【技术实现步骤摘要】
本专利技术属于复合材料结构与人工智能交互，具体是涉及一种基于人工智能的复合材料固化度曲线预测方法。
技术介绍
1、复合材料的各向异性会导致固化放热的过程中各个方向上的导热不均，使复合材料内部出现了不同的温度梯度，致使固化程度不同。因此，一般通过实验和经验分析来评价固化工艺，最终使变形满足制造要求复合材料结构的固化过程通常会引入变形和残余应力，传统的方法是根据经验和加工试验对固化工艺曲线和模具进行反复调整和补偿设计。但是传统方法实验效率低、耗时长、成本高。
技术实现思路
1、本专利技术目的在于提供一种基于人工智能的复合材料固化度曲线预测方法，通过模拟数据驱动的方法，运用优化的bp神经网络来预测给定工艺曲线下的固化度-时间曲线，提高效率，减少时长，降低成本。
2、为了实现本专利技术目的，本专利技术提供一种基于人工智能的复合材料固化度曲线预测方法，步骤如下：
3、s1：建立有限元三维模型，输入尺寸参数、材料参数，进行固化模拟；
4、s2：将所述有限元三维模型进...
【技术保护点】
1.一种基于人工智能的复合材料固化度曲线预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤S1中的固化模拟需要调用的子程序为HETVAL子程序和USDFLD子程序：
3.根据权利要求1所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤S2具体为：选择网络单元类型；在模拟中分析步选用热传递分析步；在模型底部设置温度边界条件，所述模型上表面与其两侧表面设置对称边界条件，其余表面施加对流换热边界条件。
4.根据权利要求1所述的基于人工智能的复合材料...
【技术特征摘要】
1.一种基于人工智能的复合材料固化度曲线预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤s1中的固化模拟需要调用的子程序为hetval子程序和usdfld子程序：
3.根据权利要求1所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤s2具体为：选择网络单元类型；在模拟中分析步选用热传递分析步；在模型底部设置温度边界条件，所述模型上表面与其两侧表面设置对称边界条件，其余表面施加对流换热边界条件。
4.根据权利要求1所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤s3具体为：
5.根据权利要求1所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤s4中所述bp神经网络为：
6.根据权利要求4所述的基于人工智能的复合材料固化度曲线预测方法，其特征在于，所述步骤s31中以室温、加热温度和保温时间为变量进行研究，具体为：将工艺曲线数据设置初始...
【专利技术属性】
技术研发人员：吴晨晨，张入铭，郭晛，黎亮，章定国，
申请(专利权)人：南京理工大学，
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。