CN111368402A - 一种管材挤压工艺优化方法 - Google Patents

一种管材挤压工艺优化方法 Download PDF

Info

Publication number
CN111368402A
CN111368402A CN202010107352.2A CN202010107352A CN111368402A CN 111368402 A CN111368402 A CN 111368402A CN 202010107352 A CN202010107352 A CN 202010107352A CN 111368402 A CN111368402 A CN 111368402A
Authority
CN
China
Prior art keywords
model
data
extrusion
experiment
pipe
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010107352.2A
Other languages
English (en)
Other versions
CN111368402B (zh
Inventor
丁向东
周福海
房大庆
薛德祯
孙军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010107352.2A priority Critical patent/CN111368402B/zh
Publication of CN111368402A publication Critical patent/CN111368402A/zh
Application granted granted Critical
Publication of CN111368402B publication Critical patent/CN111368402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
    • B21C23/00—Extruding metal; Impact extrusion
    • B21C23/002—Extruding materials of special alloys so far as the composition of the alloy requires or permits special extruding methods of sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Extrusion Of Metal (AREA)

Abstract

本申请属于材料加工技术领域。管材挤压工艺采用传统的表征试错法，非常低效，耗费大量人力财力，并且结果往往也不尽人意。本申请提供了一种管材挤压工艺优化方法，包括：在管材挤压的实验中测试收集一批原始的挤压工艺参数数据，并将每一个工艺对应的管材进行力学性能测试获得力学性能数据；在原始数据集上通过数据分析，建立并筛选模型来构建工艺和性能之间的关系；将模型应用到还未探索的挤压工艺空间，通过运算模型推荐出下一次的工艺条件；对推荐工艺进行实验，若实验结果不能满足性能要求，则将新的实验数据反馈到原始数据集中将其扩充并重新从步骤1至步骤4；若实验结果满足性能要求，则停止优化过程。快速优化工艺，减少人力财力的消耗。

Description

一种管材挤压工艺优化方法
技术领域
本申请属于材料加工技术领域，特别是涉及一种管材挤压工艺优化方法。
背景技术
镁及其合金是实际工程应用中最轻的金属结构材料，具有密度低、比强度和比刚度高、阻尼减震性好、导热性好、电磁屏蔽效果佳、机加工性能优良、零件尺寸稳定和易回收等优点，成为航空、航天、汽车、计算机、电子、通信和家电等行业的重要新型材料。但由于镁合金的密排六方结构，滑移系较少，以及很强的基面织构，存在以下问题：1)强韧化效果有限(合金元素太多、密度提高，使轻量化的效果降低)，强度水平低、减轻重量的效果不明显。2)成形以铸造技术为主，性能低、缺陷多、可靠性差，常温下塑性变形困难，大多数镁合金需要在高温下成形。目前为了提升镁合金的性能，通常进行塑性变形处理。对于镁合金管材而言，挤压过程中涉及到众多的工艺参数，优化工艺进一步提高镁合金管材的性能是常用的一种手段。如果能快速优化工艺，突破镁合金高性能管材制造关键技术，将非常有利于扩大其应用。
为了解决这个问题并适应一些产品的应用，研究人员通常通过对镁合金进行变形处理来提高它的力学性能。针对镁合金管材，它是挤压成形，涉及到众多需要控制的工艺参数。对于材料而言，工艺直接影响材料的性能。很多研究人员希望能通过优化这些工艺参数去提高镁合金管材的综合力学性能，从而满足材料应用的性能要求。但传统方式上优化挤压工艺很多时候都是基于经验主义，试错法。尤其涉及到的参数非常多，且参数变化范围很广的情况下，效率非常低下，实验涉及到的表征测试验证要消耗大量的人力财力，而且结果也往往费力不讨好。
发明内容
1.要解决的技术问题
基于采用传统的表征试错法，研究人员通常只能对比少量的不同工艺条件下的镁合金管材的微观组织和力学性能，理解组织和性能的对应关系，进而去调控工艺，非常低效，耗费大量人力财力，并且结果往往也不尽人意的问题，本申请提供了一种管材挤压工艺优化方法。
2.技术方案
为了达到上述的目的，本申请提供了一种管材挤压工艺优化方法，所述方法包括如下步骤：
1)在管材挤压的实验中测试收集一批原始的挤压工艺参数数据，并将每一个工艺对应的管材进行力学性能测试获得力学性能数据；
2)在原始数据集上通过数据分析，建立并筛选模型来构建工艺和性能之间的关系；
3)将模型应用到还未探索的挤压工艺空间，通过运算模型推荐出下一次的工艺条件；
4)对推荐工艺进行实验，若实验结果不能满足性能要求，则将新的实验数据反馈到原始数据集中将其扩充并重新从步骤1)至步骤4)；若实验结果满足性能要求，则停止优化过程。
本申请提供的另一种实施方式为：所述步骤1)中工艺参数数据包括加热时间，挤压比，挤压速度，炉温，挤压筒温度，出料口温度和挤压力峰值。
本申请提供的另一种实施方式为：所述步骤1)中所述力学性能数据包括屈服强度和延伸率。
本申请提供的另一种实施方式为：所述步骤2)中所述数据分析包括处理缺失值和特征筛选得到有效的数据。
本申请提供的另一种实施方式为：步骤2)中所述建立并筛选模型包括建立线性模型，多项式模型，支持向量回归不同核函数下的模型，多项式核以及高斯核，通过比较在原始数据上的拟合性能，筛选出表现最好的模型。
本申请提供的另一种实施方式为：所述表现最好的模型为多项式模型。
本申请提供的另一种实施方式为：所述模型为融合建立线性模型，多项式模型，支持向量回归不同核函数下的模型，多项式核以及高斯核，GBRT(渐进梯度回归树)，RandomForest(随机森林)和Xgboost-xgbLinear(极值梯度提升算法)模型而形成的大模型。
本申请提供的另一种实施方式为：所述大模型采用集成方法进行融合。
本申请提供的另一种实施方式为：所述步骤3)中未探索的挤压工艺空间为将所有的工艺可能性减去已经实现的工艺。
本申请提供的另一种实施方式为：所述优化方法应用于镁合金管材挤压工艺。
3.有益效果
与现有技术相比，本申请提供的管材挤压工艺优化方法的有益效果在于：
本申请提供的管材挤压工艺优化方法，针对现有镁合金管材工艺优化的低效，成本高等问题，提供一种可以具有导向性的快速优化工艺的方法。
本申请提供的管材挤压工艺优化方法，通过采集数据，进行数据分析，建立模型，推荐工艺的机器学习优化流程，实现对工艺的理解和控制，快速筛选出提升镁合金管材的力学性能的最佳工艺参数。
本申请提供的管材挤压工艺优化方法，准确提高管材力学性能的方法，达到提高材料的加工和使用性能的目的。
本申请提供的管材挤压工艺优化方法，成功快速提升了镁合金管材的力学性能，并可以高效的运用在工业生产中，提升生产效率和降低研发成本。
附图说明
图1为本申请的挤压工艺流程示意图；
图2为本申请的优化方法流程示意图。
具体实施方式
在下文中，将参考附图对本申请的具体实施例进行详细地描述，依照这些详细的描述，所属领域技术人员能够清楚地理解本申请，并能够实施本申请。在不违背本申请原理的情况下，各个不同的实施例中的特征可以进行组合以获得新的实施方式，或者替代某些实施例中的某些特征，获得其它优选的实施方式。
集成学习是一种机器学习范式。在集成学习中，我们会训练多个模型(通常称为「弱学习器」)解决相同的问题，并将它们结合起来以获得更好的结果。最重要的假设是：当弱模型被正确组合时，我们可以得到更精确和/或更鲁棒的模型。
在集成学习理论中，我们将弱学习器(或基础模型)称为「模型」，这些模型可用作设计更复杂模型的构件。在大多数情况下，这些基本模型本身的性能并不是非常好，这要么是因为它们具有较高的偏置(例如，低自由度模型)，要么是因为他们的方差太大导致鲁棒性不强(例如，高自由度模型)。
集成方法的思想是通过将这些弱学习器的偏置和/或方差结合起来，从而创建一个「强学习器」(或「集成模型」)，从而获得更好的性能。
参见图1～2，本申请提供一种管材挤压工艺优化方法，所述方法包括如下步骤：
1)在管材挤压的实验中测试收集一批原始的挤压工艺参数数据，并将每一个工艺对应的管材进行力学性能测试获得力学性能数据；
2)在原始数据集上通过数据分析，建立并筛选模型来构建工艺和性能之间的关系；
3)将模型应用到还未探索的挤压工艺空间，通过运算之后，模型根据预测的最好结果将推荐出下一次的工艺条件；
4)对推荐工艺进行实验，若实验结果不能满足性能要求，则将新的实验数据反馈到原始数据集中将其扩充并重新从步骤1)至步骤4)；若实验结果满足性能要求，则停止优化过程。整个优化过程形成一个闭合的机器学习循环，可将新的实验数据加入到原始数据，不断进行优化。
进一步地，所述步骤1)中工艺参数数据包括加热时间，挤压比，挤压速度，炉温，挤压筒温度，出料口温度和挤压力峰值。
进一步地，所述步骤1)中所述力学性能数据包括屈服强度和延伸率。
进一步地，所述步骤2)中所述数据分析包括处理缺失值和特征筛选得到有效的数据。
进一步地，步骤2)中所述建立并筛选模型包括通过建立线性模型(LIN)，多项式模型(POLY)，支持向量回归不同核函数下的模型(线性核(SVR.lin)，多项式核(SVR.poly)以及高斯核(SVR.rbf))，通过比较在原始数据上的拟合性能，筛选出表现最好的模型。
进一步地，所述表现最好的模型为多项式模型(POLY)。
进一步地，所述模型为融合建立线性模型，多项式模型，支持向量回归不同核函数下的模型，多项式核以及高斯核，GBRT(渐进梯度回归树)，Random Forest(随机森林)和Xgboost-xgbLinear(极值梯度提升算法)模型而形成的大模型。
进一步地，所述大模型采用集成方法进行融合。
进一步地，所述步骤3)中未探索的挤压工艺空间为将所有的工艺可能性减去已经实现的工艺。
进一步地，所述优化方法应用于镁合金管材挤压工艺。当然，其他材料的挤压工艺也可以参照本申请中的优化方法进行优化。
实施例
在实验中采集到52个工艺并测试相对应的性能，通过数据分析，特征筛选，得到47个有效工艺，并将有用的工艺参数限定为热时间，挤压比，挤压速度，炉温和挤压筒温度。
然后建立了线性模型(LIN)，多项式模型(POLY)和支持向量回归不同核函数下的模型(线性核(SVR.lin)，多项式核(SVR.poly)以及高斯核(SVR.rbf))，根据在原始数据的表现结果，在这5个模型种选择多项式模型(POLY)作为推荐模型。
根据多项式模型(POLY)的推荐工艺，实验之后，将镁合金管材的屈服强度峰值提升到222Mpa，伸长率10％。
本申请提供的优化方法可以指导实验，推荐出更好的工艺，使镁合金管材性能得到提升。
本申请提供的优化方法可以理解哪些工艺参数和性能更加密切相关。
本申请提供的优化方法可以快速优化工艺，减少人力财力的消耗。
尽管在上文中参考特定的实施例对本申请进行了描述，但是所属领域技术人员应当理解，在本申请公开的原理和范围内，可以针对本申请公开的配置和细节做出许多修改。本申请的保护范围由所附的权利要求来确定，并且权利要求意在涵盖权利要求中技术特征的等同物文字意义或范围所包含的全部修改。

Claims (10)

1.一种管材挤压工艺优化方法，其特征在于：所述方法包括如下步骤：
1)在管材挤压的实验中测试收集一批原始的挤压工艺参数数据，并将每一个工艺对应的管材进行力学性能测试获得力学性能数据；
2)在原始数据集上通过数据分析，建立并筛选模型来构建工艺和性能之间的关系；
3)将模型应用到还未探索的挤压工艺空间，通过运算模型推荐出下一次的工艺条件；
4)对推荐工艺进行实验，若实验结果不能满足性能要求，则将新的实验数据反馈到原始数据集中将其扩充并重新从步骤1)至步骤4)；若实验结果满足性能要求，则停止优化过程。
2.如权利要求1所述的方法，其特征在于：所述步骤1)中工艺参数数据包括加热时间，挤压比，挤压速度，炉温，挤压筒温度，出料口温度和挤压力峰值。
3.如权利要求2所述的方法，其特征在于：所述步骤1)中所述力学性能数据包括屈服强度和延伸率。
4.如权利要求1所述的方法，其特征在于：所述步骤2)中所述数据分析包括处理缺失值和特征筛选得到有效的数据。
5.如权利要求4所述的方法，其特征在于：步骤2)中所述建立并筛选模型包括建立线性模型，多项式模型，支持向量回归不同核函数下的模型，多项式核以及高斯核，通过比较在原始数据上的拟合性能，筛选出表现最好的模型。
6.如权利要求5所述的方法，其特征在于：所述表现最好的模型为多项式模型。
7.如权利要求6所述的方法，其特征在于：所述模型为融合建立线性模型，多项式模型，支持向量回归不同核函数下的模型，多项式核以及高斯核，渐进梯度回归树，随机森林和极值梯度提升算法模型而形成的大模型。
8.如权利要求7所述的方法，其特征在于：所述大模型采用集成方法进行融合。
9.如权利要求1所述的方法，其特征在于：所述步骤3)中未探索的挤压工艺空间为将所有的工艺可能性减去已经实现的工艺。
10.如权利要求1～9中任一项所述的方法，其特征在于：所述优化方法应用于镁合金管材挤压工艺。
CN202010107352.2A 2020-02-21 2020-02-21 一种管材挤压工艺优化方法 Active CN111368402B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010107352.2A CN111368402B (zh) 2020-02-21 2020-02-21 一种管材挤压工艺优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010107352.2A CN111368402B (zh) 2020-02-21 2020-02-21 一种管材挤压工艺优化方法

Publications (2)

Publication Number Publication Date
CN111368402A true CN111368402A (zh) 2020-07-03
CN111368402B CN111368402B (zh) 2022-04-05

Family

ID=71208100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010107352.2A Active CN111368402B (zh) 2020-02-21 2020-02-21 一种管材挤压工艺优化方法

Country Status (1)

Country Link
CN (1) CN111368402B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528424A (zh) * 2020-11-03 2021-03-19 南京工程学院 一种提高板料渐进成形性能的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102463268A (zh) * 2010-11-10 2012-05-23 北京有色金属研究总院 一种锌合金棒材挤压的工艺设计与优化方法
US20170014881A1 (en) * 2015-07-15 2017-01-19 Gohsyu Corporation Magnesium base alloy tube and its manufacturing method
CN107122502A (zh) * 2016-02-24 2017-09-01 中南大学 一种优化合金挤压工艺的方法
CN108875156A (zh) * 2018-05-29 2018-11-23 广东工业大学 一种基于数据驱动的挤压模具工艺参数优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102463268A (zh) * 2010-11-10 2012-05-23 北京有色金属研究总院 一种锌合金棒材挤压的工艺设计与优化方法
US20170014881A1 (en) * 2015-07-15 2017-01-19 Gohsyu Corporation Magnesium base alloy tube and its manufacturing method
CN107122502A (zh) * 2016-02-24 2017-09-01 中南大学 一种优化合金挤压工艺的方法
CN108875156A (zh) * 2018-05-29 2018-11-23 广东工业大学 一种基于数据驱动的挤压模具工艺参数优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
衡雨晴: "7050铝合金管材挤压成形工艺优化研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 *
邢娜 等: "基于神经网络算法的高强镁合金热处理工艺优化", 《热加工工艺》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528424A (zh) * 2020-11-03 2021-03-19 南京工程学院 一种提高板料渐进成形性能的方法
CN112528424B (zh) * 2020-11-03 2024-05-28 南京工程学院 一种提高板料渐进成形性能的方法

Also Published As

Publication number Publication date
CN111368402B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN105373683B (zh) 一种20CrMnTiH钢热变形过程微观组织演化规律的预测方法
Fei et al. Springback prediction for incremental sheet forming based on FEM-PSONN technology
CN102463268B (zh) 一种锌合金棒材挤压的工艺设计与优化方法
Liu et al. Die structure optimization for a large, multi-cavity aluminum profile using numerical simulation and experiments
CN107220485B (zh) 一种适用于多道次压缩的本构模型的建立方法
CN111368402B (zh) 一种管材挤压工艺优化方法
Gagliardi et al. Optimization of porthole die extrusion by Grey-Taguchi relational analysis
Zhao et al. Multiobjective optimization design of porthole extrusion die using Pareto-based genetic algorithm
CN115034114B (zh) 一种基于数值模拟的挤压有限元仿真模型优化方法
CN115015318B (zh) 一种大型构件热锻全流程宏微观分析方法及平台
Shao et al. A new approach of preform design for forging of 3D blade based on evolutionary structural optimization
Hou et al. Stochastic analysis and robust optimization for a deck lid inner panel stamping
CN110362861B (zh) 一种考虑能效的模具结构参数多目标优化方法
Zhang et al. A physical model and data-driven hybrid prediction method towards quality assurance for composite components
CN104657565A (zh) 近型面水道的热作模具设计方法
Jin et al. Modelling the effect of initial grain size on dynamic recrystallization using a modified cellular automata and a adaptive response surface method
Yan et al. An approach to the optimal design of technological parameters in the profile extrusion process
Luan et al. Uni-Form: a pilot production line for hot/warm sheet metal forming integrated in a Cloud Based SMARTFORMING platform
CN114722658B (zh) 一种基于数据驱动的多信任度协同元模型在预测燃料舱焊接变形的应用方法
CN107526877B (zh) 一种消减残余应力的模拟方法
CN107301303B (zh) 3d玻璃热弯机模具加热系统群智能优化设计方法
Zhang et al. 3D‐FE Modelling and Simulation of Multi‐way Loading Process for Multi‐ported Valves
Wei et al. Uncertainty analysis and multi-objective billet robust optimization for transitional region of multi-rib component under isothermal local loading forming
Im A computer-aided-design system for forming processes
CN108256271B (zh) 一种led灯具的轻量化设计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant