【摘要】：
汽车底盘支架是汽车底盘总成中的一类重要零件,企业不仅对该零部件表面质量有较高的要求,而且还需满足较高的强度要求。汽车底盘支架铸件质量的控制作为企业生产难关一直无法完美突破,而控制产品质量的关键是模具浇注及排溢系统的设计和压铸参数的设置。本课题针对苏州某公司所生产的某型汽车底盘支架铸件合格率较低的情况,通过专业数值模拟软件、正交试验方法及BP神经网络预测相结合的方式为提高产品合格率提供数据支撑。通过对压铸初始方案进行充型及凝固过程的数值模拟分析知,由于底盘支架厚度不均,结构复杂,在充型过程中出现卷气、裹气现象。凝固过程中由于温度分布不均出现孤立液相区,孤立液相区无法得到后续金属溶液补缩,待铸件完全凝固时孤立液区处出现缩松缩孔现象。根据汽车支架铸件初始方案的模拟结果及缺陷充分剖析,通过增设内浇口数量改善孤立液相区补缩情况,变更溢流槽结构防止裹气出现。根据初始模拟结果,选取浇注温度,模具初始温度,快压射速度,慢压射速度四个工艺参数作为影响铸件质量的研究对象。根据压铸工艺参数的取值范围,设计L_(16)(4~5)正交试验,并将铸件孔隙率作为试验目标对各组试验进行分析比较,得出最优工艺方案:浇注温度680℃,模具初始温度220℃,慢压射速度0.2m/s,快压射速度5.0m/s。并根据正交表得出所选工艺参数对铸件质量的影响规律情况为:浇注温度>模具初始温度>快压射速度>慢压射速度。考虑到正交试验的局限性,在得到正交试验结果后引入BP神经网络,以正交试验结果为训练样本。预测底盘支架铸件的最优工艺方案:浇注温度680℃,模具初始温度220℃,慢压射速度0.4m/s,快压射速度5.5m/s。最后根据BP神经网络工具箱预测出的最优工艺方案进行底盘支架铸件的验证试生产,并对样件进行X-Ray探伤、金相组织观察及硬度测试试验。得出铸件缺陷明显减少,铸件质量满足使用要求,验证了工艺方案的优越性。本课题研究表明:利用数值模拟技术对铸件进行缺陷预测可以降低试模次数,节约实际生产成本。正交试验与BP神经网络相结合并针对汽车底盘支架的铸造过程进行优化,最大限度的利用数值模拟的数据结果,有效的提高了优化设计的效率及准确度。为底盘支架铸件提供了快速有效的技术及理论支撑。此外,将神经网络应用于压铸生产过程可以为广泛的同类压铸件生产实践所借鉴,因此本课题具有一定的创新性和应用价值。
