CN114169101A - 航空发动机叶片超声滚压强化工艺的数字孪生建模方法 - Google Patents
航空发动机叶片超声滚压强化工艺的数字孪生建模方法 Download PDFInfo
- Publication number
- CN114169101A CN114169101A CN202111501594.0A CN202111501594A CN114169101A CN 114169101 A CN114169101 A CN 114169101A CN 202111501594 A CN202111501594 A CN 202111501594A CN 114169101 A CN114169101 A CN 114169101A
- Authority
- CN
- China
- Prior art keywords
- strengthening
- blade
- strengthening process
- surface integrity
- digital twin
- 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.)
- Pending
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
- G06F30/17—Mechanical parametric or variational design
-
- 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
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)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种航空发动机叶片超声滚压强化工艺的数字孪生建模方法,包括以下步骤:S1:获取航空发动机叶片超声滚压强化工艺的基础信息;S2:建立表面完整性计算模型;S3:监测强化工艺参数和强化工况,强化后检测叶片的表面完整性;S4:将强化工艺参数和强化工况输入至所述表面完整性计算模型中,得到叶片的表面完整性;S5:将仿真得到的叶片的表面完整性数据与检测得到的叶片的表面完整性数据进行对比,得到数字孪生模型。本发明的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,可以构建将有限元仿真与数据驱动相结合的超声滚压强化工艺的数字孪生模型,实现强化工艺参数和强化效果的多元映射。
Description
技术领域
本发明涉及超声滚压强化加工领域,更具体地涉及一种航空发动机叶片超声滚压强化工艺的数字孪生建模方法。
背景技术
超声滚压强化是把超声强化和表面滚压相结合的新型表面改性技术,利用超声冲击的能量和静载滚压共同作用使球型工具头高频高幅撞击金属表面,诱导材料的表面纳米化,从而降低金属表面粗糙度、提高金属表层硬度,并且对材料内部引入有益残余压应力,最终达到提高材料使用寿命的目的。
但是,目前的超声滚压存在的问题是,强化设备仍处在发展阶段,强化工艺仍在探索,没有找到综合强化效果的最优方案,而在强化中探索强化工艺方案的成本过高。而且,现今的强化设备并不具备监测、检测、预测等功能,无法对强化过程进行实时监控,无法对强化结果进行检测分析,并对强化效果所对应的强化工艺参数进行预测,没有相关数据库系统记录相关数据用来进行后续分析研究,这些缺陷严重制约了超声滚压强化装备强化效率、改进进化方案的发展。
数字孪生的概念最早起源于对设备的生命周期管理,而今随着工业4.0的概念的提出,数字孪生技术已经被看作使其可以“落地”的关键性技术。数字孪生,即将现实世界的实体映射到虚拟世界中,在虚拟世界中建立物理和数据驱动的还原模型,从而对其进行操作,达到虚实结合,以虚控实的效果。数字孪生技术将物理空间与数字空间完美融合,并利用其模型影响现实实体,具有虚实映射、数据驱动、人机交互和自主决策等特征。其中,虚实映射是指通过构建数字虚体与物理实体映射关系,将物理空间中的物理实体映射到数字空间中,形成具有数据映射、分析决策、控制执行功能的数字孪生。
现有技术中,数字孪生技术的研究大多针对于车间流水线的规划、机床强化进程等简单系统的优化和监控。例如,车间运行(陶飞,张萌,程江峰,戚庆林.数字孪生车间——一种未来车间运行新模式[J].计算机集成制造系统,2017,23(01):1-9.)、生产管控(张新生.基于数字孪生的车间管控系统的设计与实现[D].郑州大学,2018.)以及工艺规划等方面。目前还没有发现针对强化工艺的数字孪生技术的研究。
发明内容
本发明的目的在于提供一种航空发动机叶片超声滚压强化工艺的数字孪生建模方法,对超声滚压机床强化过程中的强化工艺进行数字孪生建模,实现对超声滚压强化过程中的实时监控与强化效果反馈。
为实现上述目的,本发明提供一种航空发动机叶片超声滚压强化工艺的数字孪生建模方法,包括以下步骤:
S1:获取航空发动机叶片超声滚压强化工艺的基础信息;
S2:根据所述基础信息,建立表面完整性计算模型;
S3:对超声滚压机床在实际强化过程中的强化工艺参数和强化工况进行监测,强化后检测叶片的表面完整性;
S4:将监测到的强化工艺参数和强化工况输入至所述表面完整性计算模型中进行仿真计算,得到叶片的表面完整性;
S5:将步骤S4中仿真得到的叶片的表面完整性数据与步骤S3中检测得到的叶片的表面完整性数据进行对比,并修正所述表面完整性计算模型使对比结果满足预定精度,得到数字孪生模型。
进一步地,所述基础信息包括叶片模型、强化工艺参数、强化工况和强化效果。
进一步地,步骤S2包括:将叶片模型导入仿真软件中,对双边强化头施加强化工艺参数,对场景施加强化工况。
进一步地,所述仿真软件为Ansys、Abaqus或Comsol。
进一步地,所述强化工艺参数包括强化头振幅、频率、加工力、走刀路线与往返次数、强化路径方向、装夹方式。
进一步地,所述强化工况包括机床上每个轴的速度与位置信息、温度、湿度、空气中粉尘含量、机床本身的振动及强化误差。
进一步地,所述叶片的表面完整性包括表面粗糙度、表面残余应力和叶片变形程度。
进一步地,步骤S5包括:计算表面完整性计算模型得到的数据与实际监测得到的数据之间的误差系数,若误差系数小于5%,则认为表面完整性计算模型满足精度要求,得到数字孪生模型;反之,则通过控制变量的方法找到问题参数进行修正,并重复步骤S3-S5,直至误差系数满足精度要求为止,此时修正后的表面完整性计算模型为数字孪生模型。
本发明的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,利用数字孪生技术及仿真技术构建数字孪生模型,数字孪生模型达到期望的映射关系后,可以应用到机床强化前的强化效果预测,以及强化过程中的实时监控与强化效果反馈,为强化工艺的优化作出重要参考,有效的提高了强化效率,避免了人力物力时间上的大量浪费。
附图说明
图1为本发明实施例提供的航空发动机叶片超声滚压强化工艺的数字孪生建模方法的流程图。
具体实施方式
下面结合附图,给出本发明的较佳实施例,并予以详细描述。
如图1所示,本发明实施例提供一种航空发动机叶片超声滚压强化工艺的数字孪生建模方法,包括以下步骤:
S1:获取航空发动机叶片超声滚压强化工艺的基础信息;
航空发动机叶片超声滚压强化工艺的基础信息包括:叶片模型、需要采集的数据列表,如:机床外观尺寸、运动规律、精度等;机床温度、电源电压电流功率、各个轴的位置、运动状态、温度、湿度、空气中粉尘含量以及机床本身的振动、强化误差等强化工况,强化头振幅、频率、力、工况温度、走刀路线与往返次数、强化路径方向、装夹方式等强化工艺参数;强化效果数据如表面粗糙度、表面残余压应力、残余压应力深度、显微硬度等。
S2:根据步骤S1中所获取的基础信息,建立表面完整性计算模型;
表面完整性计算模型可以通过Ansys、Abaqus和Comsol等仿真软件建立:首先,将航空发动机叶片的三维模型导入仿真软件,然后对场景施加机床上每个轴的速度与位置、温度、湿度、空气质量等强化工况,对双边强化头施加超声频率、振幅、加工力等强化工艺参数,然后将强化路径与往返次数输入,具体地,先将强化路径的轨迹点以表格形式呈现,再将表格导入仿真软件中,从而使强化头运行到表面完整性计算模型的各个位置上;最后输出表面残余应力、表面粗糙度和叶片变形程度等信息。优选地,可以将表面完整性计算模型封装,并将上述输入输出留出接口,以便与强化效果预测平台交互。
S3:对超声滚压机床在实际强化过程中的强化工艺参数和强化工况进行监测;强化后检测强化效果,即叶片的表面完整性,包括表面粗糙度、表面残余应力和叶片变形程度;
其中,强化工艺参数包括强化头振幅、频率、加工力、走刀路线与往返次数、强化路径方向、装夹方式等;强化工况至少包括机床上每个轴的速度与位置信息、温度、湿度、空气中粉尘含量等关键信息。强化工艺参数及强化工况通过相应的传感器进行监测。
S4:将强化工艺参数和强化工况输入到表面完整性计算模型中进行仿真计算,得到叶片的表面完整性,包括表面粗糙度、表面残余应力和叶片变形程度;
S5:将步骤S4中仿真得到的叶片的表面完整性数据与步骤S3中监测到的叶片的表面完整性数据进行对比,并修正所述表面完整性计算模型使对比结果满足预定精度,得到数字孪生模型;
具体地,将表面完整性计算模型仿真得到的叶片的表面完整性数据与实际监测得到的数据进行对比,计算两者的误差系数,若误差系数小于5%,则视为表面完整性计算模型可以做到与实体机床的映射关系,直接得到数字孪生模型;若误差系数大于5%,则通过控制变量的方法找到问题参数进行修正,并重复步骤S3-S5,直到误差系数小于5%为止,此时修正后的表面完整性计算模型即为数字孪生模型。控制变量的方法是指通过对现有特征参数的有规律的改变,对所忽略的“强化变量对强化效果的影响进行抵消”,例如,如果忽略了机床本身振动对强化效果的影响,在其他参数不变的情况下,将强化工艺参数中的强化头振幅进行调整,观察效果是否有改进,如没有改进,更换调整的强化工艺,如果有改进效果,但效果比较小,可以调整加权数,或增加另一种强化工艺进行加权。
数字孪生模型达到期望的映射关系后,可以应用到机床强化前的强化效果预测,以及强化过程中的实时监控与强化效果反馈,为强化工艺的优化作出重要参考,有效的提高了强化效率,避免了人力物力时间上的大量浪费。
以上所述的,仅为本发明的较佳实施例,并非用以限定本发明的范围,本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰,皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
Claims (8)
1.一种航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,包括以下步骤:
S1:获取航空发动机叶片超声滚压强化工艺的基础信息;
S2:根据所述基础信息,建立表面完整性计算模型;
S3:对超声滚压机床在实际强化过程中的强化工艺参数和强化工况进行监测,强化后检测叶片的表面完整性;
S4:将监测到的强化工艺参数和强化工况输入至所述表面完整性计算模型中进行仿真计算,得到叶片的表面完整性;
S5:将步骤S4中仿真得到的叶片的表面完整性数据与步骤S3中检测得到的叶片的表面完整性数据进行对比,并修正所述表面完整性计算模型使对比结果满足预定精度,得到数字孪生模型。
2.根据权利要求1所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,所述基础信息包括叶片模型、强化工艺参数、强化工况和强化效果。
3.根据权利要求2所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,步骤S2包括:将叶片模型导入仿真软件中,对双边强化头施加强化工艺参数,对场景施加强化工况。
4.根据权利要求3所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,所述仿真软件为Ansys、Abaqus或Comsol。
5.根据权利要求1所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,所述强化工艺参数包括强化头振幅、频率、加工力、走刀路线与往返次数、强化路径方向、装夹方式。
6.根据权利要求1所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,所述强化工况包括机床上每个轴的速度与位置信息、温度、湿度、空气中粉尘含量、机床本身的振动及强化误差。
7.根据权利要求1所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,所述叶片的表面完整性包括表面粗糙度、表面残余应力和叶片变形程度。
8.根据权利要求1所述的航空发动机叶片超声滚压强化工艺的数字孪生建模方法,其特征在于,步骤S5包括:计算表面完整性计算模型得到的数据与实际监测得到的数据之间的误差系数,若误差系数小于5%,则认为表面完整性计算模型满足精度要求,得到数字孪生模型;反之,则通过控制变量的方法找到问题参数进行修正,并重复步骤S3-S5,直至误差系数满足精度要求为止,此时修正后的表面完整性计算模型为数字孪生模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111501594.0A CN114169101A (zh) | 2021-12-09 | 2021-12-09 | 航空发动机叶片超声滚压强化工艺的数字孪生建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111501594.0A CN114169101A (zh) | 2021-12-09 | 2021-12-09 | 航空发动机叶片超声滚压强化工艺的数字孪生建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169101A true CN114169101A (zh) | 2022-03-11 |
Family
ID=80485113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111501594.0A Pending CN114169101A (zh) | 2021-12-09 | 2021-12-09 | 航空发动机叶片超声滚压强化工艺的数字孪生建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169101A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114654178A (zh) * | 2022-05-17 | 2022-06-24 | 山东建筑大学 | 一种高精度耐磨损涡轮增压器轴承的加工方法 |
-
2021
- 2021-12-09 CN CN202111501594.0A patent/CN114169101A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114654178A (zh) * | 2022-05-17 | 2022-06-24 | 山东建筑大学 | 一种高精度耐磨损涡轮增压器轴承的加工方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Toward intelligent machine tool | |
CN110530638B (zh) | 基于数字孪生的航空发动机主轴承损伤检测与诊断方法 | |
CN110900307A (zh) | 一种数字孪生驱动的数控机床刀具监控系统 | |
Liu et al. | Digital twin-driven surface roughness prediction and process parameter adaptive optimization | |
CN111968004A (zh) | 一种基于数字孪生的高精密产品装调一体化系统 | |
Li et al. | An integrated feature-based dynamic control system for on-line machining, inspection and monitoring | |
CN112487584A (zh) | 一种基于动力学的滚动轴承数字孪生建模方法 | |
CN113732557B (zh) | 一种基于数字孪生的焊接监控方法 | |
CN112418455B (zh) | 一种设备故障预测与健康管理系统 | |
Yao et al. | Tool remaining useful life prediction using deep transfer reinforcement learning based on long short-term memory networks | |
Armendia et al. | Machine tool: from the digital twin to the cyber-physical systems | |
CN113569350B (zh) | 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法 | |
US20230315043A1 (en) | System and method for instantaneous performance management of a machine tool | |
CN114169101A (zh) | 航空发动机叶片超声滚压强化工艺的数字孪生建模方法 | |
Zhi et al. | Fuzzy design optimization-based fatigue reliability analysis of welding robots | |
Li et al. | A data and knowledge-driven cutting parameter adaptive optimization method considering dynamic tool wear | |
CN113554230A (zh) | 一种面向制造全生命周期的数字孪生可表示性建模系统 | |
CN115034147B (zh) | 一种基于数字孪生的智能制造系统 | |
Hallmann et al. | A method for analyzing the influence of process and design parameters on the build time of additively manufactured components | |
CN112861272A (zh) | 基于数字孪生的船用柴油机复杂零部件工艺可行性分析方法 | |
CN115496107A (zh) | 基于数字孪生的航空发动机主轴轴承全生命周期分析方法 | |
CN114239938A (zh) | 一种基于状态的能源数字孪生体的构建方法 | |
CN113486523A (zh) | 一种线性变参数振动系统全局辨识方法 | |
CN114139317A (zh) | 一种航空发动机叶片水射流强化设备的数字孪生建模方法 | |
KR20210100399A (ko) | 인공 지능을 이용한 가공품질 예측 시스템 및 방법 |
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 |