AA6082 a diferentes temperaturas de 300 a 500 ° C y velocidades de deformación de 0,1 a 10 s -1. Nota: El modelo de material y sus constantes de AA6082se detalla en la referencia 17. Implementar y unificar la función de fluencia anisotrópica Hosford 18, Marciniak-Kuczynski teoría (MK) 19 y el modelo de material en el paso 1.12 en un algoritmo de integración con el fin de formular el modelo de predicción límite de conformación. Nota: El modelo se describe en la referencia 11. Calibrar y verificar el modelo desarrollado para el paso 1.13 utilizando los resultados experimentales obtenidos en el paso 1.11. Predecir los límites que forman a través del modelo verificado desde el paso 11 1.14. Nota: La Figura 1 muestra las predicciones del modelo resultantes a diferentes temperaturas, a una velocidad de formación de 250 mm / s, o equivalentemente, una velocidad de deformación de 6,26 s -1. 2. Desarrollo de un Fricción / Modelo de Desgaste interactivo Realizar pruebas de bola sobre disco de especímenes (disco) recubiertas Preparar nitruro de titanio (TiN) revestimientos de acero para cojinetesDisco GCr15 usando arco catódico y pulverización catódica con magnetrón de frecuencia media, con los parámetros de deposición de dan en la referencia 20. El uso de un microscopio electrónico de barrido (SEM), obtener / sección transversal topografía de la superficie de la muestra recubierta. Mida el espesor del recubrimiento de TiN a través de las imágenes de SEM mediante la comparación de la topografía (brillo y el contrato) de los materiales de base y revestimiento. Nota: Los procedimientos experimentales se pueden encontrar en la referencia 20. Utilice una superficie blanca entre ferometric luz pro-filometer para obtener la rugosidad de la superficie de la muestra. Colocar la muestra bajo la lente y ajustar el microscopio para obtener la estructura de superficie clara. Iluminar la muestra y ajustar los ángulos de ejes X e Y para observar bandas de interferencia claros (que pueden controlarse desde la pantalla). Conjunto profundidad bruto en el software y comenzar la medición. escanear automáticamente la superficie de la muestra y calcular la rugosidad de la superficie. Evaluar la fuerza adherente of la muestra usando un medidor de micro-arañazos. Aplicar una carga cada vez mayor (máximo 50 N) y una distancia de cero (máximo 5 mm) sobre el revestimiento de estaño. Determinar la causa de fallo crítico de carga del recubrimiento y obtener las curvas de micro-rasca y gana 20. Evaluar la dureza de la muestra usando un indentador de dureza. Aplicar una carga estática de 20 N en la muestra durante 15 s. Medir la diagonal de impresión causada por el penetrador, y luego obtener los valores de dureza del probador. Llevar a cabo pruebas de bola sobre disco en un tribómetro en un medio ambiente (temperatura de 25 ° C, humedad 30%). Use un diámetro de 6 mm de WC-6% bola (microdureza 1.780 HV, resistencia a la abrasión 1.380 N / cm, módulo elástico de 71 GPa) como la contraparte contra el disco revestido. Ajustar la velocidad de deslizamiento relativo a 5 mm / s. Aplicar una carga normal de 200 N. Comienza los valores del motor y el registro de fricción usando el tribómetro. Interrumpir el ensayo a 180 s, 350 s, 400 s, y 450 s, respectivamente, para analizar la pista de desgaste utilizando una omicroscopio ptical 20. Medir la topografía de la superficie desgastada utilizando una luz blanca perfilómetro interferométrico superficie después de la prueba. Repita las pruebas (paso 2.1.6) con diferentes cargas normales (300 N, 400 N). Determinar la evolución del coeficiente de fricción hasta que la ruptura de la capa dura, que se caracteriza por un fuerte aumento en el coeficiente de fricción Trazar la evolución del coeficiente de fricción contra el tiempo después de la grabación de los valores de fricción en el paso 2.1.6. Nota: La evolución del coeficiente de fricción se presenta en la referencia 20. Evaluar la evolución del coeficiente de fricción en términos de comportamiento de desgaste y los mecanismos asociados. Nota: La evolución de la fricción se caracteriza en tres etapas diferentes: (i) la etapa de baja fricción, (ii) el arado de la etapa de fricción, y (iii) la etapa descomposición de un revestimiento 20,21. Evaluar el desgaste sstados a 180 s por interrumpir manualmente la prueba, y luego analizar la huella de desgaste utilizando un microscopio óptico. Nota: Este paso es investigar los restos de desgaste de la etapa de baja fricción tal como se describe en el paso 2.2.2. Repita el paso 2.2.3 a 350 s, 400 s, y 450 s, respectivamente. Desarrollar el modelo de fricción interactivo Caracterizar el μ general coeficiente de fricción mediante la combinación de la fricción inicial μ α con la fricción arado de partículas de hardware mu Pc (como se muestra en la Ec. (1)) 20. (1) Combinar la fricción arando entre la bola y el sustrato (μ Ps) con el espesor del recubrimiento instantáneo (h) para modelar la descomposición de un revestimiento inducida fuerte aumento de la fricción μ arar Pc (Ec. (2)). Nota: En este caso, es igual a Pc μ μ PS cuando el espesor del revestimiento restante es cero (lo que indica la descomposición completa del recubrimiento duro). (2) donde λ 1 y λ 2 son parámetros del modelo introducidos para representar el significado físico del proceso de desgaste. λ 1 describe la influencia de las grandes partículas de desgaste atrapadas, y λ 2 representa la intensidad del efecto de fricción arado, que se caracteriza por la pendiente del coeficiente de fricción. Usa un algoritmo de integración basada en el tiempo para obtener la evolución del espesor de recubrimiento restante y modelar el desgaste acumulado bajo condiciones de contacto diferentes. Actualizar el espesor del revestimiento en cada bucle de cálculo por la Ec. (3). (3) <img alt="Ecuación 3" src="/files/ftp_upload/53957/53957eq3.jpg"/> donde h 0 es el espesor inicial de revestimiento y es la tasa de desgaste dependiente del tiempo del recubrimiento. Modificar la ley de Archard desgaste 22 (Ec. (4)) y ponerlo en práctica en el modelo actual. (4) donde K es el coeficiente de desgaste, P es la presión de contacto, v es la velocidad de deslizamiento, y H es la dureza c combinado del recubrimiento y el sustrato. Utilice el modelo de Korsunsky para calcular la dureza combinada (Ec. (5)). (5) donde H es la dureza s del sustrato, α es la relación de dureza entre el recubrimiento y el sustrato y β es el coeficiente de influencia del espesor. Representar a la carga de parámetros dependientes? 1 y K por el poder lecuaciones aw. (6) (7) donde λ1 κ, κ λ1 K, Ν y Ν K son constantes del material relacionados con la evolución de fricción 20. Ajustar el modelo de fricción interactiva con los resultados experimentales utilizando un algoritmo desarrollado la integración en el grupo de los autores para determinar los parámetros del modelo. 3. Estudios de casos de simulación KBC-FE KBC-FE estudio de caso de simulación 1: predicción del límite de la formación en condiciones de estampación en caliente Crear y nombrar un nuevo proyecto de simulación en el software de simulación con EF. Seleccione el proceso como "sello de conformación en caliente 'y el tipo solucionador como" PAM-AutoStamp' cuandoguardar el proyecto. Importe el troquel interior de la puerta haciendo clic en "Importar herramientas CAD" y luego "Importar y transfe r 'la puerta archivo de geometría interior" IGS' en el software de simulación interfaz gráfica FE. Seleccione la estrategia de 'Hot formar' un entramado de herramientas. Nombrar el objeto importado como "Die '. Repita el paso 3.1.2 e «importación» los objetos de Punch y pisador, respectivamente. Haga clic en "espacio en blanco" en la pestaña 'Set-up'. Haga clic en "Añadir en blanco" en el "editor en blanco ', y establecer el' Nuevo objeto 'como' en blanco '. A continuación, seleccione el tipo como "blanco de superficie". Elija 'esquema' para el tipo de definición e importar la forma en blanco by hacer clic en "Importar desde archivo CAD '. Definir el "refinamiento" como "nivel impuesto 'y seleccione el nivel 1 bajo" opciones de malla ». Desactive 'mallado automático' y establecer «tamaño de malla 'a 4 mm. Definir las propiedades del material en 'editor en blanco'. Haga clic en "Cargar un material" en la pestaña "material". Seleccione la 'AA6082' (unidad: mm · kg · m · C) material que las propiedades del material. Establecer la "dirección de laminación 'a' x = 1 '. Ajuste el 'espesor en blanco' a 2 mm, y la "temperatura inicial 'en blanco a 490 ° C. Nota: Las propiedades del material y modelo de material se describen en la referencia 17. Haga clic en "Proceso </strong> 'en' 'ficha y seleccione la opción' Set-up icono + 'para cargar una nueva macro. Vaya a ' sello Hotforming' y seleccione 'HF_Validation_DoubleAction_GPa.ksa'. En el cuadro de diálogo 'Personalizar', activar el espacio en blanco, Die, Punch, y pisador. En la pestaña de "etapas", active la gravedad, Agarrar, Estampado, y el temple. Configurar todos los parámetros en los "objetos atributos 'en la pestaña' set-up 'para que se corresponda con la configuración experimental real (fuerza de retención en blanco = 50 kN, formando velocidad = 250 mm / s, coeficiente de fricción = 0,1, la transferencia de calor coeficientes 23 como la función de distancia y el contacto de presión). Haga clic en "Consultar" icono para comprobar la simulación puesta en marcha y asegurar que no hay errores en los ajustes anteriores. Haga clic en el icono 'Cálculo' para iniciar el SIformulación. Nota: El software registra 11 estados durante la simulación en un ordenador central. Una vez terminada la simulación, observar los resultados de la simulación en la interfaz gráfica del software de simulación de FE, y proceder a grabar un "guión" para una acción exportar los valores de nivel, es decir, mayor deformación (membrana), la cepa de menor importancia (membrana), y la temperatura de todos los elementos en blanco, por un estado de simulación especificado. Haga clic en los valores de nivel de exportación 'record' y de forma manual. Haga clic en "stop" para detener la grabación. Guardar el guión con el fin de repetir la misma acción para todos los 11 estados de simulación. Haga clic en 'play' icono para cargar la secuencia de comandos, haga clic en "hacer todo" para exportar los valores de contorno. Nota: Para cada contorno / estado individual, el software exporta automáticamente los valores en archivos ASCII '' bajo 'major_strain_statenocre ',' minor_strain_statenumber ', y' temperature_statenumber ', respectivamente. Guarde todos los archivos exportados a un ordenador nube. Ejecutar el 'modelo de predicción de formación de cuello' (es decir, la nube de código de módulo), junto con todos los archivos exportados en la nube ordenador. Predecir la aparición de formación de cuello a través del uso de formación de modelo de predicción límite en el ordenador de la nube. Nota: Este modelo 11 ofrece a los usuarios la opción de ejecutar el modelo de predicción de un elemento individual o todos los elementos de la pieza en bruto. Introducir manualmente los datos de simulación / parámetros en el "modelo de predicción de formación de cuello '. Introducir el número de estados en la simulación (estado 11), carrera total del proceso de estampación (157 mm), estampado de velocidad (250 mm / s), margen de deformaciones de interés (el criterio de selección de elementos, por ejemplo, la cepa> 0,2) y todos los elementos. Nota: El Straen el rango limita los elementos para los cuales puede tener lugar de formación de cuello mediante el establecimiento de un criterio de elemento, por ejemplo, sólo los elementos con una cepa principal final mayor que 0,2 se seleccionan para su posterior evaluación en el módulo. Después de completar el cálculo del módulo en la nube ordenador, guardar automáticamente todos los datos (formación de cuellos de predicción de resultados) en archivos con formato ASCII ''. Cargar el estado final de los resultados de la simulación FE. En la pestaña '' Contornos, haga clic en "importado" y luego "valores escalares. Seleccione el archivo 'ASCII' obtenida de la etapa anterior. Mostrar los resultados de la predicción de formación de cuello en el software de simulación FE. KBC-FE estudio de caso de simulación 2: herramienta de predicción de la vida bajo condiciones de carga multi-ciclo Crear y nombrar un nuevo proyecto de simulación en el software de simulación con EF. Seleccione el process como 'estampación estándar' y el tipo solucionador como "PAM-AutoStamp 'al guardar el proyecto. Importar la geometría de matriz haciendo clic en "Importar herramientas CAD" y luego "Importar y traslado 'de la matriz en forma de U archivo de geometría' IGS 'en el software de simulación FE interfaz gráfica. Seleccione la estrategia de "validación" para el engranaje de herramientas. Nombrar el objeto importado como "Die '. Repita el paso 3.2.2 para importar los objetos de Punch y pisador, respectivamente. Haga clic en "espacio en blanco 'en la pestaña' Set-up '. 'Añadir en blanco "en el" editor en blanco', establezca la 'Nueva obje t' como 'en blanco', y luego seleccione el tipo como "superficie en blanco '. Elija 'Cuatro poin id 'para el tipo de definición y ajuste el tamaño en blanco a 120 × 80 mm 2. Definir el "refinamiento" como "nivel impuesto ': nivel 1 en" opciones de Malla'. Desactive 'mallado automático' y establecer «tamaño de malla» de 1,5 mm. Definir las propiedades del material en 'editor en blanco'. Haga clic en 'Cargar el material "en la pestaña" material ". Seleccione la 'AA5754-H111' (unidad: mm · kg · m · C) material que las propiedades del material. Establecer la "dirección de laminación 'a' x = 1 '. Ajuste el 'espesor de la pieza' de 1,5 mm. Haga clic en "Proceso" en la pestaña 'Set-up' y seleccione el icono "+" para cargar una nueva macro. Vaya a' Sello Viabilidad' y seleccione 'SingleActioin_GPa.ksa'. En el cuadro de diálogo 'Personalizar', activar el espacio en blanco, Die, Punch, y pisador. Etapas bajo '', activan la gravedad, Agarrar, y Estampación. Establecer todos los parámetros '' en la simulación para que se corresponda con la configuración actual experimento (fuerzas de retención en blanco = 5, 20, 50 kN, respectivamente, la velocidad de formación = 250 mm / s, coeficiente de fricción = 0,17). "Marcar" la simulación de puesta a punto y asegurar que no hay errores en los ajustes anteriores. Haga clic en el icono 'Cálculo' e iniciar el 'Cálculo' para un 11-Estado en forma de U de simulación de doblado en un equipo host. Una vez terminada la simulación, la exportación 'coordinar' de datos y los datos de contacto de presión 'de forma automática para la pieza de trabajo yherramientas (ponche, mueren y pisador) como archivos ASCII '' (según Pasos 3.1.11 y 3.1.12). Guarde todos los archivos exportados a un ordenador nube. Ejecutar la "herramienta módulo de predicción de la vida ', junto con todos los archivos exportados en la nube ordenador. Introducir manualmente la formación de parámetros en la "herramienta módulo de predicción de la vida '. Introduzca los siguientes parámetros: número de estados (estado 11), desplazamiento total (70 mm), la velocidad de estampación (250 mm / seg) y el coeficiente de fricción inicial (0,17). Seleccione la herramienta (punzón, morir o soporte en blanco), y luego iniciar el cálculo para un solo elemento o todos los elementos. Después de la terminación de la computación del módulo en el ordenador nube, guardar automáticamente todos los datos (incluyendo el grosor instantánea restante de recubrimiento y el coeficiente de fricción) en archivos con formato ASCII ''. Cargar y visualizar el espesor y recubrimiento restante frictide los coeficientes de los elementos relevantes en el software de simulación FE (según el paso 3.1.17).

Representative Results

Simulación KBC-FE para la Predicción Collarino En un proceso de estampación en caliente, el uso de un blanco de forma optimizada no sólo ahorrará el coste del material, sino también ayudar a reducir la presencia de defectos, tales como la formación de cuellos, grietas y arrugas. La forma en blanco inicial afecta el flujo de material de manera significativa durante la formación, y por lo tanto un diseño razonable de la forma en blanco es crucial para el éxito del proceso de estampación en caliente y la calidad de los productos finales. Para reducir los esfuerzos de los experimentos de prueba y error para determinar la geometría óptima en blanco, simulación KBC-FE fue demostrado ser un método altamente eficiente y eficaz para reducir al mínimo las zonas de estrechamiento. Usando esta técnica, cada simulación dura aproximadamente 2 horas, mientras que el cálculo módulo nube paralelo para la predicción de formación de cuello se completa dentro de 4 horas. <p class="jove_content" fo:keep-together.within-page = "1"> La figura 4 muestra la evolución de la forma de fogueo para la estampación en caliente, un ejemplo de puerta de automóvil componente interno. La forma en blanco inicial, adoptado de un proceso de estampación en frío convencional, se utilizó por primera vez en la simulación KBC-FE. Los resultados experimentales en la Figura 4 (a) muestran que gran fracaso (como grietas o estrechamiento) áreas son visibles después de la estampación en caliente. Después de una iteración de la optimización de la forma en blanco, se puede ver en la Figura 4 (b) que un panel casi totalmente exitosa se forma con mucho menos de formación de cuello, en comparación con el uso de la forma en blanco inicial. Se puede ver que todavía hay una indicación de formación de cuello en los bolsillos en la parte superior derecha y las esquinas izquierda del panel. Después de una optimización adicional en la Figura 4 (c), la forma en blanco optimizado se obtiene finalmente sin estricción visible en el panel. La forma en blanco optimizado determinada por la simulación KBC-FE se verificó experimentalmente a través de estampación en calienteLos ensayos realizados en una línea de producción totalmente automatizada ofrecido por un fabricante de sistemas de producción. Simulación KBC-FE para la Predicción vida de la herramienta Convencionales simulaciones FE de los procesos de formación de metal se realizan para un solo ciclo. Sin embargo, en un entorno de producción, múltiples ciclos de formación se realizan en una herramienta dada, donde se encuentra que un aumento en el número de ciclos que forman resulta en un aumento de la variación entre los componentes formados. Esta variación durante herramienta de carga multi-ciclo es el resultado del cambio de topografía de la superficie. Por ejemplo, la carga de múltiples ciclos de formación de herramientas con recubrimientos funcionales dará lugar a una reducción del espesor del revestimiento debido al desgaste. Por otra parte, la descomposición del recubrimiento también se verá influenciada por la formación de parámetros, tales como la carga / presión, formando velocidades, etc. La técnica KBC-FE permite lasimulación de chapa procesos bajo condiciones de carga multi-ciclo de conformación, que es esencial para la predicción de la vida en servicio de formación de herramientas con recubrimientos funcionales avanzados. Para investigar los efectos de la fuerza de retención en blanco en la vida de la herramienta, los valores de fuerza de retención en blanco de 5, 20 y 50 kN fueron examinados para una velocidad de formación constante de 250 mm / s. La Figura 5 muestra la distribución de espesor de revestimiento herramienta restante con diferentes fuerzas de retención en blanco después de 300 ciclos de conformado. Se indica claramente que el espesor del recubrimiento restante disminuye con un aumento en la fuerza de sujeción en blanco. La Figura 6 muestra la distribución del espesor de la presión y el revestimiento restante con fuerzas de retención en blanco de 5, 20, y 50 kN, respectivamente, a lo largo de la distancia curvilínea de la matriz después de 300 ciclos de conformado. Dado que la región AB representa la matriz entregión Rance durante el proceso de plegado en forma de U, la presión y la distancia desgaste relativo en esta región eran mucho más alta que otras regiones de la matriz. En consecuencia, el desgaste del recubrimiento se produjo principalmente en esta área. Hay dos valores pico de reducción de espesor de revestimiento a 20 kN y 50 kN que corresponden a los dos picos en virtud de la presión. Mientras tanto, el espesor del recubrimiento restante disminuye con el aumento de la fuerza de sujeción en blanco. Los espesores de recubrimiento restante más bajos con fuerzas de retención en blanco de 5, 20, y 50 kN, fueron 0,905, 0,570, y 0,403 micras, respectivamente, donde el espesor del revestimiento inicial fue de 2,1 micras. Figura 1: Comparación entre las cepas límite experimentales y predijo que forman a diferentes temperaturas. Las cepas de límite forman aumentan a medida que aumenta la temperatura, a una velocidad constante de 250 mm/ s, o equivalentemente, una velocidad de deformación de 6,26 s-1. Haga clic aquí para ver una versión más grande de esta figura. Figura 2: diagrama esquemático de la nube basada en el conocimiento FE simulación de un proceso de conformado de chapa metálica. FE software de simulación comercial, se utiliza para ejecutar la simulación y exportar los resultados requeridos para los módulos individuales. Los módulos, por ejemplo, la capacidad de conformado, transferencia de calor, la fuerza de formación de post (microestructura), predicción de vida de la herramienta, herramienta de diseño, etc., funcionan simultáneamente y de forma independiente en la nube, por lo tanto, permite la integración de los conocimientos de vanguardia a partir de múltiples fuentes en simulaciones FE . Por favor, click aquí para ver una versión más grande de esta figura. Figura 3: La geometría de la pieza de trabajo y herramientas para la forma en U de simulación de doblado. Las herramientas, es decir, ponche, pisador y mueren, se modelan mediante elementos rígidos. elementos de vaciado se utilizan para la pieza de trabajo elementos (en blanco). Haga clic aquí para ver una versión más grande de esta figura. Figura 4: Evolución de la forma en blanco para estampación en caliente de un panel interior de la puerta (que se muestra en la simulación FE). Izquierda: Las cifras contenidas en los marcos verdes representan formas en blanco en cada etapa de optimización, y los que están en rojomarcos corresponden a la forma en blanco antes de su optimización. Derecha: collarino predicción de resultados en cada etapa de optimización. (A) Los resultados iniciales con un gran fracaso (craqueo / estricción mostrados en color rojo), (b) la falta de formación de cuello rebajado con un poco después de la primera etapa de optimización, (c) la forma en blanco optimizado final sin formación de cuello visible. Haga clic aquí para ver una versión más grande de esta figura. Figura 5: La distribución de espesor de revestimiento restante (que se muestra en la simulación FE) con fuerzas de retención en blanco de: (a) 5 kN, (b) 20 kN, y (c) 50 kN, después de 300 ciclos de formación a una velocidad de estampación constante de 250 mm / s. Por favorclic aquí para ver una versión más grande de esta figura. Figura 6: Predicción de la presión de contacto y el espesor de recubrimiento restante con fuerzas de retención en blanco de: (a) 5 kN, (b) 20 kN, y (c) 50 kN, a lo largo de la distancia curvilínea de la matriz a una velocidad de estampación constante de 250 mm / s. Haga clic aquí para ver una versión más grande de esta figura.

Discussion

La técnica de simulación KBC-FE permite simulaciones avanzadas para llevar a cabo fuera de las instalaciones a través de módulos dedicados. Se puede ejecutar módulos funcionales en un entorno de nube, que enlazan los nodos de diferentes especialidades, para asegurar que las simulaciones de procesos se llevan a cabo con la mayor precisión posible. Los aspectos críticos en la simulación KBC-FE pueden implicar la independencia de los códigos FE, la eficiencia de la computación, y la precisión de los módulos funcionales. La realización de cada función avanzada en un módulo se basaría en el desarrollo de un nuevo modelo y / o una nueva técnica experimental. Por ejemplo, el módulo de límite de conformación está desarrollado en base a la nueva modelo de predicción límite que forma unificada 11, y el módulo de predicción de vida de la herramienta de fricción actualmente ha sido desarrollado por la aplicación del modelo de fricción 20 interactiva. La técnica de simulación KBC-FE también ofrece la función de cálculo diferencial, es decir, sólo los elementos cumplimiento de la seleccióncriterios se seleccionan para su posterior evaluación en los módulos individuales. Por ejemplo, el módulo de herramienta de predicción de la vida selecciona automáticamente los elementos para los que el revestimiento duro tiende a la descomposición, por la clasificación de la velocidad de desgaste de todos los elementos de la primera ciclo de formación, por lo general menos de 1% de los elementos será seleccionado para su posterior evaluaciones vida de la herramienta bajo condiciones de carga con ciclos múltiples. En la presente investigación, la predicción de vida de la herramienta después de 300 ciclos de formación puede ser completado dentro de los 5 min.

Al llevar a cabo las pruebas pertinentes y calibrar en consecuencia, el modelo de formación de límite podría aplicarse a la formación de simulaciones de proceso para determinar, en consecuencia los parámetros óptimos para la producción de un componente a partir de tales aleaciones con éxito, y sin incidencias de formación de cuello. El modelo de predicción límite de formación fue desarrollado como un módulo de nube que era independiente del software FE se está utilizando, y se podría aplicar a cualquier software FE para evaluar la capacidad de conformado de un material duranteformando, sin subrutinas complicados 17. Mediante la importación de los datos relevantes en el modelo, los cálculos podrían llevarse a cabo para determinar si se produciría el fracaso, en las regiones del componente que el usuario pueda especificar, el ahorro en recursos computacionales. Sin embargo, hay que señalar que a medida que las curvas de esfuerzo-deformación se introducen en el software FE través de una sencilla tabla de consulta, puede ser difícil de representar completamente de las propiedades del material a diferentes temperaturas y velocidades de deformación durante la simulación.

En el módulo de predicción de la vida de la herramienta, el comportamiento de rozamiento durante la formación se puede predecir mediante la importación de los datos de la historia de deformación necesarios en el módulo de fricción verificada 20, y luego importar los puntos de datos discretos calculados por el módulo de nube para cada elemento de nuevo en el software FE. Esto asegura que el módulo de fricción avanzado puede ser utilizado por todos los códigos de FE, independientemente de su capacidad de incorporar user-subrutinas. Además, el Ministerio de DefensaULE se puede correr en paralelo para reducir aún más el tiempo de cálculo. El modelo de fricción / desgaste interactiva supone la ausencia de partículas de desgaste durante el deslizamiento inicial, y como resultado, sería razonable esperar que un valor inicial constante de coeficiente de fricción 0,17 20. Aunque este modelo reveló la evolución de la distribución de fricción, el comportamiento de fricción durante un proceso de formación es muy complicado, y es difícil de integrar completamente el comportamiento de fricción complejo desde el módulo de la nube en la simulación FE.

Como una tecnología futura, la simulación KBC-FE se basará en el desarrollo de paquetes de software de simulación basado FE dedicado y robusta de Internet, lo que requeriría un modelo de negocio muy rentable, pero completamente diferente que será establecido por los desarrolladores de software. Además, una red interna específica debe ser construido dentro de los partidos de colaboración para garantizar la seguridad de los datos y la fiabilidad del sistema de control industrial. </p>

Declarações

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

Referências

  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

Citar este artigo
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