【技术实现步骤摘要】
混合材料参数压缩的板料挤压成形力快速预测方法
本专利技术涉及的是一种材料成形领域的技术，具体是一种混合材料参数压缩的板料挤压成形力快速预测方法。
技术介绍
现有的板料挤压成形力的预测方法主要有力学解析法和数值仿真法。在板料挤压成形过程中，成形力的大小不仅受到材料本身力学性能的影响，还受到许多工艺参数的影响，力学解析法在工程上应用较广，但主要借鉴棒料挤压的模型，误差较大。数值仿真法能有效提升成形力的预测精度，但有限元建模过程繁琐、需要专门软件，无法快速获取结果，工程上难以推广。近年来随着神经网络技术的快速发展，可用于预测模型的建立，但是对于板料挤压成形力的预测来说，输入参数众多，特别材料性能参数的输入，无法获得训练所需的大量样本，而样本少的时候，又容易出现陷入局部最小值、过拟合等问题。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种混合材料参数压缩的板料挤压成形力快速预测方法，基于神经网络无监督学习和监督学习的方法，克服神经网络在特征较多、数据量较小的场景中，容易出现陷入局部最小值、过拟合等问...
【技术保护点】
1.一种混合材料参数压缩的板料挤压成形力快速预测方法，其特征在于，通过无监督学习算法形成自编码器，充分利用现有的大应变下不同材料本构模型，压缩材料流动应力曲线，构建材料参数压缩模型，获取压缩后材料性能特征；再通过监督学习建立起材料性能特征、工艺参数与板料挤压成形力之间复杂的非线性关系，从而实现板料板料挤压成形力的快速精准预测。/n
【技术特征摘要】
1.一种混合材料参数压缩的板料挤压成形力快速预测方法，其特征在于，通过无监督学习算法形成自编码器，充分利用现有的大应变下不同材料本构模型，压缩材料流动应力曲线，构建材料参数压缩模型，获取压缩后材料性能特征；再通过监督学习建立起材料性能特征、工艺参数与板料挤压成形力之间复杂的非线性关系，从而实现板料板料挤压成形力的快速精准预测。
2.根据权利要求1所述的板料挤压成形力快速预测方法，其特征是，所述方法具体步骤包括：
步骤一、为了使所获得的预测模型尽可能地适用于不同类型材料，采用常用的适用范围不同的材料本构模型构建不同类型材料的材料应力应变关系数据；
步骤二、采用自编码器对材料应力应变关系数据进行无监督学习，从而获取不同材料类型对应的应力应变数据中的结构化信息，完成材料参数压缩模型的构建，解决不同类型材料性能参数的输入问题；
步骤三、综合考虑板料挤压的影响因素，选取材料应力应变关系σ(ε)、板料厚度h、断面收缩率εF、凸模半径r、摩擦系数μ、压下量s作为板料挤压力预测模型输入量，通过实验与数值模拟结合的方式，获取不同影响因素组合对应的板料挤压成形力数据并构建得到板料挤压力预测模型样本数据集；
步骤四、构建基于多层神经网络的板料挤压成形力快速预测模型，根据步骤三中的板料挤压力预测模型样本数据集对多层神经网络进行训练后，以步骤二得到的材料参数压缩模型和步骤三中的板料挤压力预测模型输入量作为多层神经网络的输入，根据得到的板料挤压成形力构建板料挤压成形力快速预测模型，进行板料挤压成形力预测和校验；
所述的板料挤压的影响因素是指：成形力与影响因素之间的关系其中：σ(ε)为材料的应力应变关系，ε为应变大小，h为板料的厚度，εF为断面收缩率，r为凸模半径，μ为摩擦系数，s为凸模压下量。
3.根据权利要求2所述的板料挤压成形力快速预测方法，其特征是，所述的步骤一具体为：对于不同的材料本构模型确定对应的待定系数空间，在系数空间内通过不同系数的配置批量获取不同模型的应力应变关系曲线，然后将应力应变关系曲线按照应变0.01的间隔离散成若干个点应力点作为无监督学习的输入。
4.根据权利要求1或2所述的板料挤压成形力快速预测方法，其特征是，所述的本构模型包括：Ludwik模型:σ＝A+B·(εp)n；Swift模型:σ＝A·(B+εp)n；Ghosh模型:σ＝A·(B+εp)n-...
【专利技术属性】
技术研发人员：曹益旗，向华，庄新村，赵震，
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。