一种基于数字孪生的铸锻双控成型系统及参数优化方法技术方案

本发明专利技术涉及一种基于数字孪生的铸锻双控成型系统及参数优化方法，属于自动化领域。该系统包括：物理实体系统，数据感知系统、网络传输系统及数字孪生系统。数据感知系统采集物理实体系统运行过程中的信息数据，并通过网络传输系统将信息传送到数字孪生系统。在数字孪生系统中建立物理实体的虚拟模型并进行铸锻双控成型过程的动态仿真模拟，实现虚实交互映射；同时，对铸锻双控成型过程的关键工艺参数进行智能寻优调节，并将优化方案反馈到生产过程中指导实际生产运行，改进生产工艺的闭环优化管理。本发明专利技术的铸锻双控成型系统的设备和模具投入少，有利于形成智能化、网络化生产，大幅提高制件的机械性能和产品精度，具有较好的应用价值。用价值。用价值。

【技术实现步骤摘要】
一种基于数字孪生的铸锻双控成型系统及参数优化方法


[0001]本专利技术属于自动化领域，涉及一种基于数字孪生的铸锻双控成型系统及参数优化方法。

技术介绍

[0002]目前，单一的铸造或锻造方法难以满足一些形状复杂、性能要求高的精密零部件的生产需求。铸锻技术主要应用在熔点较低的有色金属生产中，对于黑色金属的铸锻装备及工艺还不成熟，仍然存在很多需改进完善之处。例如，成型工艺参数的选择与控制是实现铸锻双控技术优势的关键，对产品性能、生产周期和制造成本均有较大影响，但传统的工艺参数设定方法依赖工艺人员的经验和基于试验的枚举法，导致参数设定的成本高、效率低、周期长，且具有较大的盲目性，在面对数量庞大的工艺参数组合时往往难以凑效。同时，铸锻双控成型过程包含高温金属溶液的流动、凝固和塑性变形之间相互复杂的物质与热量传递、形变与相变转换，其工艺参数较多且各工艺参数之间相互关联，使得工艺参数与制件质量间具有高度非线性、强耦合性与时变性的特点，因而对工艺参数的控制极为困难。因此，如何提供一种黑色金属的铸锻双控成型系统及其生产工艺参数优化方法，以指导生产过程中有效减少制件工序、缩短制件时间以及提高制件成形精度与强度，已成为提高产品生产效率与质量，促进我国传统铸造业技术改造升级的重要研究内容。
[0003]通过数字孪生可动态反映零件生产过程的周期变化并积累生产经验；可预判成型过程中可能产生的制造缺陷，并提前修正工艺参数和给出对应的解决方案。这不仅能实现生产工艺的合理设计，也可为研制开发相关铸锻装备提供技术指导。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于数字孪生的铸锻双控成型系统及参数优化方法。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种基于数字孪生的铸锻双控成型系统，包括物理实体系统，该系统还包括数据感知系统、网络传输系统和数字孪生系统；
[0007]数据感知系统采集物理实体系统运行过程中的信息数据，并通过网络传输系统将信息传送到数字孪生系统；在数字孪生系统中建立物理实体的虚拟模型并进行铸锻双控成型过程的动态仿真模拟，实现虚实交互映射；对铸锻双控成型的关键工艺参数进行智能寻优调节，并将优化方案反馈到生产过程中指导实际生产运行，改进生产工艺的闭环优化管理；
[0008]物理实体系统中的上下模具采用QRO-90热作模具钢，化学成分为：0.38％碳C、0.75％锰Mn、0.30％硅Si、0.75％铬Cr、0.90％钒V、2.25％钼Mo、0.01％磷P和0.009％硫S，其余为铁Fe；
[0009]在铸锻成型过程中，上下模具的脱模剂采用无硅水性脱模剂进行脱模，脱模剂涂
层的厚度为40～80um。
[0010]可选的，所述脱模剂涂层的厚度为60um。
[0011]可选的，所述网络传输系统包括生产车间传输网络及相应的网络路由、数据通讯接口、人机交互接口和云数据库；
[0012]网络传输支持局域网、LAN、WiFi、Zigbee、Bluetooth、5G、RFID和GPS的传输协议；
[0013]通过网络和接口标准化接入各物理资源，将其虚拟化为网络中的资源节点，以实现生产车间内物理实体信息的泛在互联，并与虚拟空间进行交互映射。
[0014]可选的，所述数字孪生系统实现铸锻孪生模型的创建及动态显示、，数据融合分析和工艺参数智能优化；通过网络传输系统的网络与接口形成与物理实体系统的所有在制品及制造资源之间的相互映射关系，实现铸锻双控成型过程及其制造资源的虚拟化仿真建模与展示，以及与数字孪生系统其他模块的数据交互，实现信息交换和闭环优化；
[0015]铸锻双控成形过程的虚拟化仿真模拟采用Procast与Deform软件进行处理，预判成型过程中可能出现的质量缺陷，并给出对应的改进措施，实现虚拟空间与物理实体的交互映射，便于开展离线操作培训和在线生产指导；
[0016]数字孪生系统中数据融合模块对采集的多源、异构、高噪声、多尺度数据进行清洗融合，去除数据噪声和干扰，保留有用信号，然后通过数据归一化处理对数据标准化和离散化，形成统一的数据系统便于后续的数据挖掘处理。
[0017]基于所述系统的参数优化方法，该方法为：
[0018]选取金属液浇注温度、模具预热温度、充型速度、铸锻压力个保压时间5个参数，以铸件重量、表面缺陷和抗拉强度3个参数为优化目标，构建工艺参数的优化模型如下：
[0019][0020]式中，x1为金属液浇注温度，x2为模具预热温度，x3为充型速度，x4为铸锻压力，x5为保压时间；b
i
和a
i
分别为对应输入变量x
i
(i＝1,2,...,5)的取值上下限；f1(x)为铸件重量目标函数，f2(x)为表面缺陷目标函数，f3(x)为抗拉强度目标函数；
[0021]采用加权组合法对各目标函数赋予不同的权重值，以消除不同量纲的影响；
[0022]通过权重系数α将多目标优化难题转换成单目标优化问题，转化后的统一目标函数如下：
[0023]F(x)＝min[f1(x),f2(x),f3(x)]＝α1f1(x)+α2f2(x)+α3f3(x)
ꢀꢀ
(2)
[0024]式中α
i
(i＝1,2,3)为单目标输出值的权重系数，由如下关系确定其取值；
[0025][0026]式中c,d分别为单目标输出值f
i
(x)的变化范围；
[0027]基于对选定的参数和优化目标，根据数据感知系统采集的相关数据，采用智能算法进行寻优。
[0028]可选的，所述采用智能算法进行寻优为采用改进粒子群优化BP神经网络算法进行参数寻优；
[0029]所述粒子群PSO为，种群由D维搜索空间的N个粒子构成，第i个粒子的位置为X
i
＝(x
i1
,x
i2
,...,x
iD
)，其速度为V
i
＝(v
i1
,v
i2
,...,v
iD
)，粒子的个体极值为P
i
＝(p
i1
,p
i2
,...,p
iD
)，全局极值为P
g
＝(p
g1
,p
g2
,...,p
gD
)，其迭代关系如下：
[0030][0031][0032]式中c1，c2为学习因子，取c1＝c2＝2；t为迭代次数；r1，r2为[0,1]区间的独立随机数；ω为惯性权重，决定算法的探索能力；为了合理限制粒子的运动范围，设定粒子的速度区间为[v
min
,v
max
]，位置区间为[x
min
,x
max
]；对粒子速度v
ij
按照阈值系数ρ的取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的铸锻双控成型系统，包括物理实体系统，其特征在于：该系统还包括数据感知系统、网络传输系统和数字孪生系统；数据感知系统采集物理实体系统运行过程中的信息数据，并通过网络传输系统将信息传送到数字孪生系统；在数字孪生系统中建立物理实体的虚拟模型并进行铸锻双控成型过程的动态仿真模拟，实现虚实交互映射；对铸锻双控成型的关键工艺参数进行智能寻优调节，并将优化方案反馈到生产过程中指导实际生产运行，改进生产工艺的闭环优化管理；物理实体系统中的上下模具采用QRO-90热作模具钢，化学成分为：0.38％碳C、0.75％锰Mn、0.30％硅Si、0.75％铬Cr、0.90％钒V、2.25％钼Mo、0.01％磷P和0.009％硫S，其余为铁Fe；在铸锻成型过程中，上下模具的脱模剂采用无硅水性脱模剂进行脱模，脱模剂涂层的厚度为40～80um。2.根据权利要求1所述的一种基于数字孪生的铸锻双控成型系统，其特征在于：所述脱模剂涂层的厚度为60um。3.根据权利要求1所述的一种基于数字孪生的铸锻双控成型系统，其特征在于：所述网络传输系统包括生产车间传输网络及相应的网络路由、数据通讯接口、人机交互接口和云数据库；网络传输支持局域网、LAN、WiFi、Zigbee、Bluetooth、5G、RFID和GPS的传输协议；通过网络和接口标准化接入各物理资源，将其虚拟化为网络中的资源节点，以实现生产车间内物理实体信息的泛在互联，并与虚拟空间进行交互映射。4.根据权利要求1所述的一种基于数字孪生的铸锻双控成型系统，其特征在于：所述数字孪生系统实现铸锻孪生模型的创建及动态显示、，数据融合分析和工艺参数智能优化；通过网络传输系统的网络与接口形成与物理实体系统的所有在制品及制造资源之间的相互映射关系，实现铸锻双控成型过程及其制造资源的虚拟化仿真建模与展示，以及与数字孪生系统其他模块的数据交互，实现信息交换和闭环优化；铸锻双控成形过程的虚拟化仿真模拟采用Procast与Deform软件进行处理，预判成型过程中可能出现的质量缺陷，并给出对应的改进措施，实现虚拟空间与物理实体的交互映射，便于开展离线操作培训和在线生产指导；数字孪生系统中数据融合模块对采集的多源、异构、高噪声、多尺度数据进行清洗融合，去除数据噪声和干扰，保留有用信号，然后通过数据归一化处理对数据标准化和离散化，形成统一的数据系统便于后续的数据挖掘处理。5.基于权利要求1～4中任一项所述系统的参数优化方法，其特征在于：该方法为：选取金属液浇注温度、模具预热温度、充型速度、铸锻压力个保压时间5个参数，以铸件重量、表面缺陷和抗拉强度3个参数为优化目标，构建工艺参数的优化模型如下：
式中，x1为金属液浇注温度，x2为模具预热温度，x3为充型速度，x4为铸锻压力，x5为保压时间；b
i
和a
i
分别为对应输入变量x
i
(i＝1,2,...,5)的取值上下限；f1(x)为铸件重量目标函数，f2(x)为表面缺陷目标函数，f3(x)为抗拉强度目标函数；采用加权组合法对各目标函数赋予不同的权重值，以消除不同量纲的影响；通过权重系数α将多目标优化难题转换成单目标优化问题，转化后的统一目标函数如下：F(x)＝min[f1(x),f2(x),f3(x)]＝α1f1(x)+α2f2(x)+α3f3(x)
ꢀꢀ
(2)式中α
i
(i＝1,2,3)为单目标输出值的权重系数，由如下关系确定其取值；式中c,d分别为单目标输出值f
i
(x)的变化范围；基于对选定的参数和优化目标，根据数据感知系统采集的相关数据，采用智能算法进行寻优。6.根据权利要求5所述的一种基于数字孪生的铸锻双控成型参数优化方法，其特征在于：所述采用智能算法进行寻优为采用改进粒子群优化BP神经网络算法进行参数寻优；所述粒子群PSO为，种群由D维搜索空间的N个粒子构成，第i个粒子的位置为X
i
＝(x
i1
,x
i2
,...,x
iD
)，其速度为V
i
＝(v
i1
,v
i2
,...,v
iD
)，粒子的个体极值为P
i
＝(p
i1
,p
i2
,...,p
iD
)，全局极值为P
g
＝(p
g1
,p
g2
,...,p
gD
)，其迭代关系如下：)，其迭代关系如下：式中c1，c2为学习因子，取c1＝c2＝2；t为迭代次数；r1，r2为[0,1]区间的独立随机数；ω为惯性权重，决定算法的探索能力；为了合理限制粒子的运动范围，设定粒子的速度区间为[v
min
,v
max
]，位置区间为[x
min
,x
max
]；对粒子速度v
ij
按照阈值系数ρ的取值情况进行改...

【专利技术属性】
技术研发人员：陈昭明，石明全，邹劲松，孔维胜，
申请(专利权)人：重庆大学，
类型：发明
国别省市：