复合材料成型加工可靠性评估方法、系统以及设备技术方案

本发明专利技术提供了一种复合材料成型加工可靠性评估方法、系统以及设备，该复合材料成型加工可靠性评估方法，包括以下步骤：设计复合材料成型加工可靠性评估模型；初步复合材料成型加工可靠性评估模型；训练复合材料成型加工可靠性评估模型；以及响应于用户的建议指令，设定材料的标准性能指标，复合材料成型加工可靠性评估模型输出加工成型各工艺条件形成具体可行性操作方案；其中，神经网络通过若干神经元相互连接，执行权值计算，在权值调整阶段，神经网络的一轮的连接权值的调整量＝学习率×梯度×上一层输出信号；其中，将复合材料加工成型的工艺条件中模具温度、熔融温度、注射时间、保压压力、保压时间作为输入层的自变量。

【技术实现步骤摘要】

本专利技术涉及计算机领域，尤其涉及一种复合材料成型加工可靠性评估方法、系统以及设备。

技术介绍

1、无机非金属材料、有机高分子材料和金属材料是现代技术中并列的三大材料。而复合材料作为前两者技术相结合的新材料，逐渐成为重要的工业原料之一，在制造业中拥有较高的普及程度和十分广泛的应用。

2、复合材料的成型加工技术，是一种蕴含复杂工艺、需要不断技术更新的学科。在当今业内普遍采用粗放式的加工方式，高度依赖丰富加工经验的管理人员的行业现状下，其始终无法突破从低端制造转向中高端制造的瓶颈。因此，需要将先进的自动化生产管理模式与人工智能系统相结合，也就是说，需要将发展日趋成熟的人工智能技术，引入传统加工制造业，领导产业革新与技术发展。这不仅可以提升产业中的优质产能，淘汰落后产能，还可以实现较大范围内的创新活动、技术更新和产业升级。

技术实现思路

1、本专利技术的目的之一在于提供一种复合材料成型加工可靠性评估方法、系统以及设备，能够对复合材料成型的各项加工环节实时监控，提供复合材料成型加工可靠性评估模型，执行精准本文档来自技高网...

【技术保护点】

1.一种复合材料成型加工可靠性评估方法，其特征在于，所述复合材料成型加工可靠性评估方法包括以下步骤：

2.如权利要求1所述的复合材料成型加工可靠性评估方法，其中所述复合材料成型加工可靠性评估方法还包括步骤：设定复合材料加工成型标准性能指标作为期望值，将其作为神经网络模型输入层中的自变量，经隐含层逐层往后正向传播，输出各成型工艺参数；将输出的各成型工艺参数，经工艺验证，所得检测的实际性能结果；将输出的各成型工艺参数，作为神经网络模型的输入层的实时自变量，经反向误差传播算法，输出预测的性能指标；将实际性能结果与预测性能结果作差，若不能满足网络总误差小于1‰的期望，网络将从输出层逐...

【技术特征摘要】

1.一种复合材料成型加工可靠性评估方法，其特征在于，所述复合材料成型加工可靠性评估方法包括以下步骤：

2.如权利要求1所述的复合材料成型加工可靠性评估方法，其中所述复合材料成型加工可靠性评估方法还包括步骤：设定复合材料加工成型标准性能指标作为期望值，将其作为神经网络模型输入层中的自变量，经隐含层逐层往后正向传播，输出各成型工艺参数；将输出的各成型工艺参数，经工艺验证，所得检测的实际性能结果；将输出的各成型工艺参数，作为神经网络模型的输入层的实时自变量，经反向误差传播算法，输出预测的性能指标；将实际性能结果与预测性能结果作差，若不能满足网络总误差小于1‰的期望，网络将从输出层逐层向前各层修正网络的连接权值减小误差，进行学习算法迭代，设定的标准性能指标不变，循环代入新的实时自变量，进行顺位列次修正网络的连接权值进行迭代，由此神经网络模型进入新数值自我学习更新状态，当判断误差不再下降，且满足网络总误差小于1‰的期望时，完成网络的训练。

3.如权利要求1所述的复合材料成型加工可靠性评估方法，其中所述复合材料成型加工可靠性评估方法还包括步骤：设定复合材料的翘曲变形量的标准指标，将其作为神经网络输入层的自变量，经隐含层中传递反函数，逐层往后正向传播，输出各加工成型的工艺条件模具温度、熔融温度、注射时间、保压压力、保压时间，而后进行实验产品制样，检测实验产品制样得出实际翘曲变形量；与此同时，输出的各加工成型工艺条件，将作为神经网络输入层的实时自变量，经隐含层中传递函数逐层往后正向传播，预测翘曲变形量；将实际翘曲变形量与预测翘曲变形量对比分析，若不能满足网络总误差小于1‰，网络从输出层逐层向前各层修正连接权值减小误差，隐含层中的传递函数及传递反函数各迭代一次，设定复合材料的翘曲变形量的标准指标不变，输出新的各加工成型的工艺条件作为实时自变量，进行第二轮神经网络模型训练，从而神经网络模型开始进入深度学习状态，循环往复，当判断误差不再下降，且满足网络总误差小于1‰的期望时，完成训练。

4.如权利要求1所述的复合材料成型加工可靠性评估方法，其中所述复合材料成型加工可靠性评估方法包括以下步骤：响应于用户的建议指令，输出修正建议和可行性方案。

5.如权利要求1至4中任一所述的复合材料成型加工可靠性评估方法，其中复合材料成型加工可靠性评估模型为bp神经网络模型，其中bp神经网络模型包括输入层、输出层和多层隐含层。

6.如权利要求5所述的复合材料成型加工可靠性评估方法，其中所述设计bp神经网络模型步骤包括步骤：确定网络层数、输入层、隐含层、输出层节点数以及传输函数。

7.如权利要求5所述的复合材料成型加工可靠性评估方法，其中所述复合材料成型加工可靠性评估方法还包括步骤：复合材料加工成型的工艺条件中模具温度、熔融温度、注射时间、保压压力、保压时间作为输入层的自变量，代入一组现有真实数据；经隐含层逐层往后正向传播，以复合材料的翘曲变形量作为输出层中期望值进行输出；期望值与自变量对应历史真实翘曲变形量进行作差，若不能满足网络总误差小于1‰的期望时，网络从输出层逐层向前各层修正网络的连接权值减小误差，循环代入新的现有真实数据作为自变量，进行顺位列次修正网络的连接权值执行迭代，当判断为现有真实数据用尽时，且误差不再下降...

【专利技术属性】
技术研发人员：董坤，谢小荣，程晓霞，陆文兵，
申请(专利权)人：无锡晟昇高科有限公司，
类型：发明
国别省市：