一种基于代理模型的铝合金成形工艺参数优化方法技术

本发明专利技术公开了一种基于代理模型的铝合金成形工艺参数优化方法，包括步骤1：建立铝合金成形的有限元仿真模型，确定成形过程中的工艺参数变量及取值范围；步骤2:利用拉丁超立方抽取工艺参数样本点，并将所述样本点输入到所述的有限元仿真模型中，确定样本点仿真结果；步骤3：利用所述样本点及其仿真结果构建Kriging代理模型替代有限元模型；步骤4：利用EI加点准则增加样本点更新代理模型，直至代理模型精度达到要求；步骤5：利用改进的遗传算法寻找代理模型最优解。本发明专利技术能减少开发成本，缩短开发周期，精确找到全局最优工艺参数提高产品质量。量。量。

An optimization method of aluminum alloy forming process parameters based on Agent Model

【技术实现步骤摘要】
一种基于代理模型的铝合金成形工艺参数优化方法


[0001]本专利技术涉及钣金成形
，特别涉及一种基于代理模型的铝合金成形工艺参数优化方法。

技术介绍

[0002]铝合金成形技术广泛应用在汽车散热器主片上，随着汽车产品更新速度快，汽车散热器的主片的开发周期也越来越短。铝合金在冲压成形过程中容易出现开裂风险，企业开发主片产品过程中要不断地修改成形过程中的工艺参数，而每次修改工艺参数都需要重新设计模具再去测试直到产品符合生产要求。这样的“试错法”无法满足企业在短周期内开发出新产品的需求。
[0003]有限元软件只能通过“试错法”去不断修改工艺参数找到符合要求的工艺参数。由于铝合金成形具有高度的零件几何非线性，材料非线性，边界非线性等特点，当零件结构复杂时，有限元软件的仿真时间也将大大增加，这样既浪费计算机资源又不能很好的提高产品开发效率，并且“试错法”得到的工艺参数无法判定为全局最优值(邢继刚.铝合金板材冲压成形数值模拟及变压边力技术研究[D].2020.)。因此缩短散热器主片的开发周期，准确快速地找到全局最优工艺参数是目前本领域的技术人员要解决的问题。

技术实现思路

[0004]为了解决现有技术中的不足，本专利技术提供一种基于代理模型的铝合金成形工艺参数优化方法，可以实现缩短产品开发周期，降低生产成本和提高产品质量。
[0005]本专利技术至少通过如下技术方案之一实现。
[0006]一种基于代理模型的铝合金成形工艺参数优化方法，包括以下步骤：
[0007]步骤1、建立铝合金成形的有限元仿真模型，确定成形过程中的工艺参数变量及取值范围；
[0008]步骤2、利用拉丁超立方抽取工艺参数样本点，并将所述样本点输入到所述的有限元仿真模型中，确定样本点仿真结果；
[0009]步骤3、利用所述样本点及仿真结果构建Kriging代理模型替代有限元模型；
[0010]步骤4、利用EI加点准则增加样本点更新Kriging代理模型，直至Kriging代理模型精度达到要求；
[0011]步骤5、利用改进的遗传算法寻找Kriging代理模型最优解，从而得到最优的工艺参数。
[0012]进一步地，所述建立铝合金成形的有限元仿真模型，包括：
[0013]步骤1.1、用三维软件画出模型的压边圈、凸模、凹模保存为IGES格式文件；
[0014]步骤1.2、将所述文件导入到有限元软件Autoform中，在所述有限元软件中设置好网格曲面、成形工艺、工艺参数，从而得到铝合金成形的有限元仿真模型。
[0015]进一步地，步骤2包括以下步骤：
[0016]步骤2.1、根据工艺参数个数N和样本点个数M，将N个工艺参数范围分别均分成M个子区间，在每个子区间随机抽取一个数值，直到N个参数的样本点数值都抽取完为止；
[0017]步骤2.2、将抽取的所述样本点输入到有限元仿真模型中，得到样本点仿真结果集合。
[0018]进一步地，步骤3中，利用所述样本点及其仿真结果构建Kriging代理模型替代有限元模型，包括以下步骤：
[0019]步骤3.1、确定kriging代理模型中θ的初始值和上下限，其中θ表示相关函数的参数；
[0020]步骤3.2、选择kriging代理模型中的相关函数；
[0021]步骤3.3、选择kriging代理模型中的回归基函数；
[0022]步骤3.4、将工艺参数样本点及其相对应的有限元模型仿真结果输入kriging代理模型中训练，最终得到可替代有限元模型的kriging代理模型。
[0023]进一步地，kriging代理模型的基本形式：
[0024]y(x)＝a1f1(x)+a2f2+
…
+a
p
f
p
+z(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0025]式中y(x)表示目标函数在kriging代理模型中的预测值；f
p
表示回归基函数；z(x)表示随机过程；a
p
表示回归系数；
[0026]随机过程z(x)的均值E(z(x))、方差Var(z(x))和协方差Cov[z(x
i
),z(x
j
)]表示为：
[0027]E(z(x))＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0028]Var(z(x))＝σ2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0029]Cov[z(x
i
),z(x
j
)]＝σ2R(θ,x
i
,x
j
)
ꢀꢀꢀꢀꢀ
(4)
[0030]式中θ表示相关函数的参数，R表示相关函数，z(x
i
)、z(x
j
)表示不同样本点的随机过程σ2，x
i
,x
j
表示不同样本点，σ2表示z(x)的方差值；
[0031]进一步地，所述相关函数为GAUSS、EXP、EXPG函数；
[0032]进一步地，步骤4中，利用EI加点准则增加样本点更新Kriging代理模型，直至Kriging代理模型精度达到要求，包括：
[0033]步骤4.1、构建EI加点准则标准形式：
[0034][0035]式中表示当前试验样本点最优的响应值，表示Kriging代理模型预测点，表示预测点的标准差；Φ和φ分别是标准正态分布的分布函数和密度函数；
[0036]步骤4.2、将EI(x)函数当成目标函数，再利用全局算法寻找EI(x)的最大值及相对应的输入参数x；
[0037]步骤4.3、步骤4.2寻找的输入参数x为Kriging代理模型需要加的工艺参数样本点，将所述输入参数x点及对应的仿真结果加入到kriging代理模型中从而提高Kriging代理模型的精度。
[0038]步骤4.4、通过随机生成的测试集检验kriging代理模型的R2和RMSE，R2表示代理模型的拟合优度，RMSE表示代理模型的均方根误差；循环步骤4.1到步骤4.3，直至R2和RMSE的
精度达到规定要求再输出最优的kriging代理模型。
[0039]进一步地，步骤5中利用改进的遗传算法寻找代理模型最优解，其中遗传算法包括：种群初始化，选择，交叉，变异四个过程；如以下步骤：
[0040]步骤5.1、将随机生成的L个个体进行种群初始化，将优化后的kriging代理模型作为适应度函数，再将每个个体的数值代入kriging代理模型中计算每个个体的适应度值；
[0041]步骤5.2、在选择过程中采取精英策略和轮盘法选择：将前三个适应度值最好的个体先选中，剩余L
‑
3个个体根据概率用轮盘法选择；
[0042]步骤5.3、在交叉过程中将固定的交叉概率P
...

【技术保护点】

【技术特征摘要】
1.一种基于代理模型的铝合金成形工艺参数优化方法，其特征在于，包括以下步骤：步骤1、建立铝合金成形的有限元仿真模型，确定成形过程中的工艺参数变量及取值范围；步骤2、利用拉丁超立方抽取工艺参数样本点，并将所述样本点输入到所述的有限元仿真模型中，确定样本点仿真结果；步骤3、利用所述样本点及仿真结果构建Kriging代理模型替代有限元模型；步骤4、利用EI加点准则增加样本点更新Kriging代理模型，直至Kriging代理模型精度达到要求；步骤5、利用改进的遗传算法寻找Kriging代理模型最优解，从而得到最优的工艺参数。2.根据权利要求1所述的一种基于代理模型的铝合金成形工艺参数优化方法，其特征在于，所述建立铝合金成形的有限元仿真模型，包括：步骤1.1、用三维软件画出模型的压边圈、凸模、凹模保存为IGES格式文件；步骤1.2、将所述文件导入到有限元软件Autoform中，在所述有限元软件中设置好网格曲面、成形工艺、工艺参数，从而得到铝合金成形的有限元仿真模型。3.根据权利要求1所述的一种基于代理模型的铝合金成形工艺参数优化方法，其特征在于，步骤2包括以下步骤：步骤2.1、根据工艺参数个数N和样本点个数M，将N个工艺参数范围分别均分成M个子区间，在每个子区间随机抽取一个数值，直到N个参数的样本点数值都抽取完为止；步骤2.2、将抽取的所述样本点输入到有限元仿真模型中，得到样本点仿真结果集合。4.根据权利要求1所述的一种基于代理模型的铝合金成形工艺参数优化方法，其特征在于，步骤3中，利用所述样本点及其仿真结果构建Kriging代理模型替代有限元模型，包括以下步骤：步骤3.1、确定kriging代理模型中θ的初始值和上下限，其中θ表示相关函数的参数；步骤3.2、选择kriging代理模型中的相关函数；步骤3.3、选择kriging代理模型中的回归基函数；步骤3.4、将工艺参数样本点及其相对应的有限元模型仿真结果输入kriging代理模型中训练，最终得到可替代有限元模型的kriging代理模型。5.根据权利要求4所述的一种基于代理模型的铝合金成形工艺参数优化方法，其特征在于，kriging代理模型的基本形式：y(x)＝a1f1(x)+a2f2+
…
+a
p
f
p
+z(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中y(x)表示目标函数在kriging代理模型中的预测值；f
p
表示回归基函数；z(x)表示随机过程；a
p
表示回归系数；随机过程z(x)的均值E(z(x))、方差Var(z(x))和协方差Cov[z(x
i
),z(x
j
)]表示为：E(z(x))＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)Var(z(x))＝σ2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)Cov[z(x
i
),z(x
j
)]＝σ2R(θ,x
i
,x
j
)
ꢀꢀꢀꢀꢀ
(4)式中θ表示相关函数的参数，R表示相关函数，z(x
i
)、z(x
j
)表示不同样本点的随机过程σ2，x
i
,x
j

【专利技术属性】
技术研发人员：孙建芳，余晖跃，袁熙，苏峰华，
申请(专利权)人：佛山市南海蕾特汽车配件有限公司，
类型：发明
国别省市：