制造工艺无量纲参数降维及其控制函数获取方法和系统技术方案

本发明专利技术提供了一种制造工艺无量纲参数降维及其控制函数获取方法和系统，包括：步骤1：获取实验数据集，包括制造过程中的工艺参数和相对应的每种工艺参数下的目标物理特征值，构建制造工艺的参数空间；步骤2：基于制造工艺的参数空间，对制造工艺参数进行量纲分析，获得一系列无量纲参数，建立无量纲参数与目标物理特征值的函数关系；步骤3：利用实验数据集，通过多项式拟合或机器学习的方法对无量纲参数与目标物理特征值的函数关系进行训练优化，最终获得描述目标物理特征值的关键无量纲参数以及相关函数关系。本发明专利技术可以将高维工艺参数空间简化为只涉及几个无量纲参数的形式，有效降低工艺设计以及参数优化难度。降低工艺设计以及参数优化难度。降低工艺设计以及参数优化难度。

【技术实现步骤摘要】
制造工艺无量纲参数降维及其控制函数获取方法和系统


[0001]本专利技术涉及材料加工制造
，具体地，涉及一种制造工艺无量纲参数降维及其控制函数获取方法和系统。

技术介绍

[0002]在一些复杂的制造工艺中，零件最终的性能会受到材料、工艺以及后处理等多种因素的影响，影响因素可以达到几十种，每种参数的微小变化都会对材料性能产生明显的影响。由于工艺参数众多，导致加工过程中参数寻优困难，采用传统的实验试错方法几乎无法完成，该问题在增材制造这种多参数复杂工艺中表现的尤为明显。
[0003]以冷喷涂增材制造为例，其作为一种固态沉积技术，是通过压缩气流将微米级的粉末颗粒加速到超音速，利用动能使材料之间发生结合，整个过程材料温度始终远低于熔点，可以有效避免材料高温熔化产生的不利影响，具有材料氧化少、材料残余应力低、对基体热影响小等优点。与传统制造加工技术相比，冷喷涂增材制造技术可以解决以往复杂形状零件难以加工的问题，实现复杂结构零件的近净成形；且能根据零件的需要设计材料内部不同区域的成分以及微观结构，提高零件对应用工况的适应能力，已经成为推动加工制造体系创新改革的一项重要技术。
[0004]随着冷喷涂增材制造使用材料种类逐渐增加、制造零件的形状更加复杂，确定最佳的冷喷涂工艺参数来达到所加工零件的性能要求至关重要。但是由于冷喷涂增材制造加工过程复杂，影响零件最终成形性能的工艺参数众多，有20多个参数会对零件的最终质量产生至关重要的影响，如果使用交叉试验优化参数的方法，相对应的工艺参数组合可以达到1020种，在如此海量的工艺参数组合下，通过实验试错的方法来实现零件性能的最优化是几乎不可能完成的工作。
[0005]基于物理模型的仿真模拟降低了工艺参数优化的经济成本，促进了对冷喷涂增材制造中多工艺参数
‑
微观组织
‑
宏观性能三者关系的理解，但是由于冷喷涂增材制造参数众多，当载气温度、载气压力、粉末种类以及基板加热温度等任一参数发生改变时，均需要重新建模并更新相关参数设置，重新进行计算，每次计算一般需要几个小时甚至几十个小时，造成计算时间成本上的极大负担。由于经济以及时间成本的限制，以上方法仅能在一个狭小的加工窗口范围内寻优，导致寻优结果具有一定的偶然性，也制约了冷喷涂增材制造工业化应用的进一步发展。
[0006]专利文献CN110045002A(申请号：CN201910398662.1)公开了一种磁声发射信号无量纲特征参数提取方法，通过Unwinding AFD算法将信号分解为单分量函数，通过选择能量差较小的单分量函数组成重构信号；在不同励磁条件下分别提取低周疲劳状态和高周疲劳状态下的磁声发射信号传统特征参数和无量纲特征参数，通过归一化处理，将传统特征参数与无量纲特征参数进行对比，取得无量纲特征参数对早期故障微观组织结构状态和应力状态分析结果。然而该专利无法解决目前存在的技术问题。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种制造工艺无量纲参数降维及其控制函数获取方法和系统。
[0008]根据本专利技术提供的制造工艺无量纲参数降维及其控制函数获取方法，包括：
[0009]步骤1：获取实验数据集，包括制造过程中的工艺参数和相对应的每种工艺参数下的目标物理特征值，构建制造工艺的参数空间；
[0010]步骤2：基于制造工艺的参数空间，对制造工艺参数进行量纲分析，获得一系列无量纲参数，建立无量纲参数与目标物理特征值的函数关系；
[0011]步骤3：利用实验数据集，通过多项式拟合或机器学习的方法对无量纲参数与目标物理特征值的函数关系进行训练优化，最终获得描述目标物理特征值的关键无量纲参数以及相关函数关系。
[0012]优选的，工艺参数是在冷喷涂增材制造过程中可进行调控的参数，通过改变工艺参数调控喷涂材料的性能；工艺参数包括载气温度T
g
、载气压力P、喷涂距离L
S
、粉末密度ρ、粉末粒径L
P
、粉末硬度H
P
和基体硬度H
S
；
[0013]目标物理特征值是反映材料性能的无量纲数，包括颗粒长纵比和材料孔隙率；变形后颗粒的长纵比越大，材料性能越好；材料内部孔隙率越小，材料性能越好。
[0014]优选的，所述步骤2包括：
[0015]构建目标物理特征值Y与工艺参数之间的关系，表达式为：
[0016]Y＝f(p1,p2,
…
p
n
)＝f(p)
[0017]其中，p为输入变量幂的乘积，表达式为：变量的幂用向量w表示，为：w＝[w1,w2…
w
n
]T
；n是复杂工艺中工艺参数的数量；p1是复杂工艺过程中的某一个参数，w1是该工艺参数的幂，到的乘积构成无量纲参数p；
[0018]根据长度L、时间T、质量M和温度Θ建立制造工艺参数的量纲矩阵D，表达式为：
[0019]D＝[v(p1),v(p2),
…
v(p
n
)][0020]对于载气压力P，所对应的维度向量v(P)＝[
‑
1,
‑
2,1,0]T
；
[0021]对量纲矩阵D进行行变换，计算矩阵的秩r；
[0022]对制造工艺参数空间进行无量纲化处理，满足方程Dw＝0的解w表示为：
[0023]w＝γ1w1+γ2w2+
…
+γ
K
w
K
[0024]K＝n
‑
r
[0025]其中，γ1,γ2,
…
γ
K
为量纲参数。
[0026]优选的，所述步骤3包括：使用多项式拟合或者神经网络对上述样本训练集对得到的无量纲数进行训练，建立目标物理特征值与无量纲参数之间的函数关系；
[0027]当构建多项式为五阶多项式时，其表达式写为：Y＝f(p)＝β0+β1p+β2p2+β3p3+β4p4+β5p5，相关系数向量β＝[β0,β1,β2,β3,β4,β5]；其中，β0,β1,β2,β3,β4,β5为多项式系数。
[0028]优选的，采用两级优化方法来确定回归问题中的两组未知参数：量纲参数γ以及多项式系数β；
[0029]优化过程包括多个迭代过程，在保持第二级多项式系数β保持不变的情况下，调整第一级量纲参数γ；之后保持γ不变，优化多项式系数β，重复这个过程，将测试数据集的相关性系数R2作为数据学习表现的衡量指标；通过上述反复迭代过程，找到与高R2值相应的
无量纲数，将其作为描述该物理特征的最主要的无量纲参数并得到相关函数关系。
[0030]根据本专利技术提供的制造工艺无量纲参数降维及其控制函数获取系统，包括：
[0031]模块M1：获取实验数据集，包括制造过程中的工艺参数和相对应的每种工艺参数下的目标物理特征值，构建制造工艺的参数空间；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种制造工艺无量纲参数降维及其控制函数获取方法，其特征在于，包括：步骤1：获取实验数据集，包括制造过程中的工艺参数和相对应的每种工艺参数下的目标物理特征值，构建制造工艺的参数空间；步骤2：基于制造工艺的参数空间，对制造工艺参数进行量纲分析，获得一系列无量纲参数，建立无量纲参数与目标物理特征值的函数关系；步骤3：利用实验数据集，通过多项式拟合或机器学习的方法对无量纲参数与目标物理特征值的函数关系进行训练优化，最终获得描述目标物理特征值的关键无量纲参数以及相关函数关系。2.根据权利要求1所述的制造工艺无量纲参数降维及其控制函数获取方法，其特征在于，工艺参数是在冷喷涂增材制造过程中可进行调控的参数，通过改变工艺参数调控喷涂材料的性能；工艺参数包括载气温度T
g
、载气压力P、喷涂距离L
S
、粉末密度ρ、粉末粒径L
P
、粉末硬度H
P
和基体硬度H
S
；目标物理特征值是反映材料性能的无量纲数，包括颗粒长纵比和材料孔隙率；变形后颗粒的长纵比越大，材料性能越好；材料内部孔隙率越小，材料性能越好。3.根据权利要求1所述的制造工艺无量纲参数降维及其控制函数获取方法，其特征在于，所述步骤2包括：构建目标物理特征值Y与工艺参数之间的关系，表达式为：Y＝f(p1,p2,
…
p
n
)＝f(p)其中，p为输入变量幂的乘积，表达式为：变量的幂用向量w表示，为：w＝[w1,w2…
w
n
]
T
；n是复杂工艺中工艺参数的数量；p1是复杂工艺过程中的某一个参数，w1是该工艺参数的幂，到的乘积构成无量纲参数p；根据长度L、时间T、质量M和温度Θ建立制造工艺参数的量纲矩阵D，表达式为：D＝[v(p1),v(p2),
…
v(p
n
)]对于载气压力P，所对应的维度向量v(P)＝[
‑
1,
‑
2,1,0]
T
；对量纲矩阵D进行行变换，计算矩阵的秩r；对制造工艺参数空间进行无量纲化处理，满足方程Dw＝0的解w表示为：w＝γ1w1+γ2w2+
…
+γ
K
w
K
K＝n
‑
r其中，γ1,γ2,
…
γ
K
为量纲参数。4.根据权利要求1所述的制造工艺无量纲参数降维及其控制函数获取方法，其特征在于，所述步骤3包括：使用多项式拟合或者神经网络对上述样本训练集对得到的无量纲数进行训练，建立目标物理特征值与无量纲参数之间的函数关系；当构建多项式为五阶多项式时，其表达式写为：Y＝f(p)＝β0+β1p+β2p2+β3p3+β4p4+β5p5，相关系数向量β＝[β0,β1,β2,β3,β4,β5]；其中，β0,β1,β2,β3,β4,β5为多项式系数。5.根据权利要求4所述的制造工艺无量纲参数降维及其控制函数获取方法，其特征在于，采用两级优化方法来确定回归问题中的两组未知参数：量纲参数γ以及多项式系数β；优化过程包括多个迭代过程，在保持第二级多项式系数β保持不变的情况下，调整第一级量纲参数γ；之后保持γ不变，优化多项式系数β，重复这个过程，将测试数据集的相关性
系数R2作为数据学习表现的衡量指标；通过上述反复迭代过程，找到与高R2值相应的无量纲数，将其作为描述该物理特征...

【专利技术属性】
技术研发人员：何霁，张凌宇，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：