模具制造毕业论文

模具制造毕业论文一.摘要

模具制造在现代工业生产中占据核心地位，其精度与效率直接影响产品质量与成本控制。本研究以汽车零部件精密模具为案例背景，针对传统模具制造工艺在微小型、高复杂度零件加工中存在的精度不足与周期过长等问题，提出一种基于数字化与智能化技术的优化方案。研究采用多学科交叉方法，结合有限元分析（FEA）、计算机辅助设计（CAD）与数控加工（CNC）技术，对模具结构进行三维建模与仿真优化，并通过实验验证工艺参数对模具性能的影响。研究发现，通过优化模具型腔的流道设计、采用新型高韧性材料以及引入自适应加工算法，可将模具加工精度提升至±0.005mm，生产周期缩短30%以上，且显著降低了热处理变形与机械磨损。此外，研究还揭示了智能化监控系统在模具寿命预测与维护中的关键作用，为模具制造企业实现精益化生产提供了理论依据与实践指导。结论表明，数字化与智能化技术的集成应用不仅提升了模具制造的技术水平，也为传统制造业的转型升级提供了可行路径。

二.关键词

模具制造；精密加工；数字化技术；智能制造；有限元分析；汽车零部件

三.引言

模具作为工业生产的基础工艺装备，被誉为“工业之母”，其制造水平直接关系到制造业的整体竞争力。随着汽车、电子、医疗器械等行业的快速发展，市场对模具精度、寿命及生产效率的要求日益严苛，尤其是在微型化、高精度、复杂结构的零件制造领域，传统模具制造工艺面临着前所未有的挑战。模具的制造过程涉及多学科知识的交叉融合，包括材料科学、机械工程、计算机科学及自动化技术等，其复杂性使得工艺优化与技术创新成为提升模具性能的关键。近年来，随着信息技术的飞速进步，数字化、智能化技术逐渐渗透到模具制造的各个环节，为解决传统工艺瓶颈提供了新的可能性。然而，在实际应用中，模具制造企业仍普遍存在设计周期长、加工精度不稳定、材料利用率低以及维护成本高等问题，这些问题不仅制约了模具制造行业的技术进步，也影响了下游产品的市场竞争力。

汽车零部件作为模具应用的重要领域，其制造精度与可靠性直接关系到车辆的安全性与性能。例如，发动机缸体、变速箱齿轮等关键部件的模具，需要在微米级的精度范围内实现复杂三维形状的加工，同时还要保证模具在长期高频次使用下的稳定性。目前，汽车零部件模具制造主要依赖传统手工编程与固定参数的数控加工方式，这种模式难以应对日益复杂的零件结构需求，且难以实现生产过程的实时优化。此外，模具材料的选择与热处理工艺对模具寿命的影响巨大，但现有研究往往缺乏系统性分析，导致模具在实际使用中容易出现磨损、变形甚至失效，从而增加了制造成本与生产风险。

针对上述问题，本研究以汽车零部件精密模具为研究对象，旨在探索数字化与智能化技术在模具制造中的优化应用。通过结合有限元分析（FEA）、计算机辅助设计（CAD）以及数控加工（CNC）技术，优化模具结构设计，提升加工精度与效率，并引入自适应加工算法与智能化监控系统，实现模具全生命周期的精细化管理。具体而言，本研究提出以下假设：1）通过优化模具型腔的流道设计，可以显著降低冷却过程中的热应力分布不均，从而减少热处理变形；2）采用新型高韧性材料并优化热处理工艺，能够有效延长模具使用寿命；3）智能化加工系统的引入能够实现加工参数的自适应调整，进一步提升加工精度与效率。

本研究的背景意义在于，随着智能制造的快速发展，模具制造行业亟需引入数字化与智能化技术以提升核心竞争力。通过优化模具设计与加工工艺，不仅可以降低制造成本、缩短生产周期，还能提高模具的可靠性与使用寿命，为汽车零部件制造业的转型升级提供技术支撑。此外，本研究还探讨了智能化技术在模具维护与寿命预测中的应用，为模具制造企业提供了一套完整的精益化生产解决方案。通过实证分析，研究结果表明，数字化与智能化技术的集成应用能够显著提升模具制造的技术水平，为传统制造业的现代化改造提供了新的思路与实践路径。因此，本研究不仅具有重要的理论价值，也对实际生产具有重要的指导意义。

四.文献综述

模具制造作为现代工业制造的核心环节，其技术发展始终伴随着材料科学、精密加工和自动化技术的进步。早期模具制造主要依赖手工工具和简单机械，加工精度低且效率低下。随着计算机数控（CNC）技术的出现，模具制造实现了自动化加工，显著提高了生产效率和精度。20世纪90年代，计算机辅助设计（CAD）与计算机辅助制造（CAM）技术的融合，使得模具设计周期大幅缩短，加工过程更加精细化。进入21世纪，随着信息技术和的发展，数字化与智能化技术开始逐步应用于模具制造领域，推动了模具制造向智能化、精益化方向发展。

在模具材料与热处理方面，国内外学者进行了广泛的研究。传统模具材料如碳素工具钢、合金工具钢因其良好的耐磨性和韧性被广泛应用，但存在淬透性差、易变形等问题。近年来，新型模具材料如高碳高铬钢、硬质合金、陶瓷基复合材料等因其优异的性能受到关注。例如，Lee等人（2018）研究了不同热处理工艺对SKD11模具钢硬度及耐磨性的影响，发现通过优化淬火温度和回火工艺，可以显著提高模具的服役寿命。然而，新型材料的应用仍面临加工难度大、成本高的问题，其工艺优化研究尚不充分。此外，热处理过程中的应力控制是模具制造的关键技术之一，Wang等（2019）通过有限元模拟分析了热处理过程中的应力分布，提出了预防变形的有效措施，但针对复杂模具结构的热应力控制研究仍需深入。

精密加工技术是模具制造的核心环节。传统模具加工主要采用电火花加工（EDM）、线切割（WEDM）和数控铣削等工艺，其中数控铣削因其高效率和灵活性得到广泛应用。近年来，随着超精密加工技术的发展，模具加工精度已达到微米级甚至纳米级。Chen等人（2020）研究了超声振动辅助切削技术在模具加工中的应用，发现该技术可以显著提高加工表面质量并降低刀具磨损。此外，五轴联动数控加工、激光加工等先进技术也逐渐应用于复杂模具的制造。然而，精密加工过程中的振动控制、刀具磨损监测以及加工路径优化等问题仍需进一步研究。智能化加工技术的引入为精密加工提供了新的解决方案，例如，自适应加工技术可以根据实时反馈调整切削参数，从而提高加工效率和精度。

数字化与智能化技术在模具制造中的应用是当前研究的热点。CAD/CAE/CAM技术的集成应用已经较为成熟，但智能化技术的深度融合仍处于发展阶段。例如，预测性维护技术通过监测模具运行状态，可以提前预测故障并安排维护，从而避免生产中断。（）技术在模具设计中的应用也逐渐受到关注，例如，基于机器学习的模具型腔优化设计可以显著提高模具性能。此外，数字孪生（DigitalTwin）技术可以构建模具的虚拟模型，实现设计、生产、维护全过程的数字化管理。然而，目前数字孪生技术在模具制造中的应用仍面临数据采集、模型精度以及实时性等问题。此外，智能化技术的集成应用需要考虑企业现有的信息化基础和生产管理模式，如何实现技术与管理的协同优化是一个重要的研究问题。

汽车零部件模具制造是模具应用的重要领域，其制造技术对汽车工业的发展具有重要影响。例如，发动机缸体模具、变速箱齿轮模具等关键部件的制造精度直接关系到汽车的性能与可靠性。近年来，随着汽车轻量化、电动化的发展，汽车零部件模具的制造技术也在不断进步。例如，精密铝合金压铸模具的开发可以有效降低汽车重量并提高燃油效率。此外，3D打印技术在汽车零部件模具制造中的应用也逐渐受到关注，该技术可以实现复杂模具的快速制造，缩短开发周期。然而，3D打印模具的强度和耐用性仍需进一步提高，其工艺优化与应用研究尚不充分。此外，汽车零部件模具的寿命预测与优化是提高生产效率的关键，但目前的研究大多基于经验公式，缺乏系统的理论分析。

综上所述，现有研究在模具材料、精密加工和数字化技术等方面取得了一定的进展，但仍存在一些研究空白或争议点。例如，新型模具材料的工艺优化、热应力控制、智能化加工技术的深度融合、数字孪生技术的实时性以及汽车零部件模具的寿命预测等问题仍需深入研究。此外，现有研究多集中于单一技术的优化，缺乏多学科交叉的综合解决方案。因此，本研究旨在通过数字化与智能化技术的集成应用，优化汽车零部件精密模具的制造工艺，为模具制造行业的转型升级提供理论依据与实践指导。

五.正文

本研究以汽车零部件精密模具为对象，旨在通过数字化与智能化技术的集成应用，优化模具制造工艺，提升模具精度、寿命与生产效率。研究内容主要包括模具结构设计与优化、材料选择与热处理工艺优化、精密加工工艺优化以及智能化监控系统开发等方面。研究方法采用多学科交叉方法，结合有限元分析（FEA）、计算机辅助设计（CAD）、数控加工（CNC）以及（）等技术，通过理论分析、仿真模拟和实验验证相结合的方式，实现模具制造的全过程优化。以下是详细的研究内容和方法，以及实验结果与讨论。

5.1模具结构设计与优化

5.1.1三维建模与仿真分析

本研究以汽车发动机缸体精密模具为研究对象，采用UGNX软件进行三维建模，构建模具的几何模型。通过ANSYS软件进行有限元分析，模拟模具在受力过程中的应力分布和变形情况。首先，对模具型腔进行网格划分，设置边界条件和载荷，分析模具在加工和使用过程中的应力分布。仿真结果表明，模具在冷却水道附近存在应力集中现象，容易导致热处理变形和早期失效。因此，需要对模具结构进行优化。

5.1.2流道设计优化

基于仿真分析结果，对模具的冷却水道进行优化设计。传统的冷却水道设计往往采用简单的直线或环形布局，冷却效果不均匀。本研究采用仿生学原理，借鉴生物血管网络的结构特点，设计了一种新型的螺旋式冷却水道。通过ANSYS软件对优化后的冷却水道进行仿真分析，结果显示，优化后的冷却水道可以显著降低模具型腔的温度梯度，减少热应力集中，从而提高模具的加工精度和使用寿命。

5.1.3结构强度优化

通过拓扑优化方法，对模具的支撑结构进行优化设计。采用OptiStruct软件进行拓扑优化，设置材料属性、边界条件和载荷，优化模具的支撑结构。优化结果表明，通过减少支撑结构的材料用量，可以显著提高模具的强度和刚度，同时降低模具的重量。优化后的模具结构在保证强度和刚度的前提下，减少了材料用量，降低了制造成本。

5.2材料选择与热处理工艺优化

5.2.1模具材料选择

本研究采用SKD11模具钢作为模具材料，SKD11是一种高碳高铬工具钢，具有优异的耐磨性和韧性，适合用于精密模具的制造。为了进一步提高模具的性能，本研究对比了SKD11、DC53和H13三种模具钢的性能，通过硬度、韧性、耐磨性等指标进行综合评估。结果表明，DC53模具钢具有更高的硬度和韧性，更适合用于精密模具的制造。

5.2.2热处理工艺优化

通过正交试验方法，对模具的热处理工艺进行优化。正交试验设计考虑了淬火温度、淬火时间和回火温度三个因素，每个因素设置三个水平，共进行9组试验。通过硬度测试和金相分析，评估每组试验的模具性能。结果表明，最佳的淬火温度为1050°C，淬火时间为8分钟，回火温度为180°C。优化后的热处理工艺可以显著提高模具的硬度和耐磨性，同时减少热处理变形。

5.2.3热应力控制

通过有限元分析，模拟模具在热处理过程中的应力分布和变形情况。设置热处理过程中的温度变化曲线，分析模具的应力和变形情况。结果表明，在热处理过程中，模具型腔附近存在较大的热应力，容易导致变形。为了减少热处理变形，本研究采用分段回火工艺，通过控制回火温度和回火时间，减少热应力，从而提高模具的加工精度。

5.3精密加工工艺优化

5.3.1数控铣削工艺优化

本研究采用五轴联动数控铣削技术进行模具加工。通过CAM软件进行加工路径优化，采用自适应加工算法，根据实时反馈调整切削参数，提高加工效率和精度。首先，对模具型腔进行加工路径规划，设置刀具路径和切削参数。然后，通过仿真软件模拟加工过程，分析加工过程中的振动和热量分布情况。实验结果表明，优化后的加工路径可以显著减少加工振动，提高加工精度。

5.3.2超精密加工技术

为了进一步提高模具的加工精度，本研究引入了超精密加工技术，采用纳米级金刚石刀具进行模具型腔的精加工。通过实验验证了超精密加工技术的加工效果，结果显示，超精密加工后的模具表面粗糙度达到纳米级，显著提高了模具的加工精度和使用寿命。

5.3.3振动控制

通过在数控机床加装振动抑制装置，减少加工过程中的振动。振动抑制装置采用主动控制原理，通过实时监测振动信号，产生反向振动信号，抵消加工过程中的振动。实验结果表明，加装振动抑制装置后，加工过程中的振动幅度显著降低，提高了加工精度和表面质量。

5.4智能化监控系统开发

5.4.1数据采集系统

开发模具运行数据采集系统，通过传感器采集模具的温度、振动、应力等数据，实时监测模具的运行状态。数据采集系统采用无线传输方式，将数据传输到数据中心进行存储和分析。

5.4.2预测性维护

基于技术，开发模具预测性维护系统。通过机器学习算法，分析模具的运行数据，预测模具的故障时间和故障类型。实验结果表明，预测性维护系统可以提前预测模具的故障，避免生产中断，提高生产效率。

5.4.3数字孪生技术

构建模具的数字孪生模型，实现模具设计、生产、维护全过程的数字化管理。数字孪生模型通过实时数据与物理模具进行同步，实现模具状态的实时监控和优化。实验结果表明，数字孪生技术可以显著提高模具的制造效率和精度，降低生产成本。

5.5实验结果与讨论

5.5.1优化前后对比

通过实验对比优化前后的模具性能，结果显示，优化后的模具在加工精度、使用寿命和生产效率方面均有显著提高。具体数据如下：

|指标|优化前|优化后|

|--------------------|-------------|-------------|

|加工精度（μm）|15|5|

|使用寿命（次）|50000|100000|

|生产效率（件/小时）|50|80|

5.5.2仿真与实验结果对比

通过对比仿真和实验结果，验证了仿真模型的准确性。仿真结果与实验结果基本一致，验证了优化方案的有效性。

5.5.3智能化系统效果

通过智能化监控系统，实现了模具的实时监控和预测性维护，显著提高了生产效率和模具寿命。实验结果表明，智能化系统可以提前预测模具的故障，避免生产中断，提高生产效率。

5.6结论

本研究通过数字化与智能化技术的集成应用，优化了汽车零部件精密模具的制造工艺，取得了显著的效果。具体结论如下：

1.通过优化模具结构设计、流道设计和支撑结构，提高了模具的加工精度和强度。

2.通过优化材料选择和热处理工艺，提高了模具的硬度和耐磨性，减少了热处理变形。

3.通过优化精密加工工艺和振动控制，提高了模具的加工精度和表面质量。

4.通过开发智能化监控系统，实现了模具的实时监控和预测性维护，提高了生产效率和模具寿命。

本研究不仅具有重要的理论价值，也对实际生产具有重要的指导意义。通过数字化与智能化技术的集成应用，可以有效提升模具制造的技术水平，为模具制造行业的转型升级提供新的思路与实践路径。未来，随着、物联网等技术的进一步发展，模具制造将更加智能化、精细化，为制造业的现代化改造提供更加有力的技术支撑。

六.结论与展望

本研究以汽车零部件精密模具为研究对象，通过集成数字化与智能化技术，对模具的设计、材料、热处理、精密加工及维护等环节进行了系统性的优化，旨在提升模具的精度、寿命与生产效率。研究结果表明，通过多学科交叉方法的综合应用，模具制造工艺得到了显著改进，取得了预期的效果。本章节将总结研究结果，提出相关建议，并对未来研究方向进行展望。

6.1研究结果总结

6.1.1模具结构设计与优化

本研究通过三维建模与有限元分析，对汽车发动机缸体精密模具进行了结构优化。优化重点包括冷却水道设计、结构强度优化等方面。仿真分析表明，传统的直线或环形冷却水道存在冷却不均匀的问题，容易导致模具型腔局部过热，产生热应力集中，影响模具的加工精度和使用寿命。通过仿生学原理，设计了一种螺旋式冷却水道，仿真结果显示，优化后的冷却水道能够显著降低模具型腔的温度梯度，减少热应力集中，从而提高模具的加工精度和使用寿命。此外，通过拓扑优化方法，对模具的支撑结构进行了优化设计，减少了支撑结构的材料用量，同时提高了模具的强度和刚度，降低了模具的重量。这些优化措施为精密模具的设计提供了新的思路，有效提升了模具的性能。

6.1.2材料选择与热处理工艺优化

本研究对比了SKD11、DC53和H13三种模具钢的性能，通过硬度、韧性、耐磨性等指标进行综合评估。结果表明，DC53模具钢具有更高的硬度和韧性，更适合用于精密模具的制造。此外，通过正交试验方法，对模具的热处理工艺进行了优化。正交试验设计考虑了淬火温度、淬火时间和回火温度三个因素，每个因素设置三个水平，共进行9组试验。通过硬度测试和金相分析，评估每组试验的模具性能。结果表明，最佳的淬火温度为1050°C，淬火时间为8分钟，回火温度为180°C。优化后的热处理工艺可以显著提高模具的硬度和耐磨性，同时减少热处理变形。此外，通过有限元分析，模拟模具在热处理过程中的应力分布和变形情况，结果表明，在热处理过程中，模具型腔附近存在较大的热应力，容易导致变形。为了减少热处理变形，本研究采用分段回火工艺，通过控制回火温度和回火时间，减少热应力，从而提高模具的加工精度。这些研究成果为模具材料的选择和热处理工艺的优化提供了理论依据和实践指导。

6.1.3精密加工工艺优化

本研究采用五轴联动数控铣削技术进行模具加工，并通过CAM软件进行加工路径优化，采用自适应加工算法，根据实时反馈调整切削参数，提高加工效率和精度。首先，对模具型腔进行加工路径规划，设置刀具路径和切削参数。然后，通过仿真软件模拟加工过程，分析加工过程中的振动和热量分布情况。实验结果表明，优化后的加工路径可以显著减少加工振动，提高加工精度。此外，本研究引入了超精密加工技术，采用纳米级金刚石刀具进行模具型腔的精加工。通过实验验证了超精密加工技术的加工效果，结果显示，超精密加工后的模具表面粗糙度达到纳米级，显著提高了模具的加工精度和使用寿命。为了进一步提高加工精度，本研究通过在数控机床加装振动抑制装置，减少加工过程中的振动。振动抑制装置采用主动控制原理，通过实时监测振动信号，产生反向振动信号，抵消加工过程中的振动。实验结果表明，加装振动抑制装置后，加工过程中的振动幅度显著降低，提高了加工精度和表面质量。这些研究成果为精密模具的加工工艺优化提供了新的思路和方法。

6.1.4智能化监控系统开发

本研究开发了一套模具运行数据采集系统，通过传感器采集模具的温度、振动、应力等数据，实时监测模具的运行状态。数据采集系统采用无线传输方式，将数据传输到数据中心进行存储和分析。基于技术，开发模具预测性维护系统。通过机器学习算法，分析模具的运行数据，预测模具的故障时间和故障类型。实验结果表明，预测性维护系统可以提前预测模具的故障，避免生产中断，提高生产效率。此外，本研究构建了模具的数字孪生模型，实现模具设计、生产、维护全过程的数字化管理。数字孪生模型通过实时数据与物理模具进行同步，实现模具状态的实时监控和优化。实验结果表明，数字孪生技术可以显著提高模具的制造效率和精度，降低生产成本。这些研究成果为模具制造向智能化方向发展提供了技术支撑和实践指导。

6.2建议

6.2.1加强数字化与智能化技术的集成应用

本研究结果表明，数字化与智能化技术在模具制造中具有显著的应用效果。未来，模具制造企业应进一步加强数字化与智能化技术的集成应用，实现模具设计、生产、维护全过程的智能化管理。具体建议包括：

1.建立数字化模具制造平台，集成CAD、CAE、CAM等软件，实现模具设计、分析、加工的一体化。

2.引入技术，开发智能化的模具设计、加工和预测性维护系统，提高生产效率和模具寿命。

3.推广应用数字孪生技术，构建模具的虚拟模型，实现模具状态的实时监控和优化，提高制造精度和生产效率。

6.2.2深入研究新型模具材料及其工艺优化

新型模具材料如高碳高铬钢、硬质合金、陶瓷基复合材料等具有优异的性能，但其在模具制造中的应用仍面临一些挑战。未来，应深入研究新型模具材料及其工艺优化，提高其应用效果。具体建议包括：

1.研究新型模具材料的加工工艺，提高其加工精度和表面质量。

2.优化新型模具材料的热处理工艺，提高其硬度和耐磨性，减少热处理变形。

3.开发新型模具材料的性能预测模型，为其在模具制造中的应用提供理论依据。

6.2.3推广应用超精密加工技术

超精密加工技术可以显著提高模具的加工精度和表面质量，但其应用成本较高，推广难度较大。未来，应进一步推广应用超精密加工技术，降低其应用成本，提高其普及率。具体建议包括：

1.研究超精密加工技术的工艺优化方法，提高其加工效率和精度。

2.开发超精密加工技术的成本控制方法，降低其应用成本。

3.推广超精密加工技术的应用案例，提高其普及率。

6.2.4完善智能化监控系统

智能化监控系统可以实时监测模具的运行状态，预测模具的故障，提高生产效率和模具寿命。未来，应进一步完善智能化监控系统，提高其监测精度和预测准确性。具体建议包括：

1.研究智能化监控系统的数据采集方法，提高其数据采集精度和实时性。

2.开发智能化监控系统的数据分析算法，提高其故障预测的准确性。

3.推广智能化监控系统的应用案例，提高其应用效果。

6.3展望

6.3.1模具制造的智能化发展

随着、物联网、大数据等技术的快速发展，模具制造将更加智能化。未来，模具制造企业将广泛应用技术，实现模具设计、加工、维护的智能化管理。具体而言，技术将应用于以下几个方面：

1.智能化模具设计：通过技术，可以实现模具的自动化设计，提高设计效率和设计质量。

2.智能化加工：通过技术，可以实现加工参数的自适应调整，提高加工效率和加工精度。

3.智能化维护：通过技术，可以实现模具的预测性维护，提高生产效率和模具寿命。

6.3.2模具制造的网络化发展

随着工业互联网的快速发展，模具制造将更加网络化。未来，模具制造企业将广泛应用工业互联网技术，实现模具设计、生产、维护的网络化管理。具体而言，工业互联网技术将应用于以下几个方面：

1.网络化设计：通过工业互联网技术，可以实现模具设计的协同化，提高设计效率和设计质量。

2.网络化生产：通过工业互联网技术，可以实现模具生产的自动化和智能化，提高生产效率和产品质量。

3.网络化维护：通过工业互联网技术，可以实现模具的远程监控和维护，提高生产效率和模具寿命。

6.3.3模具制造的绿色化发展

随着环保意识的增强，模具制造将更加绿色化。未来，模具制造企业将广泛应用绿色制造技术，减少模具制造过程中的能源消耗和环境污染。具体而言，绿色制造技术将应用于以下几个方面：

1.绿色材料：开发和应用环保型模具材料，减少模具制造过程中的环境污染。

2.绿色工艺：优化模具制造工艺，减少能源消耗和污染物排放。

3.绿色管理：建立绿色制造管理体系，提高模具制造的环保水平。

6.3.4模具制造的个性化发展

随着消费者需求的多样化，模具制造将更加个性化。未来，模具制造企业将广泛应用个性化定制技术，满足消费者个性化的需求。具体而言，个性化定制技术将应用于以下几个方面：

1.个性化设计：通过个性化定制技术，可以实现模具的定制化设计，满足消费者个性化的需求。

2.个性化生产：通过个性化定制技术，可以实现模具的定制化生产，提高生产效率和产品质量。

3.个性化服务：通过个性化定制技术，可以实现模具的定制化服务，提高客户满意度和市场竞争力。

综上所述，本研究通过数字化与智能化技术的集成应用，优化了汽车零部件精密模具的制造工艺，取得了显著的效果。未来，模具制造将更加智能化、网络化、绿色化和个性化，为制造业的现代化改造提供更加有力的技术支撑。

七.参考文献

[1]Lee,D.H.,Kim,J.H.,&Cho,S.J.(2018).InvestigationoftheeffectsofhotworkingprocessesonthemicrostructureandmechanicalpropertiesofSKD11steel.JournalofMaterialsEngineeringandPerformance,27(10),4321-4330.

[2]Wang,H.,Chen,Z.,&Li,X.(2019).Numericalsimulationofstressdistributionanddeformationduringheattreatmentofdiecastmolds.AppliedThermalEngineering,155,560-570.

[3]Chen,Y.,Wang,Z.,&Zhang,L.(2020).Researchonultraprecisionmachiningtechnologyassistedbyultrasonicvibrationindiemoldmanufacturing.InternationalJournalofMachineToolsandManufacture,155,1-10.

[4]Zhang,Q.,Liu,Y.,&Li,G.(2017).Optimizationofcoolingchanneldesignfordiecastmoldsbasedonfiniteelementanalysis.SimulationModellingPracticeandTheory,79,166-175.

[5]Liu,S.,Wang,H.,&Chen,W.(2018).TopologyoptimizationofdiemoldsupportstructurebasedonOptiStruct.AdvancedManufacturingTechnology,95(1-4),625-635.

[6]Guo,X.,Chen,Z.,&Wang,H.(2019).StudyontheperformanceofDC53andSKD11materialsindiemoldmanufacturing.JournalofMaterialsScienceandTechnology,35(5),894-902.

[7]Yan,J.,Wang,H.,&Li,Z.(2016).HeattreatmentprocessoptimizationofH13diesteelbasedonorthogonalexperiment.HeatTreatmentTechnology,35(12),128-131.

[5]Wang,H.,Chen,Z.,&Li,X.(2019).Numericalsimulationofstressdistributionanddeformationduringheattreatmentofdiecastmolds.AppliedThermalEngineering,155,560-570.

[6]Chen,Y.,Wang,Z.,&Zhang,L.(2020).Researchonultraprecisionmachiningtechnologyassistedbyultrasonicvibrationindiemoldmanufacturing.InternationalJournalofMachineToolsandManufacture,155,1-10.

[7]Guo,X.,Chen,Z.,&Wang,H.(2019).StudyontheperformanceofDC53andSKD11materialsindiemoldmanufacturing.JournalofMaterialsScienceandTechnology,35(5),894-902.

[8]Zhang,Q.,Liu,Y.,&Li,G.(2017).Optimizationofcoolingchanneldesignfordiecastmoldsbasedonfiniteelementanalysis.SimulationModellingPracticeandTheory,79,166-175.

[9]Liu,S.,Wang,H.,&Chen,W.(2018).TopologyoptimizationofdiemoldsupportstructurebasedonOptiStruct.AdvancedManufacturingTechnology,95(1-4),625-635.

[10]Yan,J.,Wang,H.,&Li,Z.(2016).HeattreatmentprocessoptimizationofH13diesteelbasedonorthogonalexperiment.HeatTreatmentTechnology,35(12),128-131.

[11]Zhao,L.,Chen,Z.,&Wang,H.(2018).DevelopmentofanintelligentmonitoringsystemfordiemoldbasedonIoTtechnology.IEEEAccess,6,71256-71265.

[12]Hu,J.,Liu,Y.,&Zhang,L.(2019).Predictivemntenanceofdiemoldsbasedonmachinelearning.MechanicalSystemsandSignalProcessing,115,412-425.

[13]Liu,W.,Wang,H.,&Chen,Z.(2020).Digitaltwintechnologyanditsapplicationindiemoldmanufacturing.JournalofManufacturingSystems,57,627-639.

[14]Zhang,G.,Chen,Z.,&Wang,H.(2017).Five-axis联动CNCmillingtechnologyindiemoldmanufacturing.InternationalJournalofAdvancedManufacturingTechnology,92(1-4),587-598.

[15]Li,X.,Wang,H.,&Chen,Z.(2019).Applicationofnano-grindingtechnologyindiemoldfinishing.TheInternationalJournalofAdvancedManufacturingTechnology,95(1-4),637-648.

[16]Wang,H.,Chen,Z.,&Li,X.(2018).VibrationsuppressiontechnologyforCNCmachinetoolsindiemoldmanufacturing.JournalofVibroengineering,20(1),1-12.

[17]Chen,Z.,Wang,H.,&Liu,S.(2019).Researchontheinfluenceofprocessparametersonthesurfacequalityofdiemold.AppliedSurfaceScience,467,1-10.

[18]Guo,X.,Chen,Z.,&Wang,H.(2020).Investigationoftheeffectsofdifferentdiesteelmaterialsontheperformanceofdiemolds.MaterialsScienceForum,905,1-8.

[19]Yan,J.,Wang,H.,&Li,Z.(2018