一种基于数据驱动的多信任度协同元模型在预测燃料舱焊接变形的应用方法技术

本发明专利技术公开了一种基于数据驱动的多信任度协同元模型在预测燃料舱焊接变形的应用方法。该发明专利技术利用多信任度样本数据与自适应加点准则相结合的方法，构建了自适应协同元模型。能够使用少量的样本数据，在区间内有针对性地进行序贯抽样，选取对元模型改善最大的期望点进行添加，直到满足精度要求并终止迭代，完成最终多信任度协同元模型的建立，应用于燃料舱焊接变形的预测。该方法避免了盲目地大量抽样，首次将多信任度样本数据与自适应加点准则相结合应用在焊接领域，解决高耗时、高成本的焊接变形预测问题，对燃料舱的实际生产具有现实指导意义。实指导意义。实指导意义。

【技术实现步骤摘要】
一种基于数据驱动的多信任度协同元模型在预测燃料舱焊接变形的应用方法


[0001]本专利技术属于焊接
，尤其涉及一种基于数据驱动的多信任度协同元模型在预测燃料舱焊接变形的应用方法。

技术介绍

[0002]在现代先进的突防装备中，为了能够使产品满足射程、精度、突防等指标，某型号的产品具有外形复杂、高精密度、外形复杂等显著特点，其关键构件的加工涉及焊接等热加工工艺。由于试验费用大，研制周期长等特点，一直存在试验样本少、工况参数依靠有经验的工人进行经验试错等问题。在生产制造过程中，实际制造之前采用数字化设计对制造过程进行有限元仿真分析，但是由于一些大型的复杂构件在数字化仿真环节，需要耗费大量的时间，几天几周甚至几个月。而且随着产品性能要求的提升，会导致产品工艺的快速迭代更新，从而生产制造过程呈现出小批量、多品种、离散度高、研制周期短和费用昂贵等特点，加上对工件的尺寸严格要求，其工艺设计的质量和效率直接影响生产质量。目前大多生产线仍然是靠传统的工艺设计流程，依靠有经验的一线人员来不断试错改进，试验生产周期长达一两个月。所以，为了缩短研发的周期以满足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的多信任度协同元模型在预测燃料舱焊接变形的应用方法，其特征在于，包括以下步骤：A、建立工件的多信任度有限元分析模型以及区间多信任度样本点的选取；B、以有限元仿真模型变形量最大值作为响应值，根据初始样本点的信息以及响应值，构建初始协同元模型；C、对步骤B中建立的协同元模型进行精度验证，如满足要求则进行步骤D，如不满足要求，则利用加点准则对协同元模型进行优化迭代，直到满足精度要求；D、根据最终迭代完成的协同元模型，对焊接工件的变形进行预测。2.如权力要求1所述的方法，其特征在于，在所述步骤A中，建立工件的多信任度有限元分析模型以及区间多信任度样本点的选取具体步骤为：A1、建立焊接工件的三维结构模型；A2、在有限元仿真分析软件中，对焊接工件模型的材料属性进行参数设置，材料的属性包括材料的密度、热膨胀系数、杨氏模量、泊松率、屈服强度、热导系数和比热等；A3、对焊接工件模型进行多信任度的网格划分，即划分网格粗糙为高信任度，划分网格细致为低信任度，并设置初始条件、边界条件和分析设置，具体网格划分类型根据焊接工件的结构，选择适应的四面体网格或者六面体网格；初始条件与边界条件包括初始环境温度、热对流换热系数和约束受力条件等；A4、确定热源模型以及热源参数变量，根据具体的加工设备以及工况进行确定，热源包括电子束和激光，而热源模型包括高斯热源模型、双椭球热源模型和半球状热源模型等，其中热源参数包括但不限于焊接电压、焊接电流、激光功率、热源移动速度等；A5、对热源参数变量利用最优拉丁超立方抽样算法进行初始样本点的选取，选取两组样本点分别作为高信任度和低信任度的样本信息，根据确定的热源参数变量来确定对应热源参数的变化区间，采用最优拉丁超立方抽样算法进行区间抽样，其抽样点在每个坐标轴的投影都具有均匀性。3.如权力要求1所述的方法，其特征在于，在所述步骤B中，根据有限元仿真模型变形量最大值作为响应值，以热源参数作为协同元模型的输入参数X，响应值作为协同元模型的输出参数Y，建立协同元模型的具体步骤为：B1、高信任度模型的n个样本点为X
h
＝[x
h(1)
,x
h(2)
,...,x
h(n)
]
T
，对应的响应值为Y
h
＝[y
h(1)
,y
h(2)
,...,y
h(n)
]
T
，假设将y
h
视为一个稳态随机过程，所以y
h
替换为如下随机过程的实现，即Y
h
＝β
h
+Z
h
(x)，则将以此建立高信任度模型；B2、低信任度模型的n个样本点为...

【专利技术属性】
技术研发人员：许焕卫，周乃迅，曾志，张炜，肖路，张经天，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：