一种透平叶片电弧增材实时温度场预测方法技术

本发明专利技术公开了一种透平叶片电弧增材实时温度场预测方法，包括：基于型面特征尺寸建立模拟透平叶片增材过程温度场；基于温度场建立一个焊接模拟数据库，将温度场计算结果作为模拟样本存储于数据库中；基于焊接模拟数据库和实际焊接数据，搭建一个焊接数据平台；基于焊接数据平台建立BP神经网络的温度场预测模型；对所建立的温度场预测模型进行训练与验证。本发明专利技术通过输入模型与分层厚度，实时快速计算得到每层成形路径以及所需电弧热输入功率，实现对透平叶片电弧增材制造热过程的预测，有效降低热量消耗，提高加工效率。提高加工效率。提高加工效率。

【技术实现步骤摘要】
一种透平叶片电弧增材实时温度场预测方法


[0001]本专利技术涉及温度场预测领域，尤其涉及一种透平叶片电弧增材实时温度场预测方法。

技术介绍

[0002]目前，电弧增材制造技术已广泛应用于高温合金焊接，包括航空航天、车辆、船舶等行业。电弧增材技术是由点到面，再逐层堆积成形的金属快速增材方法，电弧作为热源产生巨大热量使金属丝材快速融化并在基板上凝固成形。这是一项可靠的固相连接技术，但也正因为电弧增材过程中热源持续不断的输入，成形件内部不断发生温度的累积与演变，研究增材工件中温度场的生成与变化规律，这对于理解电弧增材制造工艺具有十分重要的作用。
[0003]中国专利201810973005.0公开了一种复杂特征结构件电弧增材制造热场计算方法，该方法基于广义双椭球热源建立热场计算的有限元模型进行复杂特征构件的热场计算；中国专利202110474227.X提出了一种用于激光增材制造工艺的热源数值模拟方法，为激光增材制造中工艺温度场的数值模拟分析奠定基础。中国专利202110871691.2提出了一种用于燃机透平叶片温度场的分析方法，通过提取透平叶片的制造参数数据并与目标图谱进行参考，以估算得到铸件温度场。上述现有技术中应用的软件仿真存在很大不足，前期准备较长且需要使用服务器进行长时间计算，难以满足现场实时控制的需要。另外有的现有技术只分析了热源模型的建立与优化，有的只建立了激光增材制造的温度场模型，鲜少有针对透平叶片综合分析不同参数热源作用下电弧增材制造实时温度场的建模，更未涉及透平叶片电弧增材实时温度场的预测问题。

技术实现思路

[0004]本部分的目的概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术提供了一种透平叶片电弧增材实时温度场预测方法，能够解决传统分析方法温度场模型计算效率底下且不能满足现场实时控制需求的问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案，一种透平叶片电弧增材实时温度场预测方法，包括：基于型面特征尺寸建立模拟透平叶片增材过程温度场；基于所述温度场建立一个焊接模拟数据库，将温度场计算结果作为模拟样本存储于数据库中；基于焊接模拟数据库和实际焊接数据，搭建一个焊接数据平台；基于所述焊接数据平台建立BP神经网络的温度场预测模型；
对所建立的温度场预测模型进行训练与验证。
[0008]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述建立模拟透平叶片增材过程温度场流程包括，建立模型并定义材料属性、划分单元与网格、添加初始和边界条件、施加移动热源、设置时间步与求解和结果后处理。
[0009]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述模拟样本通过设计旋转回归试验组合得到。
[0010]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述样本的数据处理是利用Matlab中mapminmax函数对导入的训练集、测试集进行归一化处理。
[0011]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述mapminmax函数具体计算公式表示为：其中，x表示试验样本数据中的输入值或期望输出值；x
min
表示样本中最小值；x
max
表示样本中最大值；y表示归一化后范围在[
‑
1,1]的数值，y
min
=
‑
1；y
max
=1。
[0012]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述焊接数据平台包括材料库、实验库、模拟库和预测计算模块。
[0013]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：BP神经网络为误差反向传播的多层网络，通过输出层误差向前计算前面每一层误差。
[0014]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述BP神经网络中神经元的工作过程表达式表示为：其中，表示m个输入变量，是连接权值，表示求和，b为偏置值，f为激活函数，y为输出变量。
[0015]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述BP神经网络输入变量为叶根形式、叶冠形式、分层厚度、进出汽缘半径、截面位置和曲线参数，输出变量为温度。
[0016]作为本专利技术所述的透平叶片电弧增材实时温度场预测方法的一种优选方案，其中：所述温度场预测模型进行训练与验证包括，数据的构造：将几组叶片模拟分析获得的数据通过服务器存储于数据库中；数据的格式化：将数据分为两个独立的数据文件对数据进行再组织，其中一个数据文件用于训练，另一个用于测试，并保证与神经网络输入格式一致；判断收敛：当系统满意地收敛且确认误差临界值得到满足，那么存储ANN参数以备测试，当系统未收敛，那么须修改训练参数直到获得满意结果；寻找最优解：用数据测试文件测试解，在后台处理期间在预测过程中使用具有最小误差的解。
[0017]本专利技术的有益效果：本专利技术提出一种透平叶片电弧增材实时温度场预测方法，通过大批样本对BP神经网络进行训练之后，即可对透平叶片增材实时温度进行预测。建立的BP神经网络模型能反映叶片增材热过程的演变规律，从而选择合理工艺参数与热输入参数，即输入模型与分层厚度，就能快速计算出每层成形路径实时对应电弧热输入功率，为电弧增材精确成形提供保障。将焊接技术、数据库技术与神经网络建模相结合，能够较准确地预测出一定加工条件下的增材温度，减少热量损耗提供理论依据，有效降低了成本，提高了效率。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术一个实施例提供的一种透平叶片电弧增材实时温度场预测方法的整体流程图；图2为本专利技术一个实施例提供的一种透平叶片电弧增材实时温度场预测方法的建立模拟透平叶片增材过程温度场流程图；图3为本专利技术一个实施例提供的一种透平叶片电弧增材实时温度场预测方法的神经元工作流程图；图4为本专利技术一个实施例提供的一种透平叶片电弧增材实时温度场预测方法的BP神经网络结构图；图5为本专利技术一个实施例提供的一种透平叶片电弧增材实时温度场预测方法的BP神经网络模型训练流程图；图6为本专利技术一个实施例提供的一种透平叶片电弧增材实时温度场预测方法的不同隐含层神经元数量误差比较图。
具体实施方式
[0019]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种透平叶片电弧增材实时温度场预测方法，其特征在于：包括，基于型面特征尺寸建立模拟透平叶片增材过程温度场；基于所述温度场建立一个焊接模拟数据库，将温度场计算结果作为模拟样本存储于数据库中；基于焊接模拟数据库和实际焊接数据，搭建一个焊接数据平台；基于所述焊接数据平台建立BP神经网络的温度场预测模型；对所建立的温度场预测模型进行训练与验证。2.如权利要求1所述的一种透平叶片电弧增材实时温度场预测方法，其特征在于：所述建立模拟透平叶片增材过程温度场流程包括，建立模型并定义材料属性、划分单元与网格、添加初始和边界条件、施加移动热源、设置时间步与求解和结果后处理。3.如权利要求2所述的一种透平叶片电弧增材实时温度场预测方法，其特征在于：所述模拟样本通过设计旋转回归试验组合得到。4.如权利要求3所述的一种透平叶片电弧增材实时温度场预测方法，其特征在于：所述样本的数据处理是利用Matlab中mapminmax函数对导入的训练集、测试集进行归一化处理。5.如权利要求4所述的一种透平叶片电弧增材实时温度场预测方法，其特征在于，所述mapminmax函数具体计算公式表示为：其中，x表示试验样本数据中的输入值或期望输出值；x
min
表示样本中最小值；x
max
表示样本中最大值；y表示归一化后范围在[
‑
1,1]的数值，y
min
=
‑
1...

【专利技术属性】
技术研发人员：吕彦明，刘昊程，
申请(专利权)人：江南大学，
类型：发明
国别省市：