创刊于1987年, 双月刊
主管:

江西理工大学

主办:

江西理工大学
江西省有色金属学会

ISSN:1674-9669
CN:36-1311/TF
CODEN YJKYA9

铝合金蓄能器壳体冷挤压成形多目标优化

周志伟, 龚红英, 贾星鹏, 嵇友迪, 施为钟, 廖泽寰, 许元中

周志伟, 龚红英, 贾星鹏, 嵇友迪, 施为钟, 廖泽寰, 许元中. 铝合金蓄能器壳体冷挤压成形多目标优化[J]. 有色金属科学与工程, 2021, 12(1): 67-74. DOI: 10.13264/j.cnki.ysjskx.2021.01.009
引用本文: 周志伟, 龚红英, 贾星鹏, 嵇友迪, 施为钟, 廖泽寰, 许元中. 铝合金蓄能器壳体冷挤压成形多目标优化[J]. 有色金属科学与工程, 2021, 12(1): 67-74. DOI: 10.13264/j.cnki.ysjskx.2021.01.009
ZHOU Zhiwei, GONG Hongying, JIA Xingpeng, JI Youdi, SHI Weizhong, LIAO Zehuan, XU Yuanzhong. Multi-objective optimization of cold extrusion forming of aluminum alloy accumulator shell[J]. Nonferrous Metals Science and Engineering, 2021, 12(1): 67-74. DOI: 10.13264/j.cnki.ysjskx.2021.01.009
Citation: ZHOU Zhiwei, GONG Hongying, JIA Xingpeng, JI Youdi, SHI Weizhong, LIAO Zehuan, XU Yuanzhong. Multi-objective optimization of cold extrusion forming of aluminum alloy accumulator shell[J]. Nonferrous Metals Science and Engineering, 2021, 12(1): 67-74. DOI: 10.13264/j.cnki.ysjskx.2021.01.009

铝合金蓄能器壳体冷挤压成形多目标优化

基金项目: 

上海工程技术大学校企合作项目 CL-003

详细信息
    通讯作者:

    龚红英(1974—  ), 女, 博士, 教授, 主要从事于材料塑性成形工艺及过程控制技术, 金属成形模具CAD/CAM/CAE, 新型工程材料、新加工技术和成形工艺开发等方面研究。E-mail: ghyyw@163.com

  • 中图分类号: TG372;TF125.2

Multi-objective optimization of cold extrusion forming of aluminum alloy accumulator shell

  • 摘要: 以铝合金蓄能器壳体冷挤压为例,针对实际生产中筒壁存在缺陷现象,基于有限元软件DEFORM-3D和响应面法与多目标优化的NSGA-II相结合的方法对此进行多目标优化分析。首先将AA6061铝合金棒料进行室温拉伸实验获得应力应变数据,导入DEFORM-3D构建FEM模型。其次以凸模工作部分过渡圆角(X1)、挤压速度(X2)、摩擦系数(X3)为优化变量建立关于挤压载荷(Y1)和壳体零件表面损伤度(Y2)的数学模型, 方差结果表明:模型精度较高能很好的描述2个优化目标对设计变量的响应,同时由3D响应面图可以直观分析挤压载荷与零件表面损伤度关于响应变量之间存在一定冲突性。为解决冲突,采用NAGA-II进行多目标优化,得到一组Pareto最优解;进而得到挤压成形合理的工艺参数范围: X1为0.64~0.68 mm, X2为5.8~6.2 mm/s,X3=0.1。最后选用一组较优参数组合进行试验验证,结果表明工件成形性能与质量良好,仿真结果与试验结果具有较好的可靠性。
    Abstract: In view of the defects of the cylinder wall in the actual production of cold extrusion of aluminum alloy accumulator shell parts, multi-objective optimization was performed based on the combination of finite element software DEFORM-3D and response surface method and multi-objective optimization NSGA-II analysis. Firstly, the AA6061 aluminum alloy bar was subjected to room temperature tensile experiment to obtain the stress and strain data, and then imported into DEFORM-3D to construct the FEM model. Secondly, with the transition fillet X1, extrusion speed X2, and friction coefficient X3 of the punch working part as optimized variables, a mathematical model of extrusion load Y1 and surface damage Y2 of the shell parts was established. The variance results showed that the model had high accuracy and was very effective. A good description of the response of the two optimization goals to the design variables, and the 3D response surface diagram could visually analyze the conflicts between the extrusion load and the surface damage of the part with respect to the response variable. To resolve these, NAGA-II was used for multi-objective optimization, and a set of Pareto optimal solutions was obtained. Then, a reasonable range of process parameters for extrusion forming was obtained: X1 was 0.64~0.68 mm, X2 5.8~6.2 mm/s, and X3 0.1. Finally, a set of optimal parameter combinations was selected for experimental verification, and the results showed that the work-piece forming performance and quality were good, and the simulation results and experimental results had good reliability.
  • 中国稀土产业在全球稀土贸易中长期占据主导地位,但这一相对优势却是建立在高环境成本代价、低资源价格及浪费型开采基础上[1-3].目前,国内NdFeB合金生产受限于生产技术和自动化水平的低下,NdFeB合金废料占整个原料量的20 %~30 %,其中废料中的稀土资源含量更是高达30 %[4-7].因此,从NdFeB废料中回收稀土,对促进稀土资源可持续利用及减少生态环境破坏具有重要意义[8].

    当前,企业对NdFeB废料进行稀土回收,其浸出过程采用人工调节pH值,导致产品纯度波动范围大,稀土回收率指标低等问题[9-10].文中采用中和法进行浸出除杂,调节pH值可使稀土与其他金属元素分离,金属离子浓度不同,水解生成氢氧化物沉淀时的pH亦有差异[11-12].实验证明:维持浸出液的pH值在3.5~5范围内则可最大限度地提高稀土的纯度,文中作者设计一种pH值自动控制系统,该系统可对浸出过程的pH值进行自动调节,可大大提高稀土的回收率.

    采用中和法除杂过程中,浸出槽内酸浓度在不断的变化,根据物料平衡关系,有如下关系式:

    $$槽内反应物质的浓度变化率 = 反应物质流入槽内与流出槽内的浓度差 - 槽内反应物质的损失$$ (1)

    从浸出过程来看,酸浓度的变化可以归结为2点:

    1)反应过程中浓盐酸的不断消耗;

    2)生产过程中浓盐酸的补加.

    因此根据式(1),对酸浓度变化建立相应的数学模型如式(2)所示.

    $$\varepsilon V\frac{{{\rm{d}}{C_{\rm{h}}}}}{{{\rm{d}}t}} = {F_{{\rm{HCl}}}}\left( {{C_{{\rm{HCL}}}} - {C_{\rm{h}}}} \right) + {F_{{\rm{ih}}}}\left( {{C_{{\rm{ih}}}} - {C_{\rm{h}}}} \right) - \int_o^v {a{\rm{d}}V} $$ (2)

    式(2)中,Ch为溶液中的H+浓度;CHCl为加入玻璃浸出槽中的盐酸浓度;Cih为第i次加入玻璃浸出槽内的回洗水酸浓度;FHCl为加入玻璃浸出槽的浓盐酸流量;Fih为第i次加入玻璃浸出槽内的回洗水流量;V为玻璃浸出槽的容积;ε为玻璃浸出槽里溶液所占的容积比.

    中和法除杂质的实质是采用溶度积原理,采用各种元素在不同pH值下沉淀情况也不同的一种粗分离方法.操作方法为:以氨水作为中和剂,往NdFeB废料料液中加氨水进行中和反应;边加氨水边控制溶液的pH值在3.5~5.0范围内;溶液中最先形成氢氧化物沉淀的是盐碱性弱的金属离子,这些金属离子与溶液里的稀土元素进行分离[13].

    在分析pH值调节过程中,假定盐酸与氨水同时加入到浸出槽中,根据式(1)物料平衡关系,有式(3)、式(4):

    $${F_{{\rm{HCl}}}}\left( t \right){C_{\rm{h}}} - \left[ {{F_{{\rm{HCl}}}}\left( t \right){\rm{ + }}{F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}\left( t \right)} \right]{\rm{ }}{{C'}_{\rm{h}}} = V\frac{{{\rm{d}}{{C'}_{\rm{h}}}}}{{{\rm{d}}t}}$$ (3)
    $${F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}\left( t \right){C_{\rm{B}}} - \left[ {{F_{{\rm{HCl}}}}\left( t \right){\rm{ + }}{F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}\left( t \right)} \right]{{C'}_{\rm{B}}} = \frac{{{\rm{d}}{{C'}_{\rm{B}}}}}{{{\rm{d}}t}}$$ (4)

    式(3)、式(4)中,Ch为浸出槽流出时酸浓度,Ch为NdFeB废料的酸性料液浓度,CB为浸出槽流出时碱浓度,CB为氨水的浓度;把式(3)和式(4)合并为式(5).

    $$V\frac{{{\rm{d}}y}}{{{\rm{d}}v}} = \left( {{C_{\rm{h}}} - y} \right){F_{{\rm{HCl}}}} - \left( {{C_{\rm{B}}} + y} \right){F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}} = - \left( {{C_{\rm{B}}} + y} \right){F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}$$ (5)

    式(5)建立了中和反应(浓度为Ch的NdFeB酸性料液和浓度为CB的氨水进行中和反应)的pH值控制的模型关系[14].

    上述分析的pH调节模型可分为动态部分和静态2部分线性模型来描述,2部分的综合模型如图 1所示.

    图  1  pH调节模型结构
    Figure  1.  Structure of the pH adjustment model

    目前企业的pH值控制系统以手动调节为主.操作员把读取控制仪表中的pH值监控数据和设定的pH值数据进行比较,再手动操作调节阀来调节氨水的添加量,以达到对系统pH值的控制.手动调控存在着以下弊端:

    1)信号只能在仪表内反应,而无法反馈到整个pH系统,操作员必须时刻操作调节阀,工作负荷异常大.

    2)无法用集中监控系统的办法来了解整个生产状况.

    3)系统反应过程复杂,手动调节容易引起系统的滞后,从而导致系统最后时的pH值难以控制.

    针对旧系统手动调节pH值的不足,设计的新系统采用计算机进行控制,信号可以进行自动检测反馈、上位机对系统流程进行监控、控制器自动输出控制信号、执行机构自动计量的方案来实现系统的实时、精确控制.新系统的总体结构如图 2所示.

    图  2  系统总体结构
    Figure  2.  Overall structure of the system

    新控制系统由pH调控与酸溶控制2部分组成.上位PC机根据浸出NdFeB料液的实际工艺要求和运行状态,传递控制信号到控制器中,同时也接受来自下位机的反馈数据.在酸溶控制中,上位机控制加入到浸出槽的盐酸量来实现对终点溶液pH值的控制,进而达到控制溶液的浸出率.在pH调控中,传感器检测到的数据反馈到上位PC机中,计算机显示并判断pH值是否达到预先设定的值,如果达到,就结束相应的控制,如果没有达到,控制器就发出信号给执行器来调节氨水量,直到符合设定的pH值要求[15].新系统操作流程如图 3所示.

    图  3  系统操作流程
    Figure  3.  Operation process of the system

    模糊控制是一种新兴的智能非线性控制方式,具有规则设计、对过程模型依赖度较低等优点,但也不能满足对所有控制指标的控制;传统PID控制不易改变kpkikd 3个参数,对文中非线性环节的pH值难以进行控制[16];故文中选用参数模糊自整定PID的控制策略,这种控制策略既可弥补传统和模糊2种控制方式的不足,还可得到满意的控制效果.

    参数自整定模糊PID控制的任务是找出kpkikd 3个参数与eec 2参数之间的关系.取eec为控制器的输入,取k时刻时PID的3个参数修正增量为控制器的输出[16-17].在PID控制器运行时,可实时检测eec,经过模糊推理后可得到最后的修正值,实现了参数的自整定.控制器参数调整规则如式(6)所示.

    $$\left. {\begin{array}{*{20}{l}} {{k_p}\left( k \right) = {k_p}\left( {k - 1} \right) + \Delta {k_p}\left( k \right)}\\ {{k_i}\left( k \right) = {k_i}\left( {k - 1} \right) + \Delta {k_i}\left( k \right)}\\ {{k_d}\left( k \right) = {k_d}\left( {k - 1} \right) + \Delta {k_d}\left( k \right)} \end{array}} \right\}$$ (6)

    式(6)中,k=1,2,3,…,n为PID控制器的采样时间,kp(0)、ki(0)、kd(0)为控制器参数的初值,初始值可采用常规方法来整定取得.本PID控制器结构如图 4所示,为一个两输入、三输出的结构方式.

    图  4  中文标参数模糊自整定PID控制器结构题
    Figure  4.  Controller structure of the parameters fuzzy self-turning PID

    联立式(2)和式(5)推导的pH值数学模型,运用matlab/Simulink软件建立相应的pH值控制模型,在matlab命令窗口中从键盘上输入cav0cb 3个参数值,diding_s1设为氢离子浓度值,该浓度值是基于二分法反应后计算得到的[18]. pH值控制的数学模型结构如图 5所示.

    图  5  pH模型结构
    Figure  5.  pH model structure

    基于matlab/Simulink软件创建的参数模糊自整定PID控制器的模型,该PID控制器模型的结构如图 6所示.

    图  6  参数模糊自整定PID控制器模型结构
    Figure  6.  Controller model structure of the parameters fuzzy self-turning PID

    对PID控制器模型仿真运行的参数设置为:普通增量PID控制器的初值设置为kp=0.06,ki=0,kd=0.8;仿真时间设为960 s,加阶跃信号.双击图 6中的Fuzzy Logical Controller模块,将前面模糊推理的PH_PID25.fis文件导入.为证实参数自整定模糊PID控制器的效果,在[0, 5]区间内引入普通增量PID控制器与其比较,选用参数自整定模糊PID控制器的初值作为普通PID控制器的参数[19]. PID控制器相应的仿真参数设置如表 1所列. 2种控制器的阶跃响应曲线比较如图 7所示.

    表  1  仿真相关参数值
    Table  1.  Simulation parameters
    量化因子比例因子增量PID初始整定参数
    GEGRGPGIGDkpkikd
    10.31101.050.0600.8
    下载: 导出CSV 
    | 显示表格
    图  7  普通PID与模糊PID阶跃响应曲线比较
    Figure  7.  Curve comparison of step response between ordinary PID and fuzzy PID

    图 7可以看出,在[0, 5]区间内,2种控制器都能达到控制的要求.但模糊参数自整定PID控制器的响应时间比普通PID控制器减短了很多,模糊PID控制器系统的超调量也小,稳定性好.

    在企业实际的浸出液pH值控制中,系统时常会出现扰动现象.为验证本PID控制器抗干扰能力强,在系统仿真过程中,通过timer在系统仿真到第600 s时加入一瞬时白噪声干扰信号,加入扰动后系统的响应曲线如图 8所示,图 8曲线显示:本模糊参数自整定PID控制器具有很好的抗干扰能力.

    图  8  加入扰动时pH控制响应曲线
    Figure  8.  Response curve of the pH control with disturbance

    图 7图 8的仿真结果可以看出,采用模糊参数PID控器对浸出过程的pH值控制取得了较满意的效果.该系统具有响应快速、稳定性好、抗干扰性强等优点.

    1)本系统大大提高了NdFeB废料浸出控制的自动化程度,减轻了操作人员的劳动强度;

    2)本系统响应快速、稳定性能好、抗干扰性能强;

    3)本系统可对浸出液pH值进行精确、实时控制,大大提高了稀土的回收率.

  • 图  1   深筒蓄能器壳体零件

    Fig  1.   Deep-tube accumulator shell parts

    图  2   冷镦挤压工艺方案

    Fig  2.   Extruding process scheme

    图  3   AA6061铝合金的真实应力-应变曲线

    Fig  3.   Real stress-strain curve of AA6061 aluminum alloy

    图  4   FEM模型

    Fig  4.   FEM Model

    图  5   挤压载荷与壳体零件表面损伤值的等高线

    Fig  5.   Contours of extrusion load and surface damage value of shell parts

    图  6   目标函数Y1关于X2X3的响应曲面

    Fig  6.   Response surface plot of objective function Y1 with respect to X2 and X3

    图  7   目标函数Y2关于X2X3的响应曲面

    Fig  7.   Response surface plot of objective function Y2 with respect to X2 and X3

    图  8   多目标Pareto部分最优解

    Fig  8.   Partial optimal solution of multi-objective Pareto

    图  9   挤压载荷-步长曲线

    Fig  9.   Squeeze load-step curve

    图  10   实际生产铝合金壳体件

    Fig  10.   Actual production of aluminum alloy shell parts

    表  1   铝合金AA6061主要的化学成分

    Table  1   The main chemical composition of aluminum alloy AA6061

    下载: 导出CSV

    表  2   BBD的实验因素与水平

    Table  2   Experimental factors and levels of BBD

    下载: 导出CSV

    表  3   部分试验方案及结果

    Table  3   Some test schemes and results

    下载: 导出CSV

    表  4   挤压载荷Y1的方差分析

    Table  4   Analysis of variance of extrusion load Y1

    下载: 导出CSV

    表  5   壳体零件表面损伤值Y2的方差分析

    Table  5   Variance analysis of surface damage value Y2 of shell parts

    下载: 导出CSV

    表  6   误差系数

    Table  6   Error coefficient

    下载: 导出CSV

    表  7   多目标优化Pareto解

    Table  7   Multi-objective optimization Pareto solution

    下载: 导出CSV

    表  8   仿真结果与优化结果比较

    Table  8   Comparison of results

    下载: 导出CSV
  • [1] (德)朗格著. 挤压技术: 金属精密件的经济制造工艺[M]. 北京: 机械工业出版社, 2014.
    [2]

    RAVISHANKA Balakrishnan, SUREN N. Knowledge based expert system for forging die design[J]. System Theory Proceedings of the Twentieth Southeastern Symposium on, 1988: 498-504.

    [3]

    BONTE M H A, FOURMENT L, DO T T, et al. Optimization of forging processes using Finite Element simulations[J]. Structural and Multidisciplinary Optimization, 2010, 42(5): 797-810. doi: 10.1007/s00158-010-0545-3

    [4] 宋志远, 刘淑梅, 莫壮壮, 等. 基于响应面法的蓄能器壳体工艺优化[J]. 轻工机械, 2020, 38(2): 90-94. https://www.cnki.com.cn/Article/CJFDTOTAL-QGJX202002019.htm
    [5] 董洪波, 王高潮, 常春. 6061铝合金杯形件挤压成形模拟分析及实验研究[J]. 中国机械工程, 2010, 21(14): 1732-1735. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJX201014021.htm
    [6] 刘雅辉, 刘淑梅, 廖世绍, 等. 过滤器冷挤压模具设计及数值模拟[J]. 精密成形工程, 2015(1): 42-45. https://www.cnki.com.cn/Article/CJFDTOTAL-JMCX201501010.htm
    [7] 王贤鹏. 薄壁深筒形件温冷复合成形工艺及模拟研究[D]. 苏州: 江苏大学, 2016.
    [8] 仇丹丹, 龚红英, 李会肖, 等. 汽车过滤器壳体零件冷挤压成形方案研究[J]. 热加工工艺, 2015, 44(19): 134-136. https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201519039.htm
    [9] 陈波, 周志明, 曾华成, 等. 基于DEFORM-3D的筒形件冷挤压成形数值模拟[J]. 重庆理工大学学报(自然科学), 2018, 32(1): 124-128. https://www.cnki.com.cn/Article/CJFDTOTAL-CGGL201801019.htm
    [10] 吴进, 王成勇, 项志伟, 等. 基于数值模拟的大长径比筒形件正挤压成形工艺研究[J]. 模具工业, 2018, 44(11): 15-19. https://www.cnki.com.cn/Article/CJFDTOTAL-MJGY201811004.htm
    [11] 钟建华, 袁志燕, 刘艳霞, 等. 挤压工艺参数对挤压过程影响规律的仿真模拟研究[J]. 有色金属科学与工程, 2015, 6(3): 45-50. http://ysjskx.paperopen.com/oa/DArticle.aspx?type=view&id=201412007
    [12] 李琚陈. 大型厚壁管热挤压成形工艺参数优化[J]. 锻压技术, 2018, 43(1): 77-82. https://www.cnki.com.cn/Article/CJFDTOTAL-DYJE201801015.htm
    [13] 张水忠. 挤压工艺及模具设计[M]. 北京: 化学工业出版社, 2009.
    [14] 刘志明. 实用模具设计与生产应用手册挤压模与热锻模[M]. 北京: 化学工业出版社, 2019.
    [15] 上海工程技术大学. 一种车用有色金属壳体零件的冷镦挤复合成形方法: 中国, 110405421A[P]. 2019-08-01.
    [16] 李云雁, 胡传荣. 实验设计与数据处理[M]. 北京: 化学工业出版社, 2019.
    [17] 佘文韬, 樊文欣, 史永鹏, 等. 基于响应曲面法的连杆衬套表面粗糙度预测模型和优化[J]. 塑性工程学报, 2017, 24(6): 172-176. https://www.cnki.com.cn/Article/CJFDTOTAL-SXGC201706027.htm
    [18] 姜天亮, 龚红英, 钱勇, 等. 基于响应面法的U形件弯曲成形回弹优化[J]. 锻压技术, 2020, 45(1): 63-68. https://www.cnki.com.cn/Article/CJFDTOTAL-DYJE202001013.htm
    [19] 马闻宇, 王宝雨, 周靖, 等. 铝合金热冲压板件多目标优化[J]. 哈尔滨工程大学学报, 2015, 36(9): 1246-1251. https://www.cnki.com.cn/Article/CJFDTOTAL-HEBG201509017.htm
    [20] 夏玉峰, 叶彩红, 王力, 等. 基于响应面法的直齿轮冷挤压工艺多目标优化[J]. 华中科技大学学报(自然科学版), 2016, 44(1): 70-75. https://www.cnki.com.cn/Article/CJFDTOTAL-HZLG201601015.htm
    [21]

    SRINIVA N, DEB K. Muiltiobjective optimization using nondominated sorting in genetic algorithms[J]. Evolutionary Computation, 2000, 2(3): 221-248.

    [22] 柯俊, 祖洪飞, 史文库. 基于有限元法及遗传算法的推力杆球铰多目标优化方法[J]. 汽车工程, 2020, 42(2): 178-183. https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC202002006.htm
图(10)  /  表(8)
计量
  • 文章访问数:  77
  • HTML全文浏览量:  30
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-20
  • 发布日期:  2021-02-27
  • 刊出日期:  2021-01-31

目录

/

返回文章
返回
x 关闭 永久关闭