車路長，蔣平，劉俊，熊歡，孟毅

Ti–6Al–4V鈦合金筋板類吊掛鍛造成形工藝優(yōu)化及模具磨損研究

車路長1，蔣平2，劉俊1，熊歡1，孟毅2

（1.中國兵器工業(yè)第五九研究所，重慶 400039；2.重慶大學(xué)，重慶 400044）

目的 改善Ti–6Al–4V筋板類吊掛鍛件成形缺陷，降低模具磨損。方法 通過對原始工藝中存在的折疊、充填不滿等缺陷進(jìn)行分析，揭示局部飛邊高度對鍛件充填的影響，進(jìn)而優(yōu)化終鍛模具局部飛邊高度；通過增加預(yù)鍛件筋條等幾何特征，對預(yù)鍛模具結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計，并分析塑性變形時筋條區(qū)域金屬材料的流動情況。結(jié)合BP神經(jīng)網(wǎng)絡(luò)技術(shù)，分析鍛造工藝參數(shù)對終鍛模具磨損的影響，并對工藝參數(shù)組合進(jìn)行優(yōu)化設(shè)計。結(jié)果 基于局部飛邊高度對鍛件充填效果的影響規(guī)律，確定最佳局部飛邊高度為4 mm；通過增加預(yù)鍛筋條優(yōu)化預(yù)鍛件結(jié)構(gòu)，從而有效避免折疊缺陷；將BP神經(jīng)網(wǎng)絡(luò)技術(shù)與數(shù)值模擬結(jié)合，得到了最優(yōu)工藝參數(shù)組合，有效降低了鍛造模具的磨損量。結(jié)論 通過實際鍛造生產(chǎn)試驗對模擬分析結(jié)果進(jìn)行了驗證，固化了最佳模具結(jié)構(gòu)與工藝參數(shù)組合，獲得了變形均勻且無工藝缺陷的鈦合金發(fā)動機吊掛鍛件。

吊掛鍛件；鍛造；數(shù)值模擬；工藝優(yōu)化；BP神經(jīng)網(wǎng)絡(luò)

鈦合金是航空航天制造領(lǐng)域的一種重要材料，具備高強度、耐腐蝕、輕量化以及耐熱性能好等特點[1]，主要用于制造飛機重要零件，如發(fā)動機核心部件、起落架、連接框等[2-3]。隨著飛機裝載能力的增強，對飛機的性能要求逐年提高。吊掛作為連接發(fā)動機的關(guān)鍵裝置，不僅要傳遞動力，還要承受飛行過程中產(chǎn)生的載荷，服役溫度高，且受力情況復(fù)雜，因此，需要設(shè)計出優(yōu)秀的鍛造工藝，以獲得高強度的可靠鍛件[4]。

關(guān)于鍛件成形，齊晗[5]對簡單對稱結(jié)構(gòu)的充填機理及缺陷進(jìn)行了研究，提出了增加預(yù)鍛工序與背壓成形相結(jié)合的方法，有效預(yù)防了折疊形成。李軻[6]對連接框成形缺陷進(jìn)行了優(yōu)化，得到了充填完整的鍛件。魏科等[7]對筋板類鈦框鍛造材料的流動規(guī)律、缺陷進(jìn)行了模擬研究。王夢寒等[8]基于響應(yīng)面法對工藝參數(shù)進(jìn)行了多目標(biāo)優(yōu)化，減少了成形缺陷，提升了鍛件質(zhì)量。單德彬等[9]對筋板類鍛件等溫精密成形技術(shù)進(jìn)行了研究，通過局部加載的方式增強了材料充填能力，避免了充不滿缺陷。眾多學(xué)者也對成形中各因素對模具磨損的影響規(guī)律進(jìn)行了研究。周杰等[10]模擬分析了模具硬度、初始溫度、潤滑條件對模具磨損的影響規(guī)律。施淵吉等[11]基于Archard磨損模型建立了熱模鍛過程的熱–力耦合有限元模型，研究了模具工藝參數(shù)對模具磨損的影響。姬金金等[12]基于四拐曲軸成形，采用有限元模擬軟件，分析了模具預(yù)熱溫度對成形過程的影響。Cai等[13]提出了模具磨損的參數(shù)優(yōu)化方法和基于多項式擬合的模具壽命預(yù)測方法。林高用等[14]將溫度影響的磨損計算修正模型與有限元分析方法相結(jié)合，預(yù)測了鋁合金擠壓過程中模具表面磨損最嚴(yán)重的部位。

雖然已經(jīng)有眾多學(xué)者對飛機鍛件成形過程中的缺陷進(jìn)行了研究，但是大多只是借助仿真模擬手段對鍛件缺陷以及模具磨損情況進(jìn)行預(yù)測與優(yōu)化，試驗次數(shù)多、效率低下。文中擬結(jié)合有限元數(shù)值模擬和BP神經(jīng)網(wǎng)絡(luò)技術(shù)，開展復(fù)雜筋板類鍛件缺陷研究，優(yōu)化模具抗磨損性能，進(jìn)而開展實際工程生產(chǎn)和相關(guān)數(shù)理檢測驗證。

1 吊掛原始鍛造工藝缺陷分析

吊掛鍛件原鍛造工藝中主要存在以下問題：鍛件四角凸臺部位充填不滿，特別右端兩凸臺處，缺料較多，如圖1所示。分析終鍛過程中材料的流動情況可知，鍛件四角凸臺是在最后進(jìn)行充填的，這是由于凸臺比其他部位更遠(yuǎn)，材料流動距離遠(yuǎn)，成形阻力非常大，使材料向凸臺流動的速率小于向其他部位流動的速率。凸臺充填完整前形成了比較大的飛邊，在坯料體積不變的條件下，材料先向飛邊處流動，導(dǎo)致凸臺位置出現(xiàn)充填不完整的缺陷。同時，過多的材料流向飛邊，使成形載荷增加。如圖2所示，筋條處充填時，兩側(cè)金屬先接觸上模，中間材料較少，導(dǎo)致各型腔充填同步性差，材料在充滿兩側(cè)型腔之后同時向中間型腔流動，在中間部位形成金屬匯流，進(jìn)而產(chǎn)生折疊缺陷。

由于上述問題，該生產(chǎn)試驗方案無法應(yīng)用于實際量產(chǎn)，根據(jù)工廠要求，對整個方案再次進(jìn)行改進(jìn)。在設(shè)計過程中，要對鍛造過程中可能出現(xiàn)的缺陷進(jìn)行預(yù)測，通過不斷優(yōu)化設(shè)計提高產(chǎn)品的穩(wěn)定性以及經(jīng)濟(jì)性。

2 吊掛鍛造成形工藝優(yōu)化

2.1 結(jié)構(gòu)及成形工藝分析

通過CATIA對吊掛進(jìn)行建模，如圖3所示，材料為Ti–6Al–4V，其長、寬、高方向上的最大尺寸分別為451、426、135 mm，其結(jié)構(gòu)特征如下：（1）該鍛件結(jié)構(gòu)不對稱，形狀比較復(fù)雜，左右兩側(cè)截面積相差很大；（2）存在2條交叉且互相連接的筋條，同一筋條上存在高度差，成形時可能會出現(xiàn)金屬匯合流動，從而產(chǎn)生折疊，為了使金屬在終鍛能夠更好成形，減少充不滿和折疊缺陷，降低成形載荷，因此增加了一道預(yù)鍛工序；（3）鍛件四角存在外支凸臺，在鍛壓成形時，腹板支出凸臺位置的成形阻力大，材料難以向此處流動，鍛件充填比較困難。若是直接采用金屬鑄坯進(jìn)行模鍛成形是非常困難的，故在成形工藝方案設(shè)計時考慮制坯，最終工藝流程為：制坯—預(yù)鍛—終鍛。

圖1 常規(guī)飛邊設(shè)計時充填情況和材料速度場分布

圖2 筋條部位充填時刻的金屬流動

圖3 發(fā)動機吊掛終鍛件、發(fā)動機吊掛終鍛模具以及預(yù)鍛模具

2.2 模具結(jié)構(gòu)優(yōu)化

模具結(jié)構(gòu)對鍛造成形的影響主要來自飛邊，文中對飛邊橋部的3個幾何特征參數(shù)（厚度、寬度、圓角）進(jìn)行調(diào)整和優(yōu)化。根據(jù)金屬向阻力最小處流動的原理可知，當(dāng)模具飛邊橋部高度減小時，材料向飛邊槽流動的阻力增大，流向飛邊槽的材料減少，材料能夠充填模具型腔；當(dāng)模具飛邊槽高度增大時，材料向飛邊槽流動的阻力變小，本應(yīng)流向模具型腔的材料更易于流向飛邊槽，使模具型腔在成形時出現(xiàn)充填不滿的缺陷。

根據(jù)上述分析，為了使金屬材料更好地充填吊掛鍛件凸臺及筋條，需使金屬材料流向飛邊的阻力更大，降低流動能力，因此，通過改變飛邊橋部的高度調(diào)控材料的流動情況。對左右兩側(cè)飛邊進(jìn)行局部調(diào)整，如圖4所示，將高度設(shè)置為10、8、6、4、2 mm，保持其余部位參數(shù)不變。通過DEFORM進(jìn)行全流程模擬，將建立的模型stl導(dǎo)入其中，材料選擇Ti–6Al– 4V鈦合金，泊松比設(shè)為0.31，材料模型選擇剛黏塑性流動應(yīng)力模型。鍛壓模具材料選擇AISI–H–13，網(wǎng)格數(shù)量設(shè)為100 000，上下模接觸剪切摩擦因數(shù)為0.3，熱交換系數(shù)設(shè)為5 N/(s?mm?℃)，坯料初始溫度設(shè)為965 ℃，模具初始溫度設(shè)為280 ℃。

圖4 飛邊調(diào)整區(qū)域示意

圖5 不同飛邊高度下鍛件飛邊寬度方差和飛邊高度為4 mm時的模具充填情況

2.3 折疊缺陷優(yōu)化

在原工藝中的預(yù)鍛模具上加上對應(yīng)筋條，預(yù)鍛成形出一部分筋條，實現(xiàn)了材料的有效預(yù)分配，便于材料在終鍛成形時充填該部位型腔，材料能夠合理流動。圖6a為吊掛終鍛完成時的表面膨脹率，可以看出，其中的2處筋條以及中間試料區(qū)位置整體在安全范圍之內(nèi)，無折疊傾向產(chǎn)生。圖6b為剖取鍛件的筋條位置，觀察它成形時的材料流動情況可以發(fā)現(xiàn)，筋條中間未出現(xiàn)滯后充填的情況，整體同時充滿，沒有發(fā)生金屬匯流，因此，不會出現(xiàn)折疊缺陷。

圖6 終鍛件表面膨脹率和筋條部位充填時刻的金屬流動

2.4 終鍛結(jié)果分析

圖7a是吊掛終鍛的應(yīng)變情況，可以看出，飛邊處的應(yīng)變較大，在終鍛成形過程中，飛邊處高度逐漸減小，金屬材料在此處流動劇烈。此外，筋條中間部位的應(yīng)變比兩側(cè)小，這是由于在預(yù)鍛時，中間部位的筋條已經(jīng)充填了一部分，而兩側(cè)的筋條并沒有充填，因此，在終鍛時，兩側(cè)筋條處的金屬材料流動更加劇烈。右側(cè)兩凸臺由于距離較遠(yuǎn)，材料需要較大的變形才能到達(dá)凸臺進(jìn)行充填，進(jìn)而導(dǎo)致右側(cè)凸臺處的應(yīng)變較大。

圖7b為吊掛終鍛的成形載荷曲線，可知成形過程主要分為3個載荷階段：第1階段，主要是對坯料進(jìn)行鐓粗變形，金屬材料向四周流動，此時坯料和模具的接觸面積較小，坯料的溫度下降緩慢，變形抗力較小，成形載荷較?。坏?階段，在充填型腔中的筋條以及凸臺等部位時，飛邊開始擠出，因此載荷急劇增加；第3階段，對圓角部位進(jìn)行充填，并將多余的金屬擠成飛邊，最終成形載荷為19 800 t。

3 模具磨損優(yōu)化

在實際工程中利用鍛造工藝進(jìn)行產(chǎn)品開發(fā)設(shè)計時，不僅要關(guān)注產(chǎn)品的質(zhì)量，還需要考慮模具的磨損情況。在一個新工藝開發(fā)中，模具成本通常占所有成本的10%～20%，整個模具的材料費及加工費綜合約為200萬元人民幣[15]。為進(jìn)一步降低模具磨損，需要做大量的仿真模擬試驗，以得到最佳工藝參數(shù)。為了提升效率，結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)，分析各種工藝參數(shù)與模具磨損量的依存關(guān)系，解決復(fù)雜問題[16]，以降低產(chǎn)品開發(fā)周期，節(jié)約產(chǎn)品開發(fā)成本。

圖7 終鍛件等效應(yīng)變場和終鍛成形載荷預(yù)測結(jié)果

3.1 構(gòu)建模具磨損BP神經(jīng)網(wǎng)絡(luò)模型

前文對結(jié)構(gòu)進(jìn)行了優(yōu)化，雖然得到了質(zhì)量良好的鍛件，但未過多對模具進(jìn)行研究，模具的服役表現(xiàn)是影響鍛件成形制造的重要因素。若能夠降低模具磨損，可為工廠帶來很大的效益。熱交換系數(shù)、模具溫度以及摩擦因數(shù)建立的神經(jīng)網(wǎng)絡(luò)模型如圖8所示[17]，通過神經(jīng)學(xué)習(xí)方式分析輸入值與輸出值之間的非線性關(guān)系。若是將輸入神經(jīng)元直接加權(quán)計算然后輸出，模型計算得到的輸出和輸入數(shù)據(jù)均是線性相關(guān)的，不受隱含層數(shù)量影響。在模型結(jié)構(gòu)中引入激活函數(shù)，對輸入數(shù)據(jù)進(jìn)行加權(quán)計算后進(jìn)行非線性處理，從而讓模型能夠?qū)?fù)雜的非線性關(guān)系進(jìn)行預(yù)測。在該網(wǎng)絡(luò)模型中，隱含層選擇tanh函數(shù)進(jìn)行數(shù)據(jù)的轉(zhuǎn)換[18]。

式中：x為橫坐標(biāo)數(shù)值。

3.2 數(shù)據(jù)樣本

模型訓(xùn)練及測試的數(shù)據(jù)需要有足夠的數(shù)量和正確性。樣本的數(shù)量越多，神經(jīng)網(wǎng)絡(luò)的擬合關(guān)系就越準(zhǔn)確。在實際生產(chǎn)中，每一個數(shù)據(jù)樣本都來自于每一次模擬試驗。樣本數(shù)量增多意味著試驗次數(shù)增多，需要大量的時間開展模擬試驗，延長了開發(fā)周期。綜上所述，利用正交試驗法對數(shù)據(jù)樣本進(jìn)行設(shè)計分配。正交試驗選擇熱交換系數(shù)、模具溫度以及坯料與模具的接觸摩擦因數(shù)為試驗因素，每個因素在其取值范圍內(nèi)選擇4個水平數(shù)，此次試驗的水平和因素的標(biāo)準(zhǔn)正交表如表1所示。

表1 正交試驗水平和因素

Tab.1 Orthogonal test levels and factors

根據(jù)正交試驗得到此次模型訓(xùn)練樣本的48組數(shù)據(jù)，如表2所示。在模型訓(xùn)練完成后，需要一定的數(shù)據(jù)進(jìn)行測試，一般是直接將現(xiàn)有的數(shù)據(jù)分類為訓(xùn)練和測試2個部分。文中試驗數(shù)據(jù)通過正交試驗方式獲得，這已經(jīng)是包含所有情況的組合，若將其分類，則不能很好地表達(dá)試驗中各變量的情況。在各因素取值范圍內(nèi)，隨機選取了8組數(shù)據(jù)進(jìn)行模擬，作為此次測試的樣本，選取的試驗數(shù)據(jù)如表3所示。

3.3 隱含層神經(jīng)元數(shù)

在神經(jīng)網(wǎng)絡(luò)模型構(gòu)建中，誤差受隱含層神經(jīng)元數(shù)量的影響。當(dāng)隱含層神經(jīng)元數(shù)量較少時，模型運行更快，大多數(shù)情況下會出現(xiàn)欠擬合，導(dǎo)致模型的誤差很大。若隱含層神經(jīng)元數(shù)量過多，模型在訓(xùn)練時會出現(xiàn)過擬合，此時網(wǎng)絡(luò)的模擬精度雖然非常高，但要預(yù)測的樣本正確率卻不高，在預(yù)測時得不到想要的結(jié)果[19]。綜上所述，在構(gòu)建模型時，在保證精度的前提下應(yīng)盡可能地減少隱含層神經(jīng)元數(shù)量。通常選擇試湊法確定網(wǎng)絡(luò)模型中隱含層神經(jīng)元數(shù)量，即根據(jù)現(xiàn)有的準(zhǔn)則求出神經(jīng)元數(shù)量的取值范圍，再通過試湊方式進(jìn)行對比，根據(jù)模型的精度以及預(yù)測的準(zhǔn)確度確定神經(jīng)元數(shù)量，文中采用的經(jīng)驗公式見式（2）。

表2 正交試驗訓(xùn)練部分?jǐn)?shù)據(jù)

Tab.2 Data from the training part of the orthogonal test

表3 測試集數(shù)據(jù)樣本

Tab.3 Test set data samples

式中：2為隱含層節(jié)點數(shù)；1和3為輸入和輸出的節(jié)點數(shù)；為調(diào)節(jié)常數(shù)，取值范圍為1～10。該模型的輸入神經(jīng)元數(shù)為3，輸出神經(jīng)元數(shù)為2，通過式（2）求出神經(jīng)元數(shù)量為3～13。再通過試湊方式進(jìn)一步確定隱含層的神經(jīng)元數(shù)目。

將訓(xùn)練得到的結(jié)果進(jìn)行相對誤差評定，其公式見式（3）。

為使構(gòu)建的模型具有良好的預(yù)測能力，需使輸出的預(yù)測值與實際值相對誤差盡量小。既要保證訓(xùn)練數(shù)據(jù)具有很小的誤差，又要將神經(jīng)網(wǎng)絡(luò)對測試數(shù)據(jù)輸出的結(jié)果誤差控制在很小的區(qū)間內(nèi)。對不同的隱含層神經(jīng)元數(shù)的模型進(jìn)行分析計算，對比分析其均方誤差（MSE），結(jié)果如圖9a所示，訓(xùn)練集和測試集擬合誤差見圖9b，最后選擇隱含層數(shù)目為4，此時的神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測性能。

3.4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果與參數(shù)優(yōu)化驗證

將工藝參數(shù)輸入到網(wǎng)絡(luò)模型中得到預(yù)測的輸出值，通過對比終鍛成形載荷、終鍛模具磨損的預(yù)測值與實際模擬值發(fā)現(xiàn)，成形載荷和模具磨損的預(yù)測值與實際值相差很小，擬合程度較優(yōu)，如圖10a—b所示，說明建立的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的泛化能力良好。計算預(yù)測得到的成形載荷和模具磨損數(shù)據(jù)與實際有限元模擬數(shù)據(jù)之間的相對誤差，并進(jìn)行對比分析，如圖11所示，在成形載荷預(yù)測中，僅有一組數(shù)據(jù)相差較大，其相對誤差超過了10%，其余數(shù)據(jù)的相對誤差均比較小，整體平均值為4.33%；在模具磨損的預(yù)測中，所有數(shù)據(jù)的相對誤差均低于10%，整體相對誤差平均值為3.29%。

為進(jìn)一步確定神經(jīng)網(wǎng)絡(luò)模型預(yù)測的精確性，在每個工藝參數(shù)的取值范圍內(nèi)進(jìn)行隨機選擇，得到了8組數(shù)據(jù)，將所選擇的數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行測試，得到輸出的預(yù)測值，隨后對比分析得到的預(yù)測數(shù)據(jù)和實際模擬數(shù)據(jù)。由圖12a—b可知，8組測試數(shù)據(jù)的預(yù)測值和實際模擬值很接近，擬合情況較好。

圖9 不同隱含層神經(jīng)元數(shù)與均方誤差（MSE）值以及訓(xùn)練集和測試集擬合誤差的對應(yīng)關(guān)系

圖10 訓(xùn)練樣本預(yù)測值和實際值擬合

圖11 訓(xùn)練樣本相對誤差

對比測試組中神經(jīng)網(wǎng)絡(luò)預(yù)測值和實際模擬值，并計算各組的相對誤差，結(jié)果見圖13，8組測試數(shù)據(jù)中最大成形載荷、最大模具磨損的預(yù)測結(jié)果與實際模擬的數(shù)據(jù)相對誤差較小，相對誤差絕對值均不超過5%，可以說明該神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的預(yù)測準(zhǔn)確度較高，具有良好的預(yù)測性能。

使用48組訓(xùn)練數(shù)據(jù)和8組測試數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練及測試，預(yù)測得到的終鍛成形載荷和模具最大磨損結(jié)果與實際模擬結(jié)果之間的平均相對誤差很小。終鍛成形最大載荷預(yù)測數(shù)據(jù)與實際模擬結(jié)果之間相對誤差平均值為3.35%；終鍛模具最大磨損預(yù)測值與實際模擬值的相對誤差平均值為2.84%，可以得出，3–4–2結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型在筋板類鍛件預(yù)測領(lǐng)域具有較高的精度，對其他類型結(jié)構(gòu)鍛件的預(yù)測將是后續(xù)研究的一個重點內(nèi)容。

圖12 測試樣本預(yù)測值與實際值擬合

圖13 測試樣本相對誤差

3.5 工藝參數(shù)優(yōu)化與驗證

在符合實際鍛造生產(chǎn)條件的前提下，為了得到最佳的工藝參數(shù)組合，使最大成形載荷和模具最大磨損數(shù)值達(dá)到最低。在合理區(qū)間內(nèi)對3項工藝參數(shù)進(jìn)行取值并進(jìn)行組合，熱交換系數(shù)為1～11 N/(s?mm?℃)，模具溫度為250～400 ℃，摩擦因數(shù)為0.1～0.7；隨后通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測，當(dāng)熱交換系數(shù)為1 N/(s×mm×℃)、終鍛模具溫度為380 ℃、摩擦因數(shù)為0.1時，預(yù)測得到最大模具磨損值最小，為0.000 011 9 mm，實際模擬值為0.000 011 4 mm，相對誤差為4.38%，此時預(yù)測得到終鍛最大成形載荷為13 532 t，實際模擬值為13 100 t，相對誤差為3.29%。圖14為最優(yōu)參數(shù)實際模擬情況，結(jié)果比較準(zhǔn)確。

圖14 最優(yōu)參數(shù)模擬分析結(jié)果

3.6 鍛件的生產(chǎn)驗證

將優(yōu)化后的鍛造工藝進(jìn)行實際生產(chǎn)驗證[20]。流程如下：150 mm圓棒下料—圓棒倒角—工裝筒鐓粗—拍扁—預(yù)鍛—機加工去飛邊—終鍛—粗加工—熱處理（固溶+時效）—熱處理后加工—腐蝕—粗加工—超聲波探傷—理化檢測—終檢。生產(chǎn)完成后，對鍛件進(jìn)行拋丸，去掉表面的氧化皮。實際鍛造過程見圖15，在檢測鍛件外觀質(zhì)量時發(fā)現(xiàn)，吊掛鍛件上相交的高筋填充飽滿完整，飛邊分布均勻；外表沒有折疊和

裂紋等缺陷的產(chǎn)生，表面質(zhì)量好。綜合觀察發(fā)現(xiàn)，實際生產(chǎn)的鍛件外形特征與模擬仿真結(jié)果基本相同。從充填情況來看，實際鍛壓與數(shù)值模擬結(jié)果幾乎一致，因此，可認(rèn)為優(yōu)化工藝具有較高的準(zhǔn)確性，能夠?qū)嶋H生產(chǎn)起到指導(dǎo)作用。實際生產(chǎn)時的載荷為13 900 t，高于模擬的13 100 t。預(yù)鍛和終鍛成形均能在2萬t設(shè)備下進(jìn)行，最終得到了成形良好、外形尺寸滿足圖紙要求、且變形均勻的鍛件，說明設(shè)計的工藝方案具有可行性。

圖15 發(fā)動機吊掛鍛造生產(chǎn)驗證的實物

4 結(jié)論

吊掛作為連接發(fā)動機與機翼的關(guān)鍵部件，其質(zhì)量對飛機的運行至關(guān)重要。近年來，隨著航空飛機需求的增加，機身重要零部件開始過渡到國產(chǎn)化，這對設(shè)計以及生產(chǎn)提出了更嚴(yán)格的要求，因此，降低設(shè)計周期、得到最佳的工藝方案對產(chǎn)品的實際生產(chǎn)有重要作用。文中對發(fā)動機吊掛零件鍛造成形工藝進(jìn)行了優(yōu)化設(shè)計，將有限元仿真模擬與神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合，對成形過程進(jìn)行優(yōu)化，再對優(yōu)化后的工藝進(jìn)行實際生產(chǎn)驗證。最終，縮短了新產(chǎn)品開發(fā)周期，降低了實際生產(chǎn)成本。主要得到以下結(jié)論。

1）對吊掛鍛件原始工藝中的缺陷進(jìn)行分析，結(jié)合吊掛鍛件結(jié)構(gòu)特點以及成形難點，初步制定了“制坯—預(yù)鍛—終鍛”的整體鍛造工藝流程。通過DEFORM–3D仿真軟件進(jìn)行模擬，優(yōu)化調(diào)整終鍛模具飛邊，發(fā)現(xiàn)當(dāng)左右兩側(cè)局部飛邊高度為4 mm時，鍛件充填完整；在預(yù)鍛模具上設(shè)計了相應(yīng)筋條，終鍛成形時發(fā)現(xiàn)筋條中間未出現(xiàn)滯后充填區(qū)域以及金屬匯合流動的情況，無折疊缺陷產(chǎn)生，得到了充填完整、飛邊均勻的吊掛鍛件。

2）基于神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建了終鍛工藝參數(shù)（熱交換系數(shù)、模具溫度、摩擦因數(shù)）與最終成形載荷、模具磨損之間的3層神經(jīng)網(wǎng)絡(luò)模型；通過正交試驗得到了訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)，減少了煩瑣的模擬次數(shù)；對比分析不同隱含層神經(jīng)元數(shù)均方誤差后發(fā)現(xiàn)，在神經(jīng)元數(shù)為4時，其均方誤差最低，模型精度最佳。通過構(gòu)建的網(wǎng)絡(luò)模型得到了最優(yōu)參數(shù)組合，并對工藝參數(shù)組合進(jìn)行了實際仿真模擬驗證，模具磨損值的相對誤差為4.38%，終鍛成形載荷的相對誤差為3.29%，相對誤差均低于5%，預(yù)測結(jié)果精度較高。

3）使用優(yōu)化后的工藝參數(shù)開展實際生產(chǎn)并進(jìn)行驗證后發(fā)現(xiàn)，實際得到的結(jié)果與仿真模擬結(jié)果接近，鍛件未出現(xiàn)折疊、充填不滿等缺陷，各項指標(biāo)均達(dá)到標(biāo)準(zhǔn)要求，證實了該工藝方案的可行性。

[1] BOYER R. An Overview on the Use of Titanium in the Aerospace Industry[J]. Materials Science & Engineering A, 1996, 213(1): 103-114.

[2] ZHOU Y, ZENG W, YU H. An Investigation of a New Near-Beta Forging Process for Titanium Alloys and Its Application in Aviation Components[J]. Materials Science & Engineering A, 2004, 393(1): 204-212.

[3] 趙樹萍, 呂雙坤. 鈦合金在航空航天領(lǐng)域中的應(yīng)用[J]. 鈦工業(yè)進(jìn)展, 2002, 19(6): 18-21.

ZHAO Shu-ping, LYU Shuang-kun. Application of Titanium Alloy in Aerospace Field[J]. Titanium Industry Progress, 2002, 19(6): 18-21.

[4] 章仕彪. 民用運輸機吊掛設(shè)計強度要求研究[J]. 民用飛機設(shè)計與研究, 2012(1): 27-31.

ZHANG Shi-biao. Strength Requirement Research of Civil Transport Pylon Design[J]. Civil Aircarft Design & Research, 2012(1): 27-31.

[5] 齊晗. 筋板件筋部充填機理及缺陷研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2010: 1-20.

QI Han. Research on Rules of Rib Cavity Fill and Defects of Web-Rib Parts[D]. Harbin: Harbin Institute of Technology, 2010: 1-20.

[6] 李軻. 某飛機用鈦合金連接框鍛造工藝設(shè)計及仿真模擬分析[D]. 重慶: 重慶大學(xué), 2019: 10-18.

LI Ke. Design and Simulation Analysis of Forging Process for Titanium Alloy Connection Frame of Aircraft[D]. Chongqing: Chongqing University, 2019: 10- 18.

[7] 魏科, 馬慶, 唐海兵, 等. 航空大型鈦框等溫局部鍛造材料流動規(guī)律、缺陷分析及組織預(yù)測[J]. 華東交通大學(xué)學(xué)報, 2021, 38(2): 94-102.

WEI Ke, MA Qing, TANG Hai-bing, et al. Material Flow Rule, Defect Analysis and Microstructure Prediction of Isothermal Local Forging for Aeronautical Large-Scale Titanium Alloy Bulkhead[J]. Journal of East China Jiaotong University, 2021, 38(2): 94-102.

[8] 王夢寒, 黃龍, 王瑞, 等. 基于響應(yīng)面法的鋁合金筋板鍛件工藝參數(shù)多目標(biāo)優(yōu)化[J]. 材料科學(xué)與工藝, 2014, 22(1): 123-128.

WANG Meng-han, HUANG Long, WANG Rui, et al. Multi-Objective Optimization of Process Parameters by RSM for Aluminium-Alloy Rib-Web Forgings[J]. Materials Science and Technology, 2014, 22(1): 123-128.

[9] 單德彬, 高雙勝, 徐文臣, 等. 筋板類鍛件等溫精密成形技術(shù)研究[C]//第九屆全國塑性工程學(xué)術(shù)年會、第二屆全球華人先進(jìn)塑性加工技術(shù)研討會, 太原, 2005: 247-249.

SHAN De-bin, GAO Shuang-sheng, XU Wen-chen, et al. Research on Isothermal Precision Technology of Rib-Web Forging Parts[C]// The 9th National Plastic Engineering Academic Annual Conference, the 2nd Global Chinese Advanced Plastic Processing Technology Seminar, Taiyuan, 2005: 247-249.

[10] 周杰, 趙軍, 安治國. 熱擠壓模磨損規(guī)律及磨損對模具壽命的影響[J]. 中國機械工程, 2007, 18(17): 2112- 2115.

ZHOU Jie, ZHAO Jun, AN Zhi-guo. Wear Rule and Effects on the Die Service Life during Hot Extrusion[J]. China Mechanical Engineering, 2007, 18(17): 2112-2115.

[11] 施淵吉, 黎軍頑, 吳曉春, 等. 汽車法蘭盤熱鍛模具磨損失效的試驗分析和數(shù)值研究[J]. 摩擦學(xué)學(xué)報, 2016, 36(2): 215-225.

SHI Yuan-ji, LI Jun-wan, WU Xiao-chun, et al. Experimental and Numerical Study on the Wear Failure of Hot Forging Die of Automobile Flange[J]. Tribology, 2016, 36(2): 215-225.

[12] 姬金金, 周杰, 楊海, 等. 熱鍛模預(yù)熱溫度對材料成形及模具磨損的影響[J]. 熱加工工藝, 2013, 42(3): 79-80.

JI Jin-jin, ZHOU Jie, YANG Hai, et al. Effect of Preheating Temperature of Hot Forging Die on Material Forming and Die Wear[J]. Hot Working Technology, 2013, 42(3): 79-80.

[13] CAI Li-gang, LIU Hai-dong, PAN Jun-jie, et al. Mold Wear during Die Forging Based on Variance Analysis and Prediction of Die Life[J]. Transactions of Nanjing University of Aeronautics and Astronautics, 2020(6): 872-883.

[14] 林高用, 馮迪, 鄭小燕, 等. 基于Archard理論的擠壓次數(shù)對模具磨損量的影響分析[J]. 中南大學(xué)學(xué)報(自然科學(xué)版), 2009, 40(5): 1245-1251.

LIN Gao-yong, FENG Di, ZHENG Xiao-yan, et al. Analysis of Influence of Extrusion Times on Total Die Wear Based on Archard Theory[J]. Journal of Central South University (Science and Technology), 2009, 40(5): 1245-1251.

[15] 陳全杰. 模鍛件的技術(shù)經(jīng)濟(jì)分析[J]. 鍛壓機械, 1995, 30(5): 46-48.

CHEN Quan-jie. Technical and Beneficial Andlysis of Die Forgings[J]. Metalforming Machinery, 1995, 30(5): 46-48.

[16] 張馳, 郭媛, 黎明. 人工神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用綜述[J]. 計算機工程與應(yīng)用, 2021, 57(11): 57-69.

ZHANG Chi, GUO Yuan, LI Ming. Review of Development and Application of Artificial Neural Network Models[J]. Computer Engineering and Applications, 2021, 57(11): 57-69.

[17] FU Ze-min, MO Jian-hua, CHEN Lin, et al. Using Genetic Algorithm-Back Propagation Neural Network Prediction and Finite-Element Model Simulation to Optimize the Process of Multiple-Step Incremental Air- Bending Forming of Sheet Metal[J]. Materials and Design, 2009, 31(1): 267-277.

[18] 張能. 鋁合金藥筒熱擠壓模具優(yōu)化[D]. 南京: 南京理工大學(xué), 2019: 1-15.

ZHANG Neng. Optimization of Hot Extrusion Die for Aluminum Alloy Cartridge[D]. Nanjing: Nanjing University of Science and Technology, 2019: 1-15.

[19] 張明月. 齒輪坯預(yù)鍛件的多目標(biāo)優(yōu)化設(shè)計[D]. 武漢: 華中科技大學(xué), 2011: 9-13.

ZHANG Ming-yue. Multiple-Target Optimization Design of Pre-Forging for Gear Blank[D]. Wuhan: Huazhong University of Science and Technology, 2011: 9-13.

[20] 劉江, 徐皓. 基于Deform 3D的長桿類汽車轉(zhuǎn)向節(jié)鍛模設(shè)計及鍛造工藝生產(chǎn)驗證[J]. 鍛壓技術(shù), 2021, 46(2): 9-13.

LIU Jiang, XU Hao. Design on Forging Mold and Production Verification of Forging Process for Automobile Steering Knuckle with Long Rod Based on Deform 3D[J]. Forging & Stamping Technology, 2021, 46(2): 9-13.

Optimization of Ti-6Al-4V Titanium Alloy Ribbed Plate Type Hanging Forging Forming Process and Die Wear

CHE Lu-chang1, JIANG Ping2, LIU Jun1, XIONG Huan1, MENG Yi2

(1. Southwest Technology and Engineering Research Institute, Chongqing 400039, China; 2. Chongqing University, Chongqing 400044, China)

The work aims to inhibit the forming defects of Ti-6Al-4V ribbed plate type hanging forging component and reduce the die wear. The defects in conventional process such as folding and under-filling were analyzed to reveal the effects of local flash height on the forging component filling and optimize the local flash height of final forging die. The structure of the pre-forging die was optimized by adding geometrical characteristic such as bars on the pre-forging component. The flow of metal materials in bars during plastic deformation was analyzed. The effect of forging parameters on the wear of final forging die was analyzed combined with BP neutral network and the combination of forging parameters was designed through optimization. According to the effects of local flash height on the forging component filling, the ideal local flash height was determined as 4 mm. The structure of pre-forging component was optimized by adding bars, thus effectively inhibiting folding defect. Ideal forging parameters were obtained through combination of BP neural network and numerical simulation, effectively decreasing the wear volume of forging die. The simulation results are verified by actual forging production experiments. Both the ideal die structure and optimal forging parameter combination are solidified. Thus, a titanium alloy engine hanging forging component with homogenous deformation but without any forging defects is manufactured.

hanging forging component; forging; numerical simulation; process optimization; BP neural network

10.3969/j.issn.1674-6457.2022.07.015

TG164.1+1；TG31

A

1674-6457(2022)07-0106-10

2022–05–06

國家自然科學(xué)基金面上項目（51975071）；國家工業(yè)和信息化部工業(yè)強基工程項目（TC180A3Y1/18）；重慶英才計劃（CQYC202005068）

車路長（1964—），男，研究員，主要研究方向為金屬精密成形工藝和低應(yīng)力制造技術(shù)。

責(zé)任編輯：蔣紅晨