横沥东莞UG五金冲压模具设计、UG模具设计实体分模

2024-04-22 21:18

本文主要是介绍横沥东莞UG五金冲压模具设计、UG模具设计实体分模,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

横沥东莞UG五金冲压模具设计、UG模具设计实体分模

模具问题

① 模具表面粗糙和接触不良。

在研磨凹模面提高表面光洁度的同时,还要达到不形成集中载荷的配合状态。

② 模具的平行度、垂直度误差。

进行深拉深时,由于模具的高度增加,所以凸模或凹模的垂直度、平行度就差,当接近下死点时,由于配合和间隙方面的变化,就成为破裂的原因。因此,模具制作完毕之后,必须检查其平行度和垂直度。

削弱方筒拉深时角部的拉深筋的作用。

消除方法

① 拉深筋的形状和位置不对。

使用拉深筋虽然可以防止凸缘产生折皱,但其副作用是阻碍了材料的流入,因此,如果产生破裂的原因是材料流入阻力太大,那末,为了材料容易流入,就需要与毛坯形状一起综合分析拉深筋的位置和形状。

② 加工不良。

如果模面加工不良,往往不能提高压边力。因此,需要用砂轮磨光

4.材料

① 拉伸强度不够。

② 晶粒过大,容易产生壁部裂纹,故应减小材料之晶粒。

③ 变形极限不足,因此要换成r值大的材料。

④ 增加板材厚度,进行试拉深。侧壁纵向裂纹如果加工初期受到压缩变形,加工后期受到拉伸变形,可能产生纵裂纹。

消除方法

如果超过变形极限,就需要换成更高级的材料,另外,还要增加板材厚度。

2凸模肩部相应部位裂纹

由于材料的强度不够,当拉深载荷达到材料破断载荷时就会发生此缺陷。缺陷部位产生于凸模肩R相应的部位(rp处),即比冲撞痕线更接近rp的部分。破裂部分的冲撞痕线,因与其他部位不同,可以对下面几种情况进行观察检查:或者被延展;或者在凸缘的上下面有发亮的部分;或者产生褶皱。

原因及消除方法

制品形状

① 拉深深度过大。

目前,圆筒、方筒深拉深的极限是在设计阶段确定的。从而,在极限附近进行拉深时,要用表面光洁、平整的材料,综合模具配合和研磨,加工润滑油,缓冲压力,压力机精度等现场条件,进行试验拉深。

② 凸模半径(rp)过小。

a 将rp修正到适当值。

b 图纸上的rp过小时,首先按适当值进行拉深,然后再增加一道工序,成形所需尺寸。

③ 凹模尺寸(rd)过小。

a 将rd修正到适当值。

b 图纸上的rd过小时,首先用适当rd值进行拉深,然后再增加一道工序,成形到所需尺寸。

这篇关于横沥东莞UG五金冲压模具设计、UG模具设计实体分模的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/926889

相关文章

BERN2(生物医学领域)命名实体识别与命名规范化工具

BERN2: an advanced neural biomedical named entity recognition and normalization tool 《Bioinformatics》2022 1 摘要 NER和NEN:在生物医学自然语言处理中,NER和NEN是关键任务,它们使得从生物医学文献中自动提取实体(如疾病和药物)成为可能。 BERN2:BERN2是一个工具,

SpringDataJPA系列(7)Jackson注解在实体中应用

SpringDataJPA系列(7)Jackson注解在实体中应用 常用的Jackson注解 Springboot中默认集成的是Jackson,我们可以在jackson依赖包下看到Jackson有多个注解 一般常用的有下面这些: 一个实体的示例 测试方法如下: 按照上述图片中的序号做个简单的说明: 1处:指定序列化时候的顺序,先createDate然后是email

UG二次开发CreateDialog函数在UI.hxx文件和WinUser.h中的冲突

文章出自https://blog.csdn.net/qq_41843732/article/details/91422764 在UG二次开发中,若使用MFC库,一旦加上#include<Afx.h>头文件,下面这句话就报错 theDialog = GetPoints::theUI->CreateDialog(theDlxFileName); 解决CreateDialog函数在UI.hx

实体关系抽取——ACE2005数据介绍

ACE2005数据介绍 overallEnglish partrelation chinese partarabic part overall ACE2005数据集包括英语,阿拉伯语和中文三部分数据,可以用来做实体,关系,事件抽取等。 English part English部分包括了broadcast news(广播新闻)(bn), broadcast conversa

实体关系抽取——CRF++

CRF++是CRF算法的一个实现。 它最重要的功能我认为是采用了特征模板。这样就可以自动生成一系列的特征函数,而不用我们自己生成特征函数,我们要做的就是寻找特征,比如词性等。 crf 首先需要一些预备知识,如对crf中转移特征和位置特征的理解。 首先需要知道我们的观测序列x即输入的句子是完全已知的,可以得到任意位置的观测值,特征也是从观测序列中得出。所以在李航的统计学习方法中,特征函数的形式是

gt9xx系列------实现实体按键的unpin解锁

由于gt的虚拟按键的上报不是上报坐标而是类似电源按键的实体按键所以需要修改之前的unpin步骤 if ((( rawEvent->code==139)&&(rawEvent->value==1))||((rawEvent->code==158)&&(rawEvent->value==1)))  //有按键按下 { if( unpinkey[0]==0)     //第一次数组0肯定为空

cesium两种方式鼠标移入移出实体显示提示框

cesium两种方式鼠标移入移出实体显示提示框 第一种方式 采用cesium的label作为提示框 var labelEntity = viewer.entities.add({label : {show : false,showBackground : true,font : '14px monospace',horizontalOrigin : Cesium.HorizontalOrig

NLP-信息抽取:关系抽取【即:三元组抽取,主要用于抽取实体间的关系】【基于命名实体识别、分词、词性标注、依存句法分析、语义角色标注】【自定义模板/规则、监督学习(分类器)、半监督学习、无监督学习】

信息抽取主要包括三个子任务: 实体抽取与链指:也就是命名实体识别关系抽取:通常我们说的三元组(triple)抽取,主要用于抽取实体间的关系事件抽取:相当于一种多元关系的抽取 一、关系抽取概述 关系抽取通常在实体抽取与实体链指之后。在识别出句子中的关键实体后,还需要抽取两个实体或多个实体之间的语义关系。语义关系通常用于连接两个实体,并与实体一起表达文本的主要含义。常见的关系抽取结果

NLP-信息抽取-NER-2015-BiLSTM+CRF(一):命名实体识别【预测每个词的标签】【评价指标:精确率=识别出正确的实体数/识别出的实体数、召回率=识别出正确的实体数/样本真实实体数】

一、命名实体识别介绍 命名实体识别(Named Entity Recognition,NER)就是从一段自然语言文本中找出相关实体,并标注出其位置以及类型。是信息提取, 问答系统, 句法分析, 机器翻译等应用领域的重要基础工具, 在自然语言处理技术走向实用化的过程中占有重要地位. 包含行业, 领域专有名词, 如人名, 地名, 公司名, 机构名, 日期, 时间, 疾病名, 症状名, 手术名称, 软

自然语言处理-应用场景-问答系统(知识图谱)【离线:命名实体识别(BiLSTM+CRF>维特比算法预测)、命名实体审核(BERT+RNN);在线:句子相关性判断(BERT+DNN)】【Flask部署】

一、背景介绍 什么是智能对话系统? 随着人工智能技术的发展, 聊天机器人, 语音助手等应用在生活中随处可见, 比如百度的小度, 阿里的小蜜, 微软的小冰等等. 其目的在于通过人工智能技术让机器像人类一样能够进行智能回复, 解决现实中的各种问题. 从处理问题的角度来区分, 智能对话系统可分为: 任务导向型: 完成具有明确指向性的任务, 比如预定酒店咨询, 在线问诊等等.非任务导向型: