Abaqus 研究压接成型

2小时前浏览5

今天的文章我们将深入研究基于Abaqus的压接成型仿真。压接成型对于汽车制造中至关重要，可确保通过众多压接接头实现电气连续性。该过程涉及将多股线束机械连接至终端。在本文中，我们将探索压接成型的详细模拟，重点关注影响该过程的几何和材料因素。

我们将重点关注用于对线束和端子夹具之间的相互作用进行建模的动态仿真，涵盖库仑摩擦和边缘到边缘接触等关键方面。通过各种图形，我们将说明压接组件的变形，展示夹臂如何折叠以及电线如何扭曲以形成牢固的接头。

压接成型 Abaqus 几何结构和模型

现代汽车包括数千个压接接头，其中多股线束通过机械方式连接到终端，以确保电气连续性。压接过程中端子折叠在线束上的部分称为夹具。设计有效的压接接头需要平衡多种因素，例如线束的直径和数量、夹具的厚度、长度和材料，以及压接工具的几何形状和表面光洁度。压接形成的一个关键方面是压接期间线束的平面外挤压和夹紧。

在此示例中，夹具的厚度为 0.25 毫米，方便夹具臂卷绕线束。最初，夹臂尖端间隔 3.28 毫米（翼尖宽度）。所使用的线束由 19 股线组成，每股直径为 0.28 毫米。下图显示了压接成型前的模型几何形状。

下图提供了线夹组件的特写视图。

可变形线和夹具使用 C3D8R 元素表示，而冲头和砧座则使用 R3D4 元素建模为刚性零件。握把由半硬铜合金制成，建模为 von Mises 弹性应变硬化塑料材料，杨氏模量为 112 GPa，泊松比为 0.34，屈服应力为 391 MPa。这些导线由铜制成，模拟为应变硬化塑料材料，杨氏模量为 117 GPa，泊松比为 0.35，屈服应力为 241.5 MPa。

压接成形分析定义

由于使用 Abaqus/Standard 进行静态分析会面临以下挑战，因此采用显式动态模拟：

– 该模型缺乏静态稳定性，因为手柄和电线可以作为刚体自由移动。

– 压接过程中，当夹臂被冲头向下弯曲到线束中时，夹臂会弯曲。

– 分析涉及复杂的多体接触：夹臂和十九根电线之间、每对电线之间以及两个夹臂之间。

为了完成压接成型，刚性冲头需要向下移动6.88毫米。冲头以不同的速度移动，以有效地进行分析，同时最大限度地减少惯性效应的影响。最初，冲头以 50 毫米/秒的平均速度移动以与夹臂接触。然后加速至 300 毫米/秒，直到夹臂尖端到达冲头顶部。最后，当夹臂弯曲并折叠到线束中时，速度降低至约 20 毫米/秒。整个分析大约需要 0.12 秒。

Abaqus/Explicit 中的通用接触算法用于此分析。一般接触包含选项自动定义全包含曲面，用作管理模型中接触的最简单方法。该表面包括模型中的所有实体，确保所有组件之间的自接触相互作用。使用接触对算法对于该模型来说是不切实际的，因为它无法处理跨越多个物体的表面。对于 22 个接触部件，需要为所有可能的两个表面组合定义 231 个接触对，再加上用于夹紧自接触的附加接触对。

如果指定了截止特征角，则可以通过通用接触算法将模型的几何特征边视为边到边接触。该角度是连接到边的两个面的法线之间形成的角度。此分析中的大多数交互可以通过节点到面的接触来检测，而不依赖于边到边的接触。然而，当夹持臂从冲头伸出并接触其边缘时，需要边缘到边缘的接触来准确地强制接触。对于此分析，使用 20° 的特征角标准，这意味着特征角大于 20° 的所有边都包含在一般接触域中。

库仑摩擦力假定为单根线之间、夹具和砧座之间、冲头和夹具之间以及两个夹具臂之间。一般接触属性分配用于为这些不同的配对分配适当的摩擦系数。

在分析过程中，砧座保持静止。线束的一端受到完全约束，而另一端则没有边界条件。

压接成型 Abaqus 模拟结果

下图显示了压接组件在压接过程中 39 毫秒时的变形形状，此时夹臂已到达冲头顶部。

下图显示了 76 毫秒时的装配情况，此时夹臂围绕冲头顶部弯曲并开始折叠到线束中，在此期间夹臂弯曲。

下图显示了夹具和夹具中点线束的横截面图，描绘了 107 毫秒后的线材变形，其中冲头向下移动了 6.605 毫米。

下图显示了模型的最终变形形状，为清楚起见，删除了刚性冲头。在此图中，夹臂已完全折叠到线束中，完成冲头的向下冲程并显示出线束的平面外挤压。

下图显示了没有周围夹具的线束的最终形状，这种变形对于压接接头的正确形成至关重要。裸铜线上涂有一层薄薄的脆性氧化铜，这是当铜暴露在空气中时形成的。压接成型过程的目的是通过在每根电线中产生显着的表面应变来破坏该氧化层并将铜暴露于夹持表面。

来源：ABAQUS仿真世界

CAE利用人工智能和机器学习加速包装设计

为什么包装行业需要仿真？几乎所有到达您家门口或当地超市货架上的产品都因其包装而在旅途中保持新鲜、干净且完好无损。从盐到智能手机，消费品的包装必须经过精心设计，以确保它不会在生产线中造成问题，并且足够坚固和防水，能够承受运输压力，同时又要轻便，对购买者有吸引力。可持续发展目标增加了额外的挑战，因为必须减少材料的使用，并增加回收、可回收或可生物降解材料的比例。使用SIMULIAAbaqus技术进行有限元分析(FEA)仿真可帮助设计人员和包装经理了解包装在现实场景中的性能，而无需构建物理原型。它还支持实验设计(DoE)和优化研究，可以探索整个设计空间，以找到不同因素之间的最佳权衡。从设计周期一开始就使用仿真是最有用的。统一建模和仿真(MODSIM)允许在初始概念阶段使用仿真，直接根据设计数据构建仿真模型。这不仅加快了开发进程，还意味着可以更早地发现潜在问题并找出并解决根本原因。人工智能和机器学习如何帮助包装模拟？支持AI的MODSIM是MODSIM的下一步，利用机器学习的力量使仿真速度更快，从而对设计人员更有用。通过经典的有限元分析，对于每个设计变体，都必须从头开始再次模拟物理过程。人工智能机器学习可以立即为任何设计变体提供结果并加速流程。只需要执行一些覆盖包装设计空间代表性区域的模拟。然后将它们用于训练神经网络，该网络学习几何形状与其物理属性的关系。时间瞬态和稳态标量物理响应以及3D全场预测都可以建模，从而为产品设计提供信息丰富且更加高效的环境。生成的替代模型根据进一步的模拟进行验证，如果达到可接受的精度水平，则可以使用它来计算任何设计变体的包装行为。使用机器学习，设计人员可以在几秒钟内找到最佳权衡，并通过实时反馈了解设计变更的影响。探索更多的设计空间可以显着缩短封装开发过程，同时实现雄心勃勃的成本、重量和可持续性目标。借助支持AI的MODSIM，模拟和机器学习工具也可以在易于使用的界面中使用，为非专家用户提供这些工具。人工智能并没有取代人类的工作，而是与设计师一起工作，提供有关设计的即时反馈。结论人工智能和机器学习正在帮助CPG行业应对现代包装设计的挑战。机器学习加速了模拟和设计探索过程，帮助设计人员减轻重量和成本，并提高强度和可持续性。达索系统的人工智能解决方案集成到其既定的消费品行业工作流程中，将机器学习技术与一流的物理模拟技术相结合。*文章来源于达索官网来源：ABAQUS仿真世界