Wissensbasierte Wolke FE Simulation von Blechumformprozessen
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
Representative Results
Discussion
Die KBC-FE-Simulationsverfahren ermöglicht erweiterte Simulationen Website mit speziellen Modulen durchgeführt ausgeschaltet werden. Es kann Funktionsmodule auf einer Cloud-Umgebung ausführen, die Knoten aus unterschiedlichen Spezialisierungen verknüpfen, dass Prozesssimulationen, um sicherzustellen, so genau wie möglich durchgeführt werden. Die kritischen Aspekte bei der KBC-FE-Simulation kann independency der FE-Codes, die Effizienz der Berechnung und die Genauigkeit der Funktionsmodule beinhalten. Die Realisierung jedes erweiterte Funktion in einem Modul auf die Entwicklung eines neuen Modells und / oder eine neue experimentelle Technik würde verlassen. Zum Beispiel wird das Grenzformänderungsmodul auf dem neuen einheitlichen Grenzformänderungsvorhersagemodell 11 und das Reibwerkzeug Lebensdauervorhersagemodul zur Zeit durch die Implementierung des interaktiven Reibmodell 20 entwickelt worden entwickelt gegründet. Die KBC-FE Simulationstechnik bietet auch die Funktion der selektiven Berechnung, dh es werden nur die Elemente , die Auswahl der ErfüllungKriterien für die weitere Auswertung in den einzelnen Modulen ausgewählt. Zum Beispiel wählt die Werkzeuglebensdauer-Vorhersage-Modul automatisch die Elemente, für die die harte Beschichtung Aufschlüsselung neigt, durch die Reihung der Verschleißrate aller Elemente in dem ersten Formungszyklus, also in der Regel weniger als 1% der Elemente für die weitere ausgewählt werden Werkzeugstandzeit Auswertungen unter Multi-Cycle-Belastungsbedingungen. In der vorliegenden Forschung kann die Werkzeuglebensdauervorhersage nach 300 Formzyklen innerhalb von 5 Minuten abgeschlossen sein.
Durch die Durchführung entsprechend den einschlägigen Tests und Kalibrierung könnte die Grenzformänderungsmodell zur Bildung von Prozesssimulationen angewendet werden, um somit die optimalen Parameter bestimmen, die für eine Komponente aus solchen Legierungen erfolgreich produzieren und ohne Auftreten von Einschnürung. Die Grenzformänderungsvorhersagemodell wurde als Cloud-Modul entwickelt, das unabhängig von der FE-Software war, genutzt werden und könnte zu einer FE-Software angewendet werden, um die Formbarkeit des Materials zu beurteilen währendBildung, ohne komplizierte Subroutinen 17. Durch die relevanten Daten in das Modell zu importieren, könnte Berechnungen durchgeführt werden, um zu bestimmen, ob Ausfall würde in Bereichen des Bauteils auftreten, die der Benutzer angeben können, auf Rechenressourcen zu sparen. Es sollte jedoch beachtet werden, dass, da die Spannungs-Dehnungskurven Eingabe in das FE-Software durch eine einfache Nachschlagetabelle sind, kann es schwierig sein, vollständig die Materialeigenschaften bei verschiedenen Temperaturen und Verformungsgeschwindigkeiten während der Simulation darstellen.
In dem Standzeitvorhersagemodul kann das Reibungsverhalten beim Umformen durch Importieren der erforderlichen Verformungshistoriendaten in dem verifizierten Reibungsmodul 20 und dann die durch die Wolke Modul für jedes Element wieder in die Software FE berechneten diskreten Datenpunkten Import vorhergesagt werden. Dadurch wird sichergestellt, dass das erweiterte Reibungsmodul kann von allen FE-Codes verwendet werden, unabhängig von ihrer Fähigkeit, Benutzer-Subroutinen einzuarbeiten. Zusätzlich ist der module könnten parallel ausgeführt werden, um die Berechnungszeit weiter zu verringern. Die interaktive Reibung / Verschleiß – Modell angenommen , das Fehlen von Verschleißpartikel während des anfänglichen Schiebe-, und als Ergebnis, wäre es sinnvoll, einen konstanten Ausgangswert des Reibungskoeffizienten 0,17 20 zu erwarten. Obwohl dieses Modell die Entwicklung der Reibungsverteilung offenbart, ist das Reibungsverhalten während eines Umformprozesses sehr kompliziert, und es ist schwierig, vollständig die komplexen Reibungsverhalten aus der Wolke Modul in das FE-Simulation integrieren.
Als Zukunftstechnologie wird die KBC-FE-Simulation auf die Entwicklung von engagierten und robusten Internet-basierte FE-Simulation Software-Pakete verlassen, die eine hoch profitable, aber völlig anderes Geschäftsmodell durch den Software-Entwicklern aufgebaut werden erfordern würde. Darüber hinaus muss ein spezielles internes Netzwerk innerhalb der kollaborativen Parteien errichtet werden, um die Datensicherheit und Zuverlässigkeit der Steuerung des industriellen Systems gewährleisten. </p>
Disclosures
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
- Miller, W. S., et al. Recent development in aluminium alloys for the automotive industry. Mater. Sci. Eng. A. 280 (1), 37-49 (2000).
- 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).
- 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).
- Toros, S., Ozturk, F., Kacar, I. Review of warm forming of aluminum-magnesium alloys. J. Mater. Process. Tech. 207 (1-3), 1-12 (2008).
- 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).
- Wang, L., et al. . TTP2013 Tools and Technologies for Processing Ultra High Strength Materials. , (2013).
- 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).
- 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).
- 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).
- Karbasian, H., Tekkaya, A. E. A review on hot stamping. J. Mater. Process. Tech. 210 (15), 2103-2118 (2010).
- 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).
- Shi, Z., et al. . the 3rd International Conference on New Forming Technology. , 100-104 (2012).
- 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).
- Hosford, W. F. Comments on anisotropic yield criteria. Int. J. Mech. Sci. 27 (7), 423-427 (1985).
- Marciniak, Z., Kuczyński, K. Limit strains in the processes of stretch-forming sheet metal. Int. J. Mech. Sci. 9 (9), 609-620 (1967).
- 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).
- Põdra, P., Andersson, S. Simulating sliding wear with finite element method. Tribol. Int. 32 (2), 71-81 (1999).
- Archard, J. F. Contact and Rubbing of Flat Surfaces. J. Appl. Phys. 24 (8), 981-988 (1953).
- Liu, X., et al. Determination of the interfacial heat transfer coefficient in the hot stamping of AA7075. MATEC Web of Conferences. 21 (05003), (2015).
