【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。