爱信Cast-Designer大型模具涨型跑料问题数值模拟分析

爱信公司利用Cast-Designer进行大型模具涨型及跑料问题的数值模拟分析,揭示了压铸过程中模具间隙和受力状况,探讨了这一非传统且前沿的分析技术在解决铸件质量和模具稳定性问题上的作用。
摘要由CSDN通过智能技术生成

爱信,2020年全球汽车零部件企业百强排名第六。日本模具从开发初期,专业的前期方案设计与模拟评估就已经成为了标准的开发流程,同时也配套了完整而高标准的作业管理和精益控制。

压铸批量生产过程中跑料是导致铸件质量不稳定最严重的问题之一。同时,飞料对模具的影响也比较大,铝液粘在模芯上很难清除,而且,经常出现飞料的位置,模具表面也会产生凹陷。

目前几乎所有的铸造模拟软件,主要分析型腔内发生的故事,例如充型过程、凝固过程,所关注的对象是铸件和工艺本身。最多就是分析一下循环模具温度,和冷却水的影响。而针对模具在压铸过程中的受力情况,模具的接触,和涨型量进行专门的分析,由于技术原因,几乎无法实现。(弹塑性模型,模具材料数学模型,接触算法,机械应力场等)

在去年,爱信导入Cast-Designer,并对于模具的一系列问题进行了系统的研究,在之前的C家精讲中,也有分享过。

下图为压铸过程中,整体模具涨型产生的模具间隙:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值