机理—数据融合的薄壁叶片加工变形预测方法技术

本发明专利技术专利面向薄壁叶片加工变形预测的机理引导数据驱动方法，主要包含以下步骤：1.建立基于机床主轴功率的铣削力模型；2.建立薄壁叶片加工变形机理模型；3.薄壁叶片加工变形数据驱动模型数据集构建；4.基于蒙特卡洛模拟方法进行数据增强；5.机理引导的数据驱动薄壁叶片加工变形预测。叶片加工变形预测。叶片加工变形预测。

【技术实现步骤摘要】
机理
—
数据融合的薄壁叶片加工变形预测方法


[0001]本专利技术属于复杂薄壁零件精密加工制造
，具体涉及一种数据驱动的薄壁叶片加工变形预测方法。

技术介绍

[0002]薄壁叶片作为航空发动机、核电汽轮机等高端装备的重要零件，其加工质量对装备的性能会产生直接影响。薄壁叶片自身具有弱刚性特征，铣削时易产生弹性变形，导致叶片出现加工误差，对叶片加工变形补偿前需要对其加工变形进行预测。传统预测方法如基于机理模型的薄壁件加工变形预测方法，由于铣削加工过程中的多因素耦合，且建模时理论与实际坐标系的不统一，使模型存在近似误差，影响加工变形的预测精度。此外，数据驱动模型预测方法存在不收敛的问题。因此，利用数据驱动模型学习能力和机理模型理论支撑的优点，采用机理—数据融合的薄壁叶片加工变形预测方法，提高薄壁叶片加工变形预测精度和效率。
[0003]文献“航发叶片铣削弹性变形量预测与工艺参数优化”提出了一种基于机理引导的数据驱动加工变形预测方法。该方法基于Deform和ABAQUS平台建立叶片铣削机理模型，采集叶片弹性变形，结合遗传算法和BP神经网络对叶片弹性变形进行预测，改善了航空发动机叶片半精铣型面工序轮廓加工精度超差问题。上述基于有限元技术建立的机理模型精度受到过程参数设置以及计算机性能的限制，且采集过少的数据影响其数据驱动模型的训练精度，导致薄壁件加工变形预测效率和精度存在局限性。

技术实现思路

[0004][0005]本专利技术针对现有基于机理引导的数据驱动薄壁叶片加工变形预测的局限性，通过从薄壁叶片加工过程中铣削力建模、叶片铣削加工变形机理建模以及机理引导的数据驱动建模对薄壁叶片进行变形预测，提高预测的效率和精度，为薄壁叶片加工过程的变形控制提供一定理论指导意义。具体步骤如下：
[0006]步骤1、建立基于机床主轴功率的铣削力模型。通过试验标定基于铣削力的主轴功率模型，求解反函数得到基于主轴功率的铣削力模型
[0007]步骤2、建立薄壁叶片加工变形机理模型。基于有限元法进行薄壁叶片刚度计算以及叶片弹性变形分布计算，通过UG二次开发程序建立叶片中弧面模型以及测量点法矢，获得了叶片模型刚度和弹性变形分布，分析薄板铣削加工残余应力状态，建立弹性变形、加工
残余应力变形的叶片机理模型。
[0008]步骤3、建立薄壁叶片加工变形数据驱动模型数据集。输入数据集在叶片选取样本点分别求解刚度值和法向矢量，输出数据集通过UG二次开发程序计算测量数据到叶背型面最小距离，得到测量点的加工变形量。
[0009]步骤4、基于蒙特卡洛模拟方法进行数据增强，划分加工变形数据，利用模拟数据训练模型，利用实测数据测试模型，如此划分保证了有足够的数据进行数据驱动模型训练，又能观测到训练好的模型在真实数据集上的表现。
[0010]步骤5、建立极限学习机的薄壁叶片加工变形预测模型，用麻雀搜索算法对预测模型进行参数优化，结合薄壁叶片变形机理模型对薄壁叶片加工变形进行预测，使得预测出的薄壁叶片加工变形具有较高的精度和效率。
[0011]本专利技术面向航空发动机薄壁叶片变形预测低效率、低精度和局限性的问题，提出了一种机理引导的数据驱动薄壁叶片加工变形预测方法，该方法具有以下有益效果：
[0012]1.在本预测方法中，利用有限元法的刚度计算和叶片弹性变形分布计算，建立中弧面获取叶片刚度和弹性变形分布，提高了计算效率。
[0013]2.在本预测方法中，基于蒙特卡洛方法对输出样本进行数据增强，实现了基于小样本的数据驱动模型建立，减轻了实际生产中数据采集的工作量。
[0014]3.本预测方法结合数据驱动模型学习能力和机理模型理论支撑的优点，使预测模型在精度与效率方面具有综合优势，其RMSE较优化前减少了30.5％，且模型训练速度快，具有一定的工程应用性。
附图说明
[0015]图1为本专利技术专利铣削力模型图
[0016]图2为本专利技术专利铣削力的投影关系图
[0017]图3为本专利技术专利叶片中弧面模型网格划分图
[0018]图4为本专利技术专利加工残余应力的等效弯矩作用图
[0019]图5为本专利技术专利薄壁叶片弹性变形以及加工残余应力变形示意图
[0020]图6为本专利技术专利加工变形模拟数据概率密度函数以及分布
[0021]图7为本专利技术专利使用不同激励函数模型的损失
[0022]图8为本专利技术专利SSA优化ELM参数流程图
[0023]图9为本专利技术专利基于机理引导的数据驱动模型预测薄壁叶片变形总流程图
具体实施方式
[0024]下面以核电汽轮机叶片为研究对象说明本专利技术的具体实施方式。步骤1、建立基于机床主轴功率的铣削力模型。
[0025]对机床铣削功率建模时，先建立铣削力模型，因所研究的薄壁叶片加工刀具为环形刀，故铣削力模型参照图1。
[0026]首先根据机床主轴的旋转运动，将切削刃离散成微元，每个切削刃微元在径向、轴向和切向消耗的旋转功率为：
[0027][0028]其中：dP
R,r
、dP
R,a
、dP
R,t
为切削刃微元在径向、轴向和切向的微分铣削功率；dF
t,i,s
为切削力在刀具坐标系下的切向分量；v为切削刃微元瞬时铣削速度，m/min。通过上述分析，刀具微元切削刃旋转去除材料的功率为：
[0029]dP
R
＝dP
R,t
＝v
c
dF
t,i,s
ꢀꢀꢀꢀꢀ
(2)
[0030]根据进给伺服系统的进给运动，每个切削刃微元在径向、轴向和切向消耗的进给切削功率为：
[0031][0032]其中：v
f
为进给速度；为铣削刃微元的瞬时浸入角。通过上述分析，刀具微元切削刃进给去除材料的功率为：
[0033][0034]然后基于上述对微元切削刃旋转运动以及进给运动消耗功率分量的建模分析，可知二者构成了正在切削的微元切削刃消耗的总功率为：
[0035][0036]通过坐标变换可以将微元切削刃的瞬时切削力转变到机床坐标系下，由此可得x,y,z三个方向的微元瞬时切削分力为：
[0037][0038]上述推导分析可得微元切削刃的瞬时切削功率模型为：
[0039][0040]参照图2铣削力的投影关系，沿刀具的轴向切深对参加切削的刀齿部分进行积分，鉴于实际切削过程中刀具转动周期极短，平均功率相比于瞬时功率有更强的实用性，刀具一个转动周期的平均切削功率可表示为：
[0041][0042]通过铣削试验，将得到的铣削力以及功率数据进行线性拟合，得到铣削功率P
Cut
关于切削分力F
x
、F
y
、F
z
的预测模型为：
[0043][0044]步骤2、建立薄壁叶片加工变形机理模型。
[0045]首先基于有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明专利面向机理—数据融合的薄壁叶片加工变形预测方法，主要包含以下步骤：步骤一、建立基于机床主轴功率的铣削力模型。步骤二、建立薄壁叶片加工变形机理模型。步骤三、薄壁叶片加工变形数据驱动模型数据集构建。步骤四、基于蒙特卡洛模拟方法进行数据增强。步骤五、机理引导的数据驱动薄壁叶片加工变形预测。2.根据权利要求书1中所述的面向薄壁叶片加工变形预测的机理引导数据驱动方法，限定对象为薄壁叶片。3.根据权利要求书1中所述...

【专利技术属性】
技术研发人员：吴宝海，董立卓，张思琪，张钊，张莹，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：