CN112182678A - 一种固化质量与固化成本协同设计的热压罐成型方法 - Google Patents
一种固化质量与固化成本协同设计的热压罐成型方法 Download PDFInfo
- Publication number
- CN112182678A CN112182678A CN202011013875.7A CN202011013875A CN112182678A CN 112182678 A CN112182678 A CN 112182678A CN 202011013875 A CN202011013875 A CN 202011013875A CN 112182678 A CN112182678 A CN 112182678A
- Authority
- CN
- China
- Prior art keywords
- curing
- optimal
- autoclave
- parameters
- autoclave molding
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Moulding By Coating Moulds (AREA)
- Heating, Cooling, Or Curing Plastics Or The Like In General (AREA)
Abstract
本发明公开了一种固化质量与固化成本协同设计的热压罐成型方法。该方法包括:创建复合材料构件的三维模型;获取三维模型对应的热压罐成型工艺曲线;热压罐成型工艺曲线包括多个待优化参数;根据复合材料预浸料属性与热压罐参数设定待优化参数的初始范围;基于初始范围,采用拉定超立方抽样对待优化参数进行样本抽取;对抽取的样本进行仿真计算;根据仿真计算结果,确定最优参数;基于最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线;根据最优热压罐成型工艺曲线,对复合材料进行热压罐成型。本发明能够使热压罐成型在保证成型质量的前提下缩短成型时间,以解决现有技术存在的问题,实现成型质量与成型时间的协同优化设计。
Description
技术领域
本发明涉及热压罐成型领域,特别是涉及一种固化质量与固化成本协同设计的热压罐成型方法。
背景技术
热压罐成型工艺是纤维增强树脂基复合材料构件广泛使用的成型技术,尤其适用于大尺寸复合材料构件的成型。由于成型过程中热压罐内需要保持长时间的高温与高压条件,相对于非热压罐工艺,热压罐成型通常会导致较高的电力能源消耗。显然,减少热压罐成型时间可以有效降低能源消耗,但是如果缺乏合理的工艺设计,成型时间的缩短会直接造成固化不充分等缺陷,从而降低复合材料构件的固化质量。温度曲线是复合材料热压罐成型的重要工艺参数,一个完整的固化温度曲线包括升温速率、恒温温度、恒温时间、降温速率等参数,对温度曲线进行合理的优化设计,可以实现对成型时间与固化质量(固化程度、固化均匀性、固化变形)的协同控制。
近年来基于工艺优化的热压罐成型过程控制得到了广泛研究,特别是随着复合材料固化成型数值模拟方法的日益完善,基于数值模拟结果对工艺参数进行优选、或结合优化算法对工艺参数进行优化设计,为复合材料热压罐成型控制提供了重要参考。现有研究工作大多针对复合材料构件成型后的残余应力、固化变形、或者成型过程中的温度均匀性、固化度均匀性等开展工艺优化,如何在控制质量的前提下缩短成型周期仍然存在很多问题,所以考虑对成型时间与固化质量的协同控制优化成为目前相关领域的重要难题。
发明内容
基于此,本发明的目的是提供一种固化质量与固化成本协同设计的热压罐成型方法,使热压罐成型在保证成型质量的前提下缩短成型时间,以解决上述现有技术存在的问题,实现成型质量与成型时间的协同优化设计。
为实现上述目的,本发明提供了如下方案:
一种固化质量与固化成本协同设计的热压罐成型方法,包括:
创建复合材料构件的三维模型;
获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包括多个待优化参数;
根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围;
基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取;
对抽取的样本进行仿真计算;
根据仿真计算结果,确定最优参数;
基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线;
根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。
可选地,多个所述待优化的参数分别为第一阶段升温速率、第一阶段保温温度、第一阶段保温时间、第二阶段升温速率、第二阶段保温温度以及第二阶段保温时间。
可选地,所述根据仿真计算结果,确定最优参数,具体包括:
根据所述仿真计算结果优化所述初始范围;
根据优化后的初始范围确定最优参数。
可选地,所述仿真计算结果为固化质量和固化时间。
可选地,对于壁厚小于阈值的复合材料构件,所述固化质量的参数包括固化变形与最终固化度;对于壁厚大于阈值的复合材料构件,所述固化质量的参数包括最大固化度差值与最终固化度。
可选地,所述基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线,具体包括:
以所述固化质量为限制,以寻找最优且最短的成型时间为目标进行优化计算,得到最优热压罐成型工艺曲线。
本发明还提供了一种固化质量与固化成本协同设计的热压罐成型系统,包括:
模型创建模块,用于创建复合材料构件的三维模型;
工艺曲线获取模块,用于获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包括多个待优化参数;
初始范围设定模块,用于根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围;
抽样模块,用于基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取;
仿真计算模块,用于对抽取的样本进行仿真计算;
最优参数确定模块,用于根据仿真计算结果,确定最优参数;
最优曲线确定模块,基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线;
热压罐成型模块,用于根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种固化质量与固化成本协同设计的热压罐成型方法及系统。该方法包括:创建复合材料构件的三维模型;获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包多个待优化参数;根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围;基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取;对抽取的样本进行仿真计算;根据仿真计算结果,确定最优参数;基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线;根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。本发明能够使热压罐成型在保证成型质量的前提下缩短成型时间,以解决现有技术存在的问题,实现成型质量与成型时间的协同优化设计。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例固化质量与固化成本协同设计的热压罐成型方法的流程图;
图2为本发明实施例C型构件几何模型;
图3为本发明实施例C型构件温度曲线;
图4为本发明实施例壁厚较薄的构件固化时间优化设计迭代曲线;
图5为本发明实施例壁厚较厚的构件固化时间优化设计迭代曲线
图6为本发明实施例固化质量与固化成本协同设计的热压罐成型系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种固化质量与固化成本协同设计的热压罐成型方法,使热压罐成型在保证成型质量的前提下缩短成型时间,以解决上述现有技术存在的问题,实现成型质量与成型时间的协同优化设计。
本发明包括实验设计、经过参数优化的粒子群算法。其中实验设计采用拉丁超立方抽样的取样方式,使所取样品点均匀分布在取值范围中。根据构件特点可以选取不同的成型质量表达形式作为协同优化设计控制参数,本发明根据复合材料热压罐成型构件的壁厚程度,选取固化变形与最终固化度、最大固化度差值与最终固化度两种方案。其中壁厚较薄的构件,构件本身刚度较壁厚较厚的构件小,固化变形的问题更加突出,因此适合开展成型时间与固化程度、固化变形的协同设计。故选取固化变形与最终固化度为协同优化设计控制参数;壁厚较厚的构件,固化过程中固化不均的问题更加突出,因此适合开展成型时间与固化程度、固化均匀性协同控制优化,同时,由于固化不均也是导致变形的一个重要因素,所以在减少固化度差值的同时,也可以减少固化变形,因此选择最大固化度差值与最终固化度为协同优化设计控制参数。本发明中固化度差值为成型过程各时刻下构件固化度最大值与最小值差值的集合取最大值,用以衡量固化的均匀性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种固化质量与固化成本协同设计的热压罐成型方法包括:
步骤101:创建复合材料构件的三维模型。
步骤102:获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包括多个待优化参数。
将热压罐成型曲线简化为多个优化设计参数。将曲线分为:第一阶段升温速率、第一阶段保温温度、第一阶段保温时间、第二阶段升温速率、第二阶段保温温度、第二阶段保温时间,如图2所示。
步骤103:根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围。
步骤104:基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取。
步骤105:对抽取的样本进行仿真计算。
采用拉丁超立方抽样对优化参数在取值范围内进行样本抽取。
对所取的样本点进行仿真计算:固化时间为输出固化完成的迭代步数,固化质量分别输出固化变形和固化度差值,固化度差值为零件所有节点固化度最大值与最小值做差,取所有节点的最大差值输出,并输出所有样本点固化时间与固化质量。
步骤106:根据仿真计算结果,确定最优参数。根据所述仿真计算结果优化所述初始范围;根据优化后的初始范围确定最优参数。
如升温速率原本取值范围为[0,1],但结果较优点集中在[0.5,0.8]之间,则在后续取值是调整升温速率的取值范围为[0.5,0.8],以增快收敛速度,并为后续优化设计选取合适水平的优化设计控制参数进行限制。如例子中选取的固化度差值与固化变形这两个参数,根据DOE所得表现,选取合适的值,如原固化变形为1,DOE结果中固化变形为从0.7到3不等,则可以考虑对限制参数固化变形设置为1.2进行优化。
步骤107:基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线。
以实验设计(仿真计算)所得最优点(质量下降到某值内的最短时间点)做为粒子群算法的起始粒子组中的粒子点,并适当调整粒子群算法的认知参数与环境参数以增快收敛速度。
粒子群算法的速度更新、位置更新公式为:
Vi+1=WVi+C1R1(Pi-Xi)+C2R2(G-Xi)
Xi+1=Xi+Vi+1
其中,Pi为个体粒子点最佳位置,G为目前粒子群最佳位置,Xi为个体粒子目前位置;W为惯性因子;C1为单粒子速度更新常数,即粒子向自己历史最优解处移动的能力,称为认知参数;C2为全局速度更新常数,即粒子向当前全局最优解处移动的能力,称为环境参数;R1、R2为两个0到1之间的随机数。优化过程中还需设置Vmax值,当更新速度大于最大速度时,更新速度调整为最大速度。认知参数与环境参数默认为2.0,在本发明中将两个参数调整为2.2。
仿真计算中以固化质量为限制,以寻找最优且最短的成型时间为目标进行优化计算:得到最终优化的工艺曲线,即工艺曲线的6个参数。
步骤108:根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。
对优化所得结果与原始成型数据进行对比,并进行实验验证。
通过温度曲线优化设计,在满足固化程度与固化均匀性要求的前提下,成型时间降至7300s,相比初始成型时间缩短了64%,在满足固化程度与固化变形要求的前提下,成型时间降至11000s,相比初始成型时间缩短了45%。此外,针对优化开展了试验验证,优化前后两种工艺曲线下得到的构件外形尺寸基本一致,符合固化变形要求,然而,优化后工艺曲线的成型时间相比优化前缩短了45%,显著提高了成型效率
本发明的协同设计方法可以大大节省计算成本,提高优化速度,全局最优解的收敛性较好。
其中,超立方抽样可使样本点更均匀的分布在设计空间中,具有较好的全局性、均衡性与空间填充性;实验设计可确定各参数在理想条件时的水平,并确定协同优化设计控制参数的限制水平,对工艺参数的取值范围进行重新界定,增快收敛速度;粒子群算法的粒子群起始组中由于存在较为靠近全局最优解的粒子点,利用粒子群算法粒子间相互影响的优点,将加速对最优点的搜索,故增大认知参数与环境参数对粒子运动趋势的影响,以加快收敛速度。
采用超立方抽样的实验设计使得本发明的协同设计方法具有较好的全局性,优化参数的粒子群算法使得本发明的协同控制方法具有较快的收敛性。因此本发明的协同控制方法可以快速寻找到全局最优解。
根据现有C型实验构件的优化结果中:壁厚较厚的构件在保证不降低固化均匀性且满足足够固化度的前提下,成型时间缩短64%;壁厚较薄的构件在保证不增加固化变形且满足足够固化度的前提下,成型时间缩短45%。
实施例一:
在本实施例中,采用本发明所述协同设计方法针对热压罐成型C形复合材料构件进行优化设计,尺寸参见图2,构件材料的增强纤维为T800碳纤维,选用M21环氧基数值作为基底,材料参数见表1,2。
表1 T800/M21复合材料的性能
E1,E2,E3—材料各方向弹性模量;G12,G13,G23—材料各方向剪切模量;ρ—材料密度;C—材料比热;λ1,λ2,λ3—材料各方向导热系数;β1,β2,β3—材料各方向热膨胀系数;αc1,αc2,αc3—材料各方向固化收缩系。
表2树脂的固化反应动力学模型参数
A1,A2,A3—自催化模型的频率因子;ΔE1,ΔE2,ΔE3—自催化模型的活化能;Hr—单位质量树脂固化反应释放的总热量;R—理想气体常数。
厚度选取1mm和3mm两种来分别表示壁厚较薄的构件与壁厚较厚的构件,优化设计过程包括如下:
创建该构件模型的三维集合实体模型,分别建立厚度为1mm与厚度为3mm的两种构件,根据模型特点进行分区处理,并划分网格,保证良好的网格质量与计算精度。根据构件几何尺寸与材料参数,在商业软件ABAQUS中构造了C形构件的有限元模型,单元类型为C3D8,单元尺寸为3mm。
原工艺曲线为双平台温度曲线,将温度曲线简化为如图3的6个参数。其中,a1为第一段升温速率(K/min);a2为第二段升温速率(K/min);t1为第一平台保温时间(s);t2为第二平台保温时间(s);T1为第一平台保温温度(K);T2为第二平台保温温度(K);并根据材料属性与热压罐参数将各参数取值范围确定,见表3。
表3设计参数取值范围
在1mm的壁厚较薄的构件的模拟结果中选择输出固化质量与固化时间,固化质量参数选择固化变形与最终固化度;在3mm的壁厚较厚的构件的模拟结果中选择输出固化质量与固化时间,固化质量参数选择最大固化度差值与最终固化度。
利用拉丁超立方抽样方法在参数范围内对工艺参数取样。在取值范围内抽取50个粒子点。
对所取的50个样本进行仿真计算,在结果中输出所有样本点的固化时间与固化质量。
根据所得结果,对参数取值范围进行重新界定,以增快收敛速度。并将壁厚较薄构件的固化变形限制在0.84mm以内(优化前固化变形为0.83mm),将壁厚较厚构件的最大固化度差值限制在3×10-7数量级。
以实验设计所得最优点做为粒子群算法的起始粒子组中的粒子点,并调整粒子群算法的认知参数与环境参数为2.2,以增快收敛速度。
计算中以固化质量为限制,以寻找最优且最短的成型时间为目标进行优化计算。
壁厚较厚的构件通过成型时间与固化程度、固化均匀性的协同控制优化设计,在满足固化程度与固化均匀性要求的前提下,成型时间降至7300s,相比初始成型时间缩短了64%;壁厚较薄的构件件通过成型时间与固化程度、固化变形的协同控制优化设计,在满足固化程度与固化变形要求的前提下,成型时间降至11000s,相比初始成型时间缩短了45%。成型时间优化设计过程如图4,5所示。
如图6所示,本发明还提供了一种固化质量与固化成本协同设计的热压罐成型系统,包括:
模型创建模块601,用于创建复合材料构件的三维模型。
工艺曲线获取模块602,用于获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包多个待优化参数。
初始范围设定模块603,用于根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围。
抽样模块604,用于基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取。
仿真计算模块605,用于对抽取的样本进行仿真计算。
最优参数确定模块606,用于根据仿真计算结果,确定最优参数。
最优曲线确定模块607,基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线。
热压罐成型模块608,用于根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种固化质量与固化成本协同设计的热压罐成型方法,其特征在于,包括:
创建复合材料构件的三维模型;
获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包括多个待优化参数;
根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围;
基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取;
对抽取的样本进行仿真计算;
根据仿真计算结果,确定最优参数;
基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线;
根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。
2.根据权利要求1所述的固化质量与固化成本协同设计的热压罐成型方法,其特征在于,多个所述待优化的参数分别为第一阶段升温速率、第一阶段保温温度、第一阶段保温时间、第二阶段升温速率、第二阶段保温温度以及第二阶段保温时间。
3.根据权利要求1所述的固化质量与固化成本协同设计的热压罐成型方法,其特征在于,所述根据仿真计算结果,确定最优参数,具体包括:
根据所述仿真计算结果优化所述初始范围;
根据优化后的初始范围确定最优参数。
4.根据权利要求1所述的固化质量与固化成本协同设计的热压罐成型方法,其特征在于,所述仿真计算结果为固化质量和固化时间。
5.根据权利要求4所述的固化质量与固化成本协同设计的热压罐成型方法,其特征在于,对于壁厚小于阈值的复合材料构件,所述固化质量的参数包括固化变形与最终固化度;对于壁厚大于阈值的复合材料构件,所述固化质量的参数包括最大固化度差值与最终固化度。
6.根据权利要求4所述的固化质量与固化成本协同设计的热压罐成型方法,其特征在于,所述基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线,具体包括:
以所述固化质量为限制,以寻找最优且最短的成型时间为目标进行优化计算,得到最优热压罐成型工艺曲线。
7.一种固化质量与固化成本协同设计的热压罐成型系统,其特征在于,包括:
模型创建模块,用于创建复合材料构件的三维模型;
工艺曲线获取模块,用于获取所述三维模型对应的热压罐成型工艺曲线;所述热压罐成型工艺曲线包括多个待优化参数;
初始范围设定模块,用于根据复合材料预浸料属性与热压罐参数设定所述待优化参数的初始范围;
抽样模块,用于基于所述初始范围,采用拉定超立方抽样对所述待优化参数进行样本抽取;
仿真计算模块,用于对抽取的样本进行仿真计算;
最优参数确定模块,用于根据仿真计算结果,确定最优参数;
最优曲线确定模块,基于所述最优参数,采用优化后的粒子群算法确定最优热压罐成型工艺曲线;
热压罐成型模块,用于根据所述最优热压罐成型工艺曲线,对复合材料进行热压罐成型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011013875.7A CN112182678B (zh) | 2020-09-24 | 2020-09-24 | 一种固化质量与固化成本协同设计的热压罐成型方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011013875.7A CN112182678B (zh) | 2020-09-24 | 2020-09-24 | 一种固化质量与固化成本协同设计的热压罐成型方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182678A true CN112182678A (zh) | 2021-01-05 |
CN112182678B CN112182678B (zh) | 2023-05-26 |
Family
ID=73955382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011013875.7A Active CN112182678B (zh) | 2020-09-24 | 2020-09-24 | 一种固化质量与固化成本协同设计的热压罐成型方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182678B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343375A (zh) * | 2021-04-30 | 2021-09-03 | 成都飞机工业(集团)有限责任公司 | 一种热压罐成型固化热分布预测方法 |
CN113807028A (zh) * | 2021-10-15 | 2021-12-17 | 华东理工大学 | 一种环氧树脂固化工艺的优化方法及优化系统 |
CN114792059A (zh) * | 2022-05-06 | 2022-07-26 | 北京航空航天大学 | 冻结部分计算的复合材料热压罐工艺仿真系统及仿真方法 |
WO2023059301A3 (en) * | 2021-10-06 | 2023-08-24 | Karadeni̇z Tekni̇k Uni̇versi̇tesi̇ Teknoloji̇ Transferi̇ Uygulama Ve Arasti̇rma Merkezi̇ | A system and method for manufacturing hybrid thermoplastic composite material |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004146052A (ja) * | 1993-07-27 | 2004-05-20 | Matsushita Electric Ind Co Ltd | 記録再生装置 |
US20180319046A1 (en) * | 2017-05-04 | 2018-11-08 | General Electric Company | System and Method for Manufacturing Wind Turbine Rotor Blade Components Using Dynamic Mold Heating |
US20180357584A1 (en) * | 2017-06-12 | 2018-12-13 | Hefei University Of Technology | Method and system for collaborative scheduling of production and transportation in supply chains based on improved particle swarm optimization |
CN110245740A (zh) * | 2019-05-10 | 2019-09-17 | 华中科技大学 | 一种基于序列近似优化的粒子群优化方法 |
CN110889238A (zh) * | 2019-12-06 | 2020-03-17 | 北京航空航天大学 | 一种数字孪生驱动的热压罐管控系统 |
CN111069328A (zh) * | 2019-12-03 | 2020-04-28 | 广东工业大学 | 一种基于粒子群算法的等温挤压工艺参数优化方法 |
CN111563347A (zh) * | 2020-04-03 | 2020-08-21 | 江苏师范大学 | 一种纤维增强复合材料的注塑工艺参数优化方法 |
-
2020
- 2020-09-24 CN CN202011013875.7A patent/CN112182678B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004146052A (ja) * | 1993-07-27 | 2004-05-20 | Matsushita Electric Ind Co Ltd | 記録再生装置 |
US20180319046A1 (en) * | 2017-05-04 | 2018-11-08 | General Electric Company | System and Method for Manufacturing Wind Turbine Rotor Blade Components Using Dynamic Mold Heating |
US20180357584A1 (en) * | 2017-06-12 | 2018-12-13 | Hefei University Of Technology | Method and system for collaborative scheduling of production and transportation in supply chains based on improved particle swarm optimization |
CN110245740A (zh) * | 2019-05-10 | 2019-09-17 | 华中科技大学 | 一种基于序列近似优化的粒子群优化方法 |
CN111069328A (zh) * | 2019-12-03 | 2020-04-28 | 广东工业大学 | 一种基于粒子群算法的等温挤压工艺参数优化方法 |
CN110889238A (zh) * | 2019-12-06 | 2020-03-17 | 北京航空航天大学 | 一种数字孪生驱动的热压罐管控系统 |
CN111563347A (zh) * | 2020-04-03 | 2020-08-21 | 江苏师范大学 | 一种纤维增强复合材料的注塑工艺参数优化方法 |
Non-Patent Citations (4)
Title |
---|
刘望子;汪心文;管海新;李萌;许漂;陈正生;: "U型复合材料结构件热压罐固化变形及补偿技术应用研究", 航空制造技术, no. 16 * |
李路等: "外星轮热挤压模具结构及工艺参数联合多目标优化", 《中国机械工程》, no. 20, 23 October 2013 (2013-10-23), pages 1 - 4 * |
熊文韬等: "基于PSO-BP和灰色关联度分析的盒形件成形工艺参数反求", 《锻压装备与制造技术》, no. 03, 11 July 2016 (2016-07-11), pages 93 - 97 * |
韩金亮;张鹏;张欣茹;: "基于改进混合PSO算法的隔热材料仿真优化", 计算机仿真, no. 06 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343375A (zh) * | 2021-04-30 | 2021-09-03 | 成都飞机工业(集团)有限责任公司 | 一种热压罐成型固化热分布预测方法 |
CN113343375B (zh) * | 2021-04-30 | 2022-07-15 | 成都飞机工业(集团)有限责任公司 | 一种热压罐成型固化热分布预测方法 |
WO2023059301A3 (en) * | 2021-10-06 | 2023-08-24 | Karadeni̇z Tekni̇k Uni̇versi̇tesi̇ Teknoloji̇ Transferi̇ Uygulama Ve Arasti̇rma Merkezi̇ | A system and method for manufacturing hybrid thermoplastic composite material |
CN113807028A (zh) * | 2021-10-15 | 2021-12-17 | 华东理工大学 | 一种环氧树脂固化工艺的优化方法及优化系统 |
CN114792059A (zh) * | 2022-05-06 | 2022-07-26 | 北京航空航天大学 | 冻结部分计算的复合材料热压罐工艺仿真系统及仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112182678B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182678A (zh) | 一种固化质量与固化成本协同设计的热压罐成型方法 | |
CN109344524B (zh) | 一种薄板结构加强筋分布优化方法 | |
CN105628511B (zh) | 一种高温合金蠕变寿命预测方法 | |
CN111709096B (zh) | 一种强化自然对流换热的异型翅片结构设计方法 | |
CN106777626B (zh) | 一种离散变量桁架非概率可靠性优化设计方法 | |
CN108920847A (zh) | 用于蠕变时效成形的回弹补偿方法 | |
CN110110385B (zh) | 基于复合形的自适应代理模型在电池模块优化设计中的应用方法 | |
CN111967089B (zh) | 一种基于渐变胞元尺寸的异型三维点阵结构隔热性能优化设计方法 | |
CN102682171A (zh) | 一种对高精度复合材料天线反射体单元模具热变形进行补偿的方法 | |
CN110688746A (zh) | 一种确定sofc系统最优操作点的方法 | |
CN111539138B (zh) | 基于阶跃函数的结构动力学峰值时域响应灵敏度求解方法 | |
CN115203997A (zh) | 一种基于多变量设计的点阵-实体复合结构拓扑优化方法 | |
CN111444619B (zh) | 一种注塑模具冷却系统在线分析方法及设备 | |
CN115438551B (zh) | 一种计算发动机燃烧室隔热效能的cfd-fem联合仿真方法 | |
CN114580222A (zh) | 用于电子器件的高速瞬态热仿真方法及系统 | |
CN116738707A (zh) | 部分周期性换热器通道的等效力学性能预测方法及系统 | |
CN114818550B (zh) | 一种飞机振动试验中时变气动载荷地面等效模拟方法 | |
CN115422808A (zh) | 一种基于Krylov子空间的变压器温度场模型降阶方法 | |
CN111368402B (zh) | 一种管材挤压工艺优化方法 | |
CN108664714B (zh) | 克雷洛夫子空间加速求解燃耗方程的数值计算方法 | |
Li et al. | Advances in Polymer Technology Application of Pareto-Based Genetic Algorithm in Determining Layout of Heating Rods for a Plastic Injection Mold | |
CN113742864B (zh) | 基于全局补偿量的复合材料固化变形的协同控制方法 | |
CN117034474B (zh) | 一种基于等温面法的预锻模快速设计与优化方法 | |
CN117973215A (zh) | 一种基于强化学习的双层壁冷却结构智能优化方法 | |
CN116738836A (zh) | 基于RSM-MOAHA算法的Ti2AlNb基合金拉伸性能优化方法 |
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 |