【技术实现步骤摘要】
本专利技术涉及锻造模具温度测量领域，尤其涉及一种基于稀疏传感器的锻模三维温度重建方法及装置。
技术介绍
1、在工程制造、医疗健康以及环境监测等多个领域，温度测量都起着着至关重要的作用。以工程制造为例，锻造热加工是形成汽车、航空航天、军工等领域关键构件的核心过程，如汽车的前轴和曲轴，飞机的起落架和框梁，风电的主轴承，以及航空发动机的叶片等，这些部件的制造过程中，锻模的温度对材料的塑形变形行为具有决定性的影响，从而直接影响着最终产品的形貌和组织力学性能。模具温度的不适宜可能导致材料变形抗力增大、开裂以及型腔填充不足等问题，精确测量和控制模具温度是确保产品成形质量的关键。
2、锻造成形数值模拟能获得锻造成形任意时刻、模具任意位置三维温度场分布，但有限元数值模拟建模过程复杂，计算时间长，实时性差，且由于理论模型难以完全描述实际场景，如材料热变形特性、零件-环境换热特性等，导致数值模拟获得温度分布结果与实际存在一定偏差；而通过布置热电偶测点、红外热成像的方式，仅能获得表面稀疏点温度值，且仅能获得表面温度，无法获取内部三维全场温度分布，操作繁琐且效率低下。
3、而目前并没有一种快速度高效的锻模三维全场温度重建方法及装置。
技术实现思路
1、本专利技术提供了一种基于稀疏传感器的锻模三维温度重建方法及装置，利用深度神经网络的非线性预测能力，学习三维温度场基本分布规律，利用有限稀疏温度点，实现全局三维温度场的预测。
2、第一方面，本专利技术提供了一种基于稀疏传感器
3、根据布设于每一预设位置的热电偶传感器，获取每一热电偶稀疏温度，所述预设位置包括模具上表面非型腔位置上的任一点位、左侧面上的任一点位、右侧面上的任一点位、前侧面上的任一点位以及后侧面上的任一点位；
4、输入所有热电偶稀疏温度至预设神经网络模型，获取所述预设神经网络模型输出的，所述模具在预设立方体网格中，每一网格节点上的模具温度；
5、基于所有网格节点上的模具温度，在所述预设立方体网格中构建所述模具的温度场；
6、其中，所述预设神经网络模型是根据所有样本热电偶稀疏温度集，以及每一样本热电偶稀疏温度集对应的样本模具温度集进行训练后得到的，每一样本热电偶稀疏温度集包括布设于所有预设位置的，不同工艺参数以及不同目标增量步下的每一热电偶稀疏温度样本数据，每一样本模具温度集包括所有网格节点上的，不同工艺参数以及不同目标增量步下的每一模具温度样本数据。
7、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，所述不同工艺参数包括不同上模下压速度、不同胚料预热温度以及不同模具预热温度，在获取布设于每一预设位置的每一热电偶稀疏温度之前，所述方法还包括：
8、获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的样本模具温度集；
9、获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的样本热电偶稀疏温度集；
10、其中，所述目标增量步是根据多道次连续锻造模式中，每一道次下的初始增量步确定的，所述道次包括锻前等待、锻造成形以及锻后等待。
11、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，在获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的样本模具温度集之前，所述方法还包括：
12、根据预设采样方式，从所有初始增量步中，确定出每一目标增量步；
13、所述预设采样方式包括从所有初始增量步中，每间隔预设增量步进行一次采样，确定出每一目标增量步；
14、或者，采样随机采样的方式，从所有初始增量步中，确定出每一目标增量步。
15、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，在输入所有热电偶稀疏温度至预设神经网络模型之前，所述方法还包括：
16、根据所述模具在长度方向的最大长度、在宽度方向的最大宽度以及在高度方向上的最大高度，确定矩形包围盒；
17、根据二叉树分割方法，逐层建立所述矩形包围盒对应的二叉树层次包围盒，所述二叉树层次包围盒是根据所有四面体网格单元为基本组成单元形成的；
18、根据预设模拟软件获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的每一四面体网格单元的顶点温度。
19、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，在根据预设模拟软件获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的每一四面体网格单元的顶点温度之后，所述方法还包括：
20、根据预设间距划分所述矩形包围盒，确定所述矩形包围盒对应的所述预设立方体网格；
21、确定所述预设立方体网格中，每一网格节点所处的目标四面体网格单元；
22、对于每一目标四面体网格单元，根据所述目标四面体网格单元对应的四个目标顶点温度，以及网格节点到每一目标顶点的距离，确定与目标四面体网格单元相对应网格节点的模具温度；
23、遍历所有网格节点，直至确定所述模具在预设立方体网格中，每一网格节点上的模具温度；
24、将所述模具在预设立方体网格中，每一网格节点上的模具温度，确定为在当前上模下压速度、当前胚料预热温度以及当前模具预热温度下，当前目标增量步对应的样本模具温度集。
25、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，所述根据所述目标四面体网格单元对应的四个目标顶点温度，以及网格节点到每一目标顶点的距离，确定与目标四面体网格单元相对应网格节点的模具温度，包括：
26、
27、其中，tmnk为模具温度，t1、t2、t3、t4分别为所述目标四面体网格单元对应的四个目标顶点温度，l1、l2、l3、l4分别为网格节点到每一目标顶点的距离。
28、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，在根据所述目标四面体网格单元对应的四个目标顶点温度，以及网格节点到每一目标顶点的距离，确定与目标四面体网格单元相对应网格节点的模具温度之后，所述方法还包括：
29、确定每一预设位置在所述预设立方体网格中的坐标位置；
30、对于每一预设位置，根据所述坐标位置确定与所述预设位置距离最近的网格节点；
31、替换所述网格节点的模具温度为所述预设位置对应的热电偶稀疏温度；
32、更新所述预设立方体网格中，每一网格节点的模具温度。
33、根据本专利技术提供的基于稀疏传感器的锻模三维温度重建方法，在获取每一热电偶稀疏温度之后，所述方法还包括：
34、确定当前增量步对应的目标神经网络模型；
35、输入所有热电偶稀疏温度至目标神经网络模型，获取所述目标神经网络模型输出的，所述模具在预设立方体网格中，每一网格节点上的模具温度；
3本文档来自技高网...
【技术保护点】
1.一种基于稀疏传感器的锻模三维温度重建方法，其特征在于，包括：
2.根据权利要求1所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，所述不同工艺参数包括不同上模下压速度、不同胚料预热温度以及不同模具预热温度，在获取布设于每一预设位置的每一热电偶稀疏温度之前，所述方法还包括：
3.根据权利要求2所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的样本模具温度集之前，所述方法还包括：
4.根据权利要求1所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在输入所有热电偶稀疏温度至预设神经网络模型之前，所述方法还包括：
5.根据权利要求4所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在根据预设模拟软件获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的每一四面体网格单元的顶点温度之后，所述方法还包括：
6.根据权利要求5所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，所述根据所
7.根据权利要求5所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在根据所述目标四面体网格单元对应的四个目标顶点温度，以及网格节点到每一目标顶点的距离，确定与目标四面体网格单元相对应网格节点的模具温度之后，所述方法还包括：
8.根据权利要求1所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在获取每一热电偶稀疏温度之后，所述方法还包括：
9.根据权利要求8所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在确定当前增量步对应的目标神经网络模型之前，所述方法还包括：
10.一种基于稀疏传感器的锻模三维温度重建装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于稀疏传感器的锻模三维温度重建方法，其特征在于，包括：
2.根据权利要求1所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，所述不同工艺参数包括不同上模下压速度、不同胚料预热温度以及不同模具预热温度，在获取布设于每一预设位置的每一热电偶稀疏温度之前，所述方法还包括：
3.根据权利要求2所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的样本模具温度集之前，所述方法还包括：
4.根据权利要求1所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在输入所有热电偶稀疏温度至预设神经网络模型之前，所述方法还包括：
5.根据权利要求4所述的基于稀疏传感器的锻模三维温度重建方法，其特征在于，在根据预设模拟软件获取在不同上模下压速度、不同胚料预热温度以及不同模具预热温度下，每一目标增量步对应的每一四面体网格单元的顶...
【专利技术属性】
技术研发人员：胡泽启，佘永硕，戚宏伟，王一同，袁荣富，胡志力，林尊鹏，华林，
申请(专利权)人：武汉理工大学，
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。