一种融合机理模型和学习模型的加工变形预测方法技术

一种基于融合机理模型和学习模型的加工变形预测方法，其特征是它包括：分析零件变形机理，建立变形量、变形力和残余应力之间的力学关系；在该力学关系中，将难以测量的残余应力作为隐变量，根据变形力‑残余应力‑变形量之间的力学关系，建立变形力‑残余应力‑变形量的推理模型，即潜变量模型；然后通过数据驱动的方法训练推理模型以实现变形量的精确预测。本发明专利技术利用了机理模型与学习模型各自的优势，实现了在不测量残余应力情况下零件变形的精确预测。

【技术实现步骤摘要】
一种融合机理模型和学习模型的加工变形预测方法
本专利技术涉及数控加工领域，尤其是一种零件数控加工变形的精确预测方法，具体地说是一种融合机理模型和学习模型的加工变形预测方法。
技术介绍
众所周知，在零件制造领域，零件加工变形的预测是零件加工变形精确控制的基础。传统的零件加工变形预测基于测量的残余应力进行预测，现有的残余应力测量方法分为破坏法与非破坏法；破坏法需要破坏零件以达到测量的目的，但是在零件加工领域，破坏材料导致无法加工出合格零件，同时其测量方法的精度由于破坏材料引入了新的应力而受到影响；非破坏法不需要破坏零件，多以放射性测量及超声测量为主，但是该类方法均无法穿透大厚度的零件，对于大部分材料仍然需要逐层破坏零件以测量零件的内部的残余应力，同时由于材料内部应力分布不均匀，非破坏方法仍难以测量准确零件内部的残余应力。综上所述，现有的残余应力测量方法受到材料厚度，物理原理等约束，其测量误差较大，使得基于残余应力测量的变形预测方法精度较低。而零件变形力是一种宏观力，在加工中是由残余应力作用于装夹装置产生的，可通过装夹力的变化测量得到，能够体本文档来自技高网...

【技术保护点】
1.一种融合机理模型和学习模型的加工变形预测方法，其特征在于：以易于测量的变形力预测难以测量的残余应力引起的变形量；根据变形力F、变形量d和残余应力σ之间的力学关系建立关联关系：/nd＝Function(σ，S) (1)/nF＝Function′(σ，S) (2)/n其中Function为变形量与残余应力之间的力学关系式；Function′为变形力与残余应力之间的力学关系式；S为零件信息，以难以测量的残余应力σ作为隐变量Z，进而构建学习...

【技术特征摘要】
1.一种融合机理模型和学习模型的加工变形预测方法，其特征在于：以易于测量的变形力预测难以测量的残余应力引起的变形量；根据变形力F、变形量d和残余应力σ之间的力学关系建立关联关系：
d＝Function(σ，S)(1)
F＝Function′(σ，S)(2)
其中Function为变形量与残余应力之间的力学关系式；Function′为变形力与残余应力之间的力学关系式；S为零件信息，以难以测量的残余应力σ作为隐变量Z，进而构建学习模型架构：
Z＝f(d，S)(3)
Z＝g(F，S)(4)
d＝h(Z，S)(5)
在该框架中，以由变形量和变形力推断的Z服从同一概率分布构建约束项，以由潜变量Z推断d为目标，同时训练映射f、映射g和映射h，建立变...

【专利技术属性】
技术研发人员：李迎光，刘长青，赵智伟，郝小忠，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32