【技术实现步骤摘要】
本专利技术属于工程领域中的复合材料制造领域，特别是涉及一种监测数据驱动的复合材料成型参数优化方法。
技术介绍
1、复材在成型过程中，由于复材构件具有不同的结构与铺层、罐内温度和压力分布不均匀、模具与构件相互作用的因素导致成型过程中积累残余应力，构件在脱模后残余应力释放发生翘曲变形。翘曲变形不仅增加了装配难度，还会影响构件的机械性能和耐久性。目前，常通过实验重复试错法优化成型参数，以减小复合材料构件翘曲变形，但该方法周期长，且消耗大量人力物力。
2、通过热压罐参数优化，可以确保复材构件成型后变形较小，从而满足航空航天产品的设计要求。现有技术提出过一种结合有限元仿真和遗传算法的工艺参数优化方法，提取的关键参数以复材成型过程中的升温速度、保温温度、保温时间作为主要优化目标。但这种方法未能考虑实际热压罐成型中复材构件由压力、厚度、模具
3、因素导致的面外和面内的残余应力不均匀。尤其对于大尺寸复合材料构件，面外和面内的残余应力不均匀是引发翘曲的主要原因，因此上述参数优化方法存在局限性。
4、同时，现有技术优化成型工艺参数的过程中，用于训练遗传算法的数据种类少，仅为升温速度、保温温度、保温时间的数值，并非场变量；数据来源单一，仅为仿真计算获得，未结合成型实时监测，也缺乏实验验证，优化得到的参数可能在实际边界之外。因此上述参数优化方法精度和可靠性都较低。
技术实现思路
1、本专利技术针对现有复合材料成型技术中存在的问题，公开了一种监测数据驱动的复合材料成型参数
2、本专利技术是这样实现的：
3、一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的方法包括以下步骤：
4、进行复合材料成型实验并加装传感器进行多点多物理量监测；
5、基于实验监测数据进行多物理场三维重建；
6、分析实验监测数据得到成型参数的优化限制条件；
7、建立复合材料多物理场耦合的有限元仿真模型；
8、根据实验监测数据验证仿真模型并调整参数；
9、通过仿真模型批量化运算得到工艺参数-成型结果数据集；
10、分析成型工艺参数敏感性；
11、基于深度学习构建有限元仿真模型的替代模型；
12、建立结合替代模型的遗传算法并进行迭代，得到优化的工艺参数。
13、进一步，所述的进行复合材料成型实验并加装传感器获得多点的监测数据，是在成型实验中加装包含但不限于热电偶、应变片、压力传感器、光纤光栅传感器，连接信号采集和数据处理设备保存多点温度、应变、压力监测数据。
14、进一步，所述的基于实验监测数据的多物理场三维重建算法结合插值、降噪、平滑算法，实现成型过程中复合材料温度场、应变场、压力场的重建。
15、进一步，所述的成型参数优化限制条件为成型实验中监测到的实际温度、压力范围及变化速率的实际限制。
16、进一步，所述的复合材料多物理场耦合的有限元仿真模型，包含热传导、固化发热、应变、应力松弛模块，可根据复合材料基体材料特性选用。
17、进一步，所述的根据多物理场监测数据对仿真模型进行模型验证，并采用网格搜索法调整模具-制件界面模量。
18、进一步，所述的复合材料多物理场耦合的有限元仿真模型准确性通过包括复合材料成型实验所得的变形量或对比烘箱中复合材料悬臂梁挠度变化来评价。
19、进一步，所述的工艺参数-成型仿真数据集是一个包含多个复合材料成型仿真输入输出数据样本的集合。输入参数包含时间-空间相关的温度、压力载荷，复合材料结构三维尺寸、铺层和复合材料材料特性，输出参数为复合材料成型结果。工艺参数－成型结果数据集中工艺参数包含时间-空间相关的温度、压力载荷，复合材料三维尺寸、铺层结构变量，复材成型结果。
20、进一步，所述的参数敏感性分析方法包括多元回归分析方法、傅里叶幅度敏感性检验。所述的成型参数敏感性分析是针对温度、压力关键成型参数进行敏感性分析，根据对复合材料成型后变形的影响大小排序。
21、进一步，所述的替代模型为结合卷积神经网络、前馈神经网络的深度学习模型。首先通过交互界面选取遗传算法并进行编码方式、选择算子、交叉算子、变异算子的设置，然后通过对接模块实现遗传算法与替代模型的联结。根据设定的优化目标进行自动计算，并可通过可视化界面实时显示优化参数并控制优化进程。所述的替代模型使用工艺参数-成型仿真数据集训练，达到模型收敛条件后保存为包含模型参数与结构的文件。
22、进一步，遗传算法的选取包含编码方式、适应度函数的建立、选择算子设置、交叉算子设置、变异算子设置。所述的遗传算法包括标准遗传算法、多目标遗传算法、差分进化算法。
23、本专利技术与现有技术相比的有益效果在于：
24、本专利技术介绍了一种监测数据驱动的复合材料成型参数优化方法，该方法结合了复合材料成型监测、有限元分析和改进遗传算法。只需较少次数的复合材料成型监测实验即可完成成型参数的优化，可有效提高复合材料的成型质量，并大幅降低资金、人力、时间、能源消耗。
25、本专利技术方法能够结合成型过程中复合材料的真实情况优化工艺参数，不仅有望提高复合材料成型工艺效率和产品质量，还具备推广应用于其他制造领域的潜力，促进智能制造的发展。
26、本专利技术首先通过监测成型过程中复材构件表面及内部的多点温度、应变、应力值，再通过插值获得连续温度场、应变场、应力场，并结合热-化-力多场耦合的有限元仿真，再对成型关键参数，如：温度、压力和厚度的影响进行深入分析，评估成型质量的参数敏感性。随后，采用改进的遗传算法来优化参数组合，以实现复材成型参数的最优化设计。该方法充分考虑成型过程中复合材料的真实情况优化工艺参数，不仅有望提高复合材料工艺效率和产品质量，还具备推广应用于其他制造领域的潜力，促进智能制造的发展。
本文档来自技高网...【技术保护点】
1.一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的方法包括以下步骤：
2.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，进行复合材料成型实验并加装包括热电偶、应变片、压力传感器、光纤光栅传感器实现多点多物理量监测，连接信号采集和数据处理设备保存多点温度、应变、压力的监测数据。
3.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的基于实验监测数据的多物理场三维重建算法结合插值、降噪、平滑算法，实现成型过程中复合材料温度场、应变场、压力场重建。
4.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的成型参数优化限制条件为成型实验中监测到的温度、压力范围及变化速率的实际设备限制。
5.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的复合材料多物理场耦合的有限元仿真模型，包括热传导、固化发热、应变、应力松弛模块，根据复合材料基体材料特性选用不同的模块。
6.根据权利要求1所述的一种监测
7.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的工艺参数-成型仿真数据集是一个包含多个复合材料成型仿真输入输出数据样本的集合；输入参数包含时间-空间相关的温度、压力载荷，复合材料结构三维尺寸、铺层和复合材料材料特性，输出参数为复合材料成型结果。
8.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的参数敏感性分析方法包括多元回归分析方法、傅里叶幅度敏感性检验。
9.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的替代模型包括结合卷积神经网络、前馈神经网络的深度学习模型；首先通过交互界面选取遗传算法并进行编码方式、选择算子、交叉算子、变异算子的设置，然后通过对接模块实现遗传算法与替代模型的联结，根据设定的优化目标进行自动计算，并可通过可视化界面实时显示优化参数并控制优化进程。
...【技术特征摘要】
1.一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的方法包括以下步骤：
2.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，进行复合材料成型实验并加装包括热电偶、应变片、压力传感器、光纤光栅传感器实现多点多物理量监测，连接信号采集和数据处理设备保存多点温度、应变、压力的监测数据。
3.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的基于实验监测数据的多物理场三维重建算法结合插值、降噪、平滑算法，实现成型过程中复合材料温度场、应变场、压力场重建。
4.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的成型参数优化限制条件为成型实验中监测到的温度、压力范围及变化速率的实际设备限制。
5.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的复合材料多物理场耦合的有限元仿真模型，包括热传导、固化发热、应变、应力松弛模块，根据复合材料基体材料特性选用不同的模块。
6.根据权利要求1所述的一种监测数据驱动的复合材料成型参数优化方法，其特征在于，所述的根...
【专利技术属性】
技术研发人员：吴奇，白腾飞，王彦丰，张煜曦，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。