【技术实现步骤摘要】
本专利技术属于温度工艺优化，尤其是涉及一种基于流形神经算子的复合材料构件固化温度工艺优化方法。
技术介绍
1、复合材料以其轻质高强、耐热耐腐蚀等优点成为航空航天领域的重要材料，复合材料的大量应用有利于降低飞机重量、降低油耗从而提升飞机性能。为增加复合材料在飞机结构件中的应用，要求复合材料构件具有高的几何质量和稳定的力学性能，这对复合材料的制造工艺提出了更高的要求。
2、复合材料制造主要包括赋形、固化、加工等步骤，其中固化是指在高温高压环境中树脂受热发生交联反应从而导致形态、力学性能等发生改变的过程，是复合材料成型的关键环节，固化过程中常使用温度工艺曲线控制温度场。复合材料预浸料制造厂商会为客户提供一份指导温度工艺曲线，但实际生产制造中受构件几何形状和厚度等的影响，指导温度工艺曲线无法很好地保证构件的固化质量，因此对温度工艺曲线进行迭代优化对确保零件固化质量具有重大意义。但是，传统的温度工艺优化方案基于数值计算方法，计算效率低，难以满足大量迭代优化的效率要求；有研究提出使用机器学习模型替代数值计算方法，提高了迭代优化的效率。然...
【技术保护点】
1.一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于：步骤1中的拉普拉斯算子特征函数为求解流形上的拉普拉斯算子的特征方程所得的特征函数；其中流形上的拉普拉斯算子表示为二阶微分项：；特征函数为满足特征方程的函数，其中为对应的特征值，表示微分算子。
3.根据权利要求2所述的一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于：步骤2中的采样方法为在人为预先设定的范围内进行随机采样或拉丁超立方采样。
...
【技术特征摘要】
1.一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于：步骤1中的拉普拉斯算子特征函数为求解流形上的拉普拉斯算子的特征方程所得的特征函数；其中流形上的拉普拉斯算子表示为二阶微分项：；特征函数为满足特征方程的函数，其中为对应的特征值，表示微分算子。
3.根据权利要求2所述的一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于：步骤2中的采样方法为在人为预先设定的范围内进行随机采样或拉丁超立方采样。
4.根据权利要求3所述的一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于：步骤2中的温度工艺曲线设计变量包含以下变量中的一个或多个：保温温度、升温速率、保温时间、升温时间、降温速率、降温时间。
5.根据权利要求4所述的一种基于流形神经算子的复合材料构件固化温度工艺优化方法，其特征在于，步骤2中基于乘积构建温度工艺曲线设计变量的工艺参数场的过程如下：
6.根据权利要求5所述的一种基于流形神经算子的复合材料构件固...
【专利技术属性】
技术研发人员：李迎光，刘旭，隋少春，邓志良，孟庆禄，陈耿祥，郝小忠，
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。