Skip to main content
SUPERVISOR
Hassan Moosavi,Mahmoud Farzin,Hassan Khademi zadeh
حسن موسوی (استاد راهنما) محمود فرزین (استاد مشاور) حسن خادمی زاده (استاد راهنما)
 
STUDENT
Amir Rahimi
امیر رحیمی

FACULTY - DEPARTMENT

دانشکده مهندسی مکانیک
DEGREE
Master of Science (MSc)
YEAR
1384
Hydroforming process is one of the newest metal forming methods that is gradually converted to the one of the most important forming methods. Compared to stamping, tube hydroforming offers higher part quality (tighter tolerances, increased rigidity) with lower manufacturing costs (reduced number of forming and assembly operations). In this study, the estimation of the process parameters for hydroforming Y-shapes, i.e. pressure levels, axial feeds, initial tube length, friction effect, mesh size effect and corner radius of protrusion effect on hydroformability of tube are discussed using ABAQUS 6.6-1. in simulation of process, effect of counter punch is applied show that using of counter punch can prevent failures during process, extremely. Then these estimated parameters are verified with hydroforming experiments. Finally some of These estimated parameters are then “optimized” using FEA simulations neural network genetic algorithms.
فرآیند هیدروفرمینگ یکی از روش های نسبتاً نوین شکل دهی فلزات است که به مرور به یکی از روش های مهم شکل دهی و به ویژه شکل دهی لوله در صنعت تبدیل شده است. علت این امر مزایای گسترده این فرآیند در افزایش قابلیت های مطلوب قطعه از جمله افزایش استحکام، کاهش وزن، کاهش عملیات های ثانویه بر روی قطعه و دستیابی به تلورانس های ابعادی دقیقتر می باشد. با گسترش استفاده از المان محدود و توسعه مفاهیم مربوطه، استفاده از نرم افزارهای آنالیز المان محدود، به علت پیچیدگی ذاتی فرآیندهای هیدروفرمینگ به عنوان یک ضرورت مطرح گردیده است و روز به روز بر تعداد مقالات مرتبط افزوده می شود. لذا در تحقیق حاضرنیز از نرم افزار " ABAQUS 6.6-1\Explicit " جهت شبیه سازی فرآیند هیدروفرمینگ یک قطعه Y-شکل ضمن در نظر گرفتن اثر پانچ معکوس استفاده و نشان داده می شود که به کار بردن پانچ معکوس می تواند تا حد زیادی در پیشگیری از واماندگی ها موثر باشد. همچنین نتایج حاصل از شبیه سازی با نتایج تجربی مقایسه شده است. در ادامه نیز به بررسی اثر پارامترهای مختلف بر روی قابلیت شکل پذیری قطعه فوق الذکر پرداخته شده و نهایتا با استفاده از شبکه های عصبی(Neural network) فرآیند فوق الذکر مدل گردیده و از نتایج آن جهت بهینه سازی ارتفاع برآمدگی(protrusion) به کمک الگوریتم ژنتیک (genetic algorithm) استفاده شده است.

ارتقاء امنیت وب با وف بومی