# JSC980Y高强钢汽车件成形：FEA与深度网络工艺优化（JMMP 2025）

来源: J. Manuf. Mater. Process. 2025, 9(6), 197
DOI: https://doi.org/10.3390/jmmp9060197
PDF: https://mdpi-res.com/d_attachment/jmmp/jmmp-09-00197/article_deploy/jmmp-09-00197.pdf
许可: CC BY 4.0

## 要点
- **对象**: JSC980Y 级超高强钢汽车结构件冷冲压（如 B柱加强类零件），回弹与开裂风险并存。
- **仿真**: 使用商业冲压软件（如 PAM-STAMP）比较不同屈服/硬化模型（含 Barlat、Yoshida–Uemori 等）对预测的影响。
- **优化变量**: 压边力、模具间隙、坯料宽度等；用深度神经网络加速在仿真样本上的全局寻优，缩短试模。
- **工程输出**: 成形安全裕度、回弹矢量、模具载荷，用于压力机选型与模面补偿。
- **注意**: 代理模型必须用独立试模点验证，防止过拟合；材料卡版本变更要重跑。

## 关键词
FEA, PAM-STAMP, JSC980Y, DNN优化, 压边力, 回弹控制, 超高强钢

## 扩展工程摘要
超高强钢成形仿真已从“看会不会裂”升级到“精准控回弹+数据驱动寻优”。材料模型选择、压边力与间隙等边界条件、代理模型验证，三者缺一不可。DNN 可加速参数搜索，但离开物理仿真与试模锚定会过拟合。工程门禁建议：开模前材料卡评审、仿真安全裕度评审、代理模型外样验证。输出模具载荷用于压机选型，避免现场吨位不足。

## English notes
Optimizes process parameters for an AHSS JSC980Y automotive part using FE simulation and deep neural networks.
