异型线缆拉拔模具的设计方法及系统技术方案

本发明专利技术提供了一种异型线缆拉拔模具的设计方法及系统，所述方法是一种在仿真和人工智能基础之上，提出有限元仿真、人工神经网络、遗传算法与软件建模相结合的多道次拉拔配模设计的方法,并且该设计方法可以保证模具局部和全局的负载均衡。本发明专利技术借助仿真、优化及软件设计，对拉拔模具的孔型进行优化设计，不仅能充分发挥拉拔模具和拉拔设备的性能，而且对于高速自动化的拉拔生产线而言，在极大延长了模具寿命的同时，还减少了更换维护模具的时间，生产效率得到大幅提高，对提高整个金属线、管材拉拔行业的经济效益十分重要。

【技术实现步骤摘要】

本专利技术涉及模具
的设计方法，具体地，涉及一种基于人工智能和有限元分析且负载均衡的异型线缆拉拔模具的设计方法及系统。
技术介绍
异型线缆是相对于圆形截面导线而言的，是除圆形截面以外的各种不同几何形状的非圆形截面导线。异型线广泛地应用于航天、机械、汽车、电子工业及通讯等领域。智能电网作为七大战略新兴产业之一，将促使我国的电线电缆行业飞速地发展。同时，新能源电站的兴建、装备制造的发展、轨道交通的推广等也极大地扩充了电缆的新型应用领域。异型线材广泛应用于同心绞架空导线及电磁线，与圆线同心绞架空导线相比，型线绞架空导线具有更大的导体截面利用率，截面相同时能减小直径约10％；等直径时，则可增大有效截面20％～25％。为提高特高压输电线的传输能力，较大截面的电缆导体必须采用分割导体，以减小交流电传输时因“集肤效应”和“邻近效应”引起的导体电阻增加及输电容量的下降。分割导体一般采用异型线(如“S形、Z形”及梯形型线，)，是由于异型线具有增大导体截面利用率、降低导线弧垂率、防腐性能好、断线损害小、自阻尼性能强、减小风载、降低架空导线舞动发生几率等优点。异型线缆在国外尤其是发达国家已广泛采用，而目前国内的生产和应用还处于起步阶段，拉拔模的加工精度、耐用性等指标均有待进一步改善。异型线缆模具的质量是高质量异型电线电缆生产的保证，因此异型拉拔模具的研究对我国电线电缆行业的发展以及节能降耗具有重要的意义。目前，国内异型线材的生产主要采用辊模拉拔和固定模拉拔的方法。辊模拉拔实质是拉拔与轧制相结合的拔轧过程，辊子是由拉拔件与其间的摩擦力带动旋转，在孔型中实现拉拔件变形的。与固定模拉拔相比，辊模拉拔的拉拔力小，能耗低，压缩率大，加工极限高，对润滑要求低，模具寿命长，对坯料要求低(如坯料的断面变形、尺寸变化、焊接等性质不均和表面缺陷等)，成品的弹性极限和屈服强度提高，断面硬度分布较均匀，残余应力小等优点，但产品精度较固定模拉拔低，仍需进行后续尺寸精整处理。固定模的生产通常采用拉丝配模的方法。拉丝配模的方法就是，金属丝拉拔时根据成品尺寸、形状和材料，确定圆坯或扁坯的尺寸，确定拉制道次及每道次的尺寸与形状，并确定中间退火时间的方法。但是采用拉丝配模的方法拉制型线，工件变形的不均匀性比拉圆线时更严重，形成的残余应力更大，造成外形弯扭、尺寸不精确、局部裂纹的可能性也更大。因此，在进行异型线材拉拔模具设计时，应克服传统设计方法的不足，借助大数据来解决传统设计中带来的尺寸及应力问题。众所周知，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，旨在研究如何利用计算机等现代化工具种系统来模仿人类的智能行为。人工智能技术的发展为生产数据与信息的分析和处理提供了有效的方法，给制造技术增添了智能的翅膀。人工智能技术尤其适合于解决特别复杂和不确定的问题，在制造过程的各个环节几乎都可广泛应用人工智能技术。神经网络作为集脑科学、神经心理学和信息科学等多学科的交叉研究领域，已在模式识别、机器学习、专家系统等多个方面得到应用，成为人工智能研究中的活跃领域。本专利技术针对神经网络较强学习能力的特点，基于连续线性变化的孔型设计方法的软件建模，将神经网络与有限元技术相结合，应用于异型线材拉拔模具的设计不仅简化了模具的设计流程，保证模具设计尺寸的精确性，而且使得模具的耐磨性、使用寿命等方面都有很大提升。经对现有技术文献的检索发现，钟苏于2011年提出了一种利用CAXA电子图板，设计拉线模中间过渡孔形截面的方法。在拉拔道次和最终成形截面形状确定的情况下，对圆形截面过渡到型线要求截面的模具孔型进行设计。最终以样条线的形式，近似得出了各过渡孔形截面，并利用CAXA软件在电火花线切割机上进行加工，从而得到比较精确的孔型。但是这种设计方法需要对金属加工流动特性进行研究，建模过程复杂，且在确定每一道次的孔型界面的面积时，用到了缩放调整，使得设计参数存在一定的误差。公开号为1979496A，申请号为200510047903.6的中国专利技术申请，该申请公开一种铜合金管材铸轧工艺参数设计及优化的方法，以数据库为设计基础，神经网络为工艺参数和工艺指标的设计方法，遗传算法为工艺参数优化手段，综合集成神经网络、遗传算法，有限元模拟、试验设计、CAD参数化设计和数据库技术于工艺设计和参数优化中，设计并优化铜合金管材铸轧的工艺参数。该专利技术自动化程度高、能适用于铜合金管材的加工变形，使缺少丰富专业知识人员也能制定出准确规范的加工工艺。但是该方法无法适用于异型线缆拉拔模具的设计。因此，如何设计一种快速获得优化参数且更加准确可靠的异型线缆拉拔模具的设计方法已成为解决问题的关键。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种异型线缆拉拔模具的设计方法及系统，可以设计出既符合逐渐过渡的孔型变化规律，又满足拉丝机速比参数的拉丝模具孔型截面。根据本专利技术第一方面，提供一种异型线缆拉拔模具的设计方法，所述方法在仿真和人工智能基础之上，将有限元仿真、人工神经网络、遗传算法与软件建模相结合,并且所述方法能够保证所设计模具具有局部负载均衡和全局负载均衡的特点；所述的有限元仿真，用于计算两部分应力：一部分是：进线截面积和延伸率相同，但几何参数不同的拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；比较得到内孔表面各段等效应力变化范围最小的模具的几何参数，所得几何参数即为该进线截面积和延伸率下满足局部负载均衡的最优模具几何参数；另一部分是：多次改变进线截面积和延伸率后，对应不同几何参数的拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；经仿真优化计算得到不同进线截面积和延伸率下的最优模具几何参数；所述的神经网络，是构建拉拔模具内孔表面的平均应力值与母材初始截面面积及延伸率之间映射关系的神经网络；所述的遗传算法，用于确定模具拉拔道次的取值范围，并对各道次下的延伸率进行优化求解；所述的软件建模，是以连续“线性”变形的孔型设计方法为依据，设计出整个拉拔过程的模具结构，并根据延伸率的设计值分割出各分道次下的模具结构。优选地，所述的神经网络，是将进线截面积和延伸率作为输入，最优的模具几何参数以及对应的模具内孔表面的平均应力值作为输出进行训练，从而构建拉拔模具内孔表面的平均应力值与母材初始截面面积及延伸率之间映射关系的BP神经网络拓扑结构。优选地，所述的局部负载均衡，是指：进线截面积和延伸率相同但几何参数不同的拉拔模具内孔表面各段的等效应力的变化范围，即取值范围最小。优选地，所述的全局负载均衡，是指：多道次拉拔的整个拉拔过程中，各分道次下拉拔模具内孔表面所受平均应力值的变化范围，即取值范围最小。具体的，所述异型线缆拉拔模具的设计方法，包括如下步骤：第一步、选用正交试验设计方法，在拉拔模具延伸率及初始截面积相同的条件下，以拉拔模具的几何参数，包括压缩区半角、压缩区长度、定径区长度为设计变量，进行有限元仿真并计算不同几何参数下拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；第二步、为满足模具局部载荷均衡，比较第一步中的不同几何参数下拉拔模具内孔表面各段的等效应力的取值范围，取值范围最小的拉拔模具所对应的几何参数，即为该延伸率和初始截面积下的最优模具设计几本文档来自技高网...

【技术保护点】
一种异型线缆拉拔模具的设计方法，其特征在于：在仿真和人工智能基础之上，将有限元仿真、人工神经网络、遗传算法与软件建模相结合，并且所述方法能够保证所设计模具具有局部负载均衡和全局负载均衡的特点；所述的有限元仿真，用于计算两部分应力：一部分是：进线截面积和延伸率相同，但几何参数不同的拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；比较得到内孔表面各段等效应力变化范围最小的模具的几何参数，所得几何参数即为该进线截面积和延伸率下满足局部负载均衡的最优模具几何参数；另一部分是：多次改变进线截面积和延伸率后，对应不同几何参数的拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；经仿真优化计算得到不同进线截面积和延伸率下的最优模具几何参数；所述的神经网络，是构建拉拔模具内孔表面的平均应力值与母材初始截面面积及延伸率之间映射关系的神经网络；所述的遗传算法，用于确定模具拉拔道次的取值范围，并对各道次下的延伸率进行优化求解；所述的软件建模，是以连续“线性”变形的孔型设计方法为依据，设计出整个拉拔过程的模具结构，并根据延伸率的设计值分割出各分道次下的模具结构。

【技术特征摘要】
1.一种异型线缆拉拔模具的设计方法，其特征在于：在仿真和人工智能基础之上，将有限元仿真、人工神经网络、遗传算法与软件建模相结合，并且所述方法能够保证所设计模具具有局部负载均衡和全局负载均衡的特点；所述的有限元仿真，用于计算两部分应力：一部分是：进线截面积和延伸率相同，但几何参数不同的拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；比较得到内孔表面各段等效应力变化范围最小的模具的几何参数，所得几何参数即为该进线截面积和延伸率下满足局部负载均衡的最优模具几何参数；另一部分是：多次改变进线截面积和延伸率后，对应不同几何参数的拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；经仿真优化计算得到不同进线截面积和延伸率下的最优模具几何参数；所述的神经网络，是构建拉拔模具内孔表面的平均应力值与母材初始截面面积及延伸率之间映射关系的神经网络；所述的遗传算法，用于确定模具拉拔道次的取值范围，并对各道次下的延伸率进行优化求解；所述的软件建模，是以连续“线性”变形的孔型设计方法为依据，设计出整个拉拔过程的模具结构，并根据延伸率的设计值分割出各分道次下的模具结构。2.根据权利要求1所述的一种异型线缆拉拔模具的设计方法，其特征在于，所述的神经网络，是将进线截面积和延伸率作为输入，最优的模具几何参数以及对应的模具内孔表面的平均应力值作为输出进行训练，从而构建拉拔模具内孔表面的平均应力值与母材初始截面面积及延伸率之间映射关系的BP神经网络拓扑结构。3.根据权利要求1所述的一种异型线缆拉拔模具的设计方法，其特征在于，所述的局部负载均衡，是指：进线截面积和延伸率相同但几何参数不同的拉拔模具内孔表面各段的等效应力的变化范围，即取值范围最小。4.根据权利要求1所述的一种异型线缆拉拔模具的设计方法，其特征在于，所述的全局负载均衡，是指：多道次拉拔的整个拉拔过程中，各分道次下拉拔模具内孔表面所受平均应力值的变化范围，即取值范围最小。5.根据权利要求1-4任一项所述的一种异型线缆拉拔模具的设计方法，其特征在于，所述方法包括如下步骤：第一步、选用正交试验设计方法，在拉拔模具延伸率及初始截面积相同的条件下，以拉拔模具的几何参数，包括压缩区半角、压缩区长度、定径区长度为设计变量，进行有限元仿真，并计算不同几何参数下拉拔模具内孔表面各段的等效应力以及内孔表面的平均应力值；第二步、为满足模具局部载荷均衡，比较第一步中的不同几何参数下拉拔模具内孔表面各段的等效应力的取值范围，取值范围最小的拉拔模具所对应的几何参数，即为该延伸率和初始截面积下的最优模具设计几何参数；第三步、改变拉拔模具的延伸率及初始截面积，重复第一步的仿真计算，进而得到不同延伸率和初始截面积下的等效应力和平均应力值；第四步、构建神经网络系统，并将进线截面积和延伸率作为输入，最优的模具几何参数以及对应的模具内孔表面的平均应力值作为输出进行训练，构建拉拔模具内孔表面的平均应力值与母材初始截面面积及延伸率之间映射关系的BP神经网络拓扑结构；第五步、以多道次拉拔过程中各个分道次拉拔的安全系数为优化目标，以各个分道次的延伸率为优化参数，采用遗传...

【专利技术属性】
技术研发人员：沈彬，林子超，陈苏琳，孙方宏，王成川，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31