一种复合材料分步电磁成形方法及系统
技术特征:
1.一种复合材料分步电磁成形方法,其特征在于,所述方法应用于复合材料分步电磁成形系统,所述复合材料分步电磁成形系统包括可移动平台和复合网络模型;所述可移动平台包括基体模具、放电线圈和丝杆升降机;所述基体模具,用于为加工工件提供成形形状;所述放电线圈,用于产生电磁力,使加工工件在所述电磁力作用下成型;所述丝杆升降机,用于调节所述放电线圈到所述加工工件的距离;所述复合网络模型包括第一网络模型、第二网络模型和第三网络模型;所述方法包括:
2.根据权利要求1所述的复合材料分步电磁成形方法,其特征在于,所述第一网络模型包括第一脚本和第一求解器;利用所述第一网络模型对加工工件的电磁成型过程进行有限元仿真,获得多组仿真数据,包括:
3.根据权利要求1所述的复合材料分步电磁成形方法,其特征在于,所述第二网络模型包括编码器、生成器和鉴别器,将所述多组仿真数据输入所述第二网络模型,获得所述第二网络模型生成的相似仿真数据,包括:
4.根据权利要求3所述的复合材料分步电磁成形方法,其特征在于,所述编码器、所述生成器和所述鉴别器均为深度神经网络,所述编码器的输入层包含8个神经元或6个神经元,所述编码器的输出层包含2个神经元;所述生成器的输入层包含2神经元,所述生成器的输出层包含8个神经元或6个神经元;所述鉴别器的输入层包含16个神经元或12个神经元,所述鉴别器的输出层包含一个神经元;所述编码器、所述生成器和所述鉴别器隐藏层和隐藏层神经元的数量与仿真数据的数据量正相关。
5.根据权利要求3所述的复合材料分步电磁成形方法,其特征在于,所述第二网络模型训练时的损失函数包括第一重构损失部分和第二部分损失:
6.根据权利要求1所述的复合材料分步电磁成形方法,其特征在于,将所述仿真数据和所述相似仿真数据拼接后进行数据格式处理,获得训练样本,包括:
7.根据权利要求6所述的复合材料分步电磁成形方法,其特征在于,所述第三网络模型包括第一子模型和第二子模型;利用所述训练样本训练所述第三网络模型,包括:
8.根据权利要求7所述的复合材料分步电磁成形方法,其特征在于,所述第一子模型训练时的损失函数为:
9.根据权利要求1所述的复合材料分步电磁成形方法,其特征在于,控制所述丝杆升降机对所述放电线圈到所述加工工件的距离进行调节,包括:
10.一种复合材料分步电磁成形系统,其特征在于,所述复合材料分步电磁成形系统包括可移动平台、复合网络模型和处理器;所述可移动平台包括基体模具、放电线圈和丝杆升降机;所述基体模具,用于放置加工工件;所述放电线圈,用于产生电磁力,使加工工件在所述电磁力作用下成型;所述丝杆升降机,用于调节所述放电线圈到所述加工工件的距离;所述复合网络模型包括第一网络模型、第二网络模型和第三网络模型;所述处理器,用于执行权利要求1至9任一项所述方法的步骤。
技术总结
本发明公开了一种复合材料分步电磁成形方法及系统。其中,方法包括对加工工件的电磁成型过程进行有限元仿真,获得多组仿真数据;根据多组仿真数据获得相似仿真数据;将仿真数据和相似仿真数据拼接后进行数据格式处理,获得训练样本;利用训练样本训练第三网络模型,并预测加工工件在一定条件下的调节参数和最大应力;根据最大应力判断是否符合加工工件的加工许可范围;在符合的情况下,控制丝杆升降机对放电线圈到加工工件的距离进行调节;重复多次,直至加工工件到达基体模具的底部为止。本发明提供的方案通过有限元仿真和神经网络架构,建立多参数间的关系,实现线圈到加工工件距离的智能调控以及应力预测,通过多次调节,实现多次分步成形。
技术研发人员:李洲,宁康,李俊豪,夏士奇,崔晓辉
受保护的技术使用者:中南大学
技术研发日:
技术公布日:2024/12/5
技术研发人员:李洲,宁康,李俊豪,夏士奇,崔晓辉
技术所有人:中南大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
