CN114433705B - 一种管材内高压成形的起皱智能控制方法及系统 - Google Patents
一种管材内高压成形的起皱智能控制方法及系统 Download PDFInfo
- Publication number
- CN114433705B CN114433705B CN202111621758.3A CN202111621758A CN114433705B CN 114433705 B CN114433705 B CN 114433705B CN 202111621758 A CN202111621758 A CN 202111621758A CN 114433705 B CN114433705 B CN 114433705B
- Authority
- CN
- China
- Prior art keywords
- wrinkle
- information
- pipe
- wrinkles
- wrinkling
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000037303 wrinkles Effects 0.000 claims abstract description 433
- 238000009417 prefabrication Methods 0.000 claims abstract description 132
- 230000009286 beneficial effect Effects 0.000 claims abstract description 65
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 230000006698 induction Effects 0.000 claims abstract description 19
- 239000006052 feed supplement Substances 0.000 claims abstract description 18
- 238000010438 heat treatment Methods 0.000 claims abstract description 17
- 239000000463 material Substances 0.000 claims description 48
- 238000012937 correction Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 12
- 238000007493 shaping process Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 230000000379 polymerizing effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 239000012530 fluid Substances 0.000 abstract description 3
- 230000006835 compression Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 238000002788 crimping Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D26/00—Shaping without cutting otherwise than using rigid devices or tools or yieldable or resilient pads, i.e. applying fluid pressure or magnetic forces
- B21D26/02—Shaping without cutting otherwise than using rigid devices or tools or yieldable or resilient pads, i.e. applying fluid pressure or magnetic forces by applying fluid pressure
- B21D26/033—Deforming tubular bodies
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D37/00—Tools as parts of machines covered by this subclass
- B21D37/16—Heating or cooling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/235—Update request formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fluid Mechanics (AREA)
- Bending Of Plates, Rods, And Pipes (AREA)
Abstract
本发明公开了一种管材内高压成形的起皱智能控制方法及系统,涉及流体高压成形领域,其中管材内高压成形起皱的控制方法包括:获取管材的目标成形信息,构建皱纹规划模型,生成管材目标成形区域的皱纹预制方案;通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;获取所述初始皱纹的形状,根据所述形状对所述皱纹进行评价,通过所述评价对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;通过修正后的皱纹预制方案预制管材的有益皱纹。本发明通过对起皱现象进行智能控制生成有益皱纹,有利于管材的内高压成形。
Description
技术领域
本发明涉及管材流体压力成形领域,更具体的,涉及一种管材内高压成形的起皱智能控制方法及系统。
背景技术
内高压成形也叫液压成形或液力成形,是一种利用液体作为成形介质,通过控制内压力和材料流动来达到成形中空零件目的的材料成形工艺。由于它是一种结构轻量化的成形方式,在汽车制造、航天航空等产业拥有广阔的应用前景,但是在内高压成形过程中若轴向载荷过大,管材就会出现轴向起皱,但是并非所有的起皱都是有害的,对有些皱纹进行控制有助于管材成形,所以如何对某些皱纹形状进行控制成为重要的问题。
为了对管材内高压成形中起皱的皱纹形状进行控制,需要开发一款系统与之配合进行实现,该系统通过获取管材的目标成形信息,构建皱纹规划模型,生成管材目标成形区域的皱纹预制方案;通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;获取所述初始皱纹的形状,根据所述形状对所述皱纹进行评价,通过所述评价对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。在该系统的实现过程中,如何生成皱纹预制方案,并进行初始皱纹模拟都是亟不可待需要解决的问题。
发明内容
为了解决上述技术问题,本发明提出了一种管材内高压成形的起皱智能控制方法及系统。
本发明第一方面提供了一种管材内高压成形的起皱智能控制方法,包括:
获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;
通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;
获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;
通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。
本方案中,所述的构建皱纹规划模型,具体为:
获取管材材料信息及内高压成形过程中的内压信息、轴向补料量信息及温度信息,将所述管材材料信息、内压信息、轴向补料信息及温度信息与形成的有益皱纹进行匹配生成匹配序列数据;
根据所述匹配序列数据生成用于皱纹规划的样本数据集,并将所述样本数据集按照预设比例区分为模型训练数据集及模型验证数据集;
构建皱纹规划模型,通过所述模型训练数据集对所述皱纹规划模型进行初始化训练;
通过训练后的皱纹规划模型生成皱纹预制方案,根据所述皱纹预制方案进行可行性检验,计算皱纹预制方案中的参数信息与所述模型验证数据集的偏差率;
判断所述偏差率是否小于预设偏差率阈值,若小于,则证明所述皱纹规划模型生成的皱纹预制方案可行性符合预设标准,并输出皱纹规划模型。
本方案中,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案,具体为:
获取管材的目标成形信息及材料信息,将所述目标成形信息及材料信息导入所述皱纹规划模型;
所述皱纹规划模型根据所述目标成形信息生成有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息;
将生成的信息聚合生成皱纹预制方案。
本方案中,通过有限元数值模拟根据皱纹预制方案结合管材的初始尺寸信息对初始皱纹起皱过程进行模拟,对起皱过程中管材的应力应变分布进行可视化分析。
本方案中,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,具体为:
在管材初始皱纹区域进行取点,利用所取点生成皱纹形状散点图,并将所述皱纹形状散点图进行拟合生成皱纹形状曲线;
构建皱纹形状的评价指标体系,通过所述评价指标体系提取皱纹评价指标,根据所述皱纹形状曲线获取皱纹形状属性;
根据所述皱纹形状属性确定皱纹评价指标的指标得分信息,并根据层次分析法计算所述评价指标的权重信息;
根据所述指标得分信息及所述权重信息得到所述初始皱纹的评价得分;
预设皱纹形状的评价得分标准,按照所述评价得分所落的的得分区间确定对管材内高压成形的贡献信息。
本方案中,所述的修正所述皱纹预制方案,具体为:
获取皱纹预制方案生成的皱纹形状对管材内高压成形的贡献信息,将所述贡献信息与预设贡献阈值信息进行对比分析;
若所述贡献信息小于预设贡献阈值信息时,则计算偏差值,根据所述偏差值生成皱纹预制方案修正信息;
通过所述皱纹预制方案修正信对皱纹预制方案进行修正,得到修正后的皱纹预制方案;
根据修正后的皱纹预制方案对初始皱纹进行调整,完成所有皱纹的预成形。
本发明第二方面还提供了一种管材内高压成形的起皱智能控制系统,该系统包括:存储器、处理器,所述存储器中包括一种管材内高压成形的起皱智能控制方法程序,所述一种管材内高压成形的起皱智能控制方法程序被所述处理器执行时实现如下步骤:
获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;
通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;
获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;
通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。
本方案中,所述的构建皱纹规划模型,具体为:
获取管材材料信息及内高压成形过程中的内压信息、轴向补料量信息及温度信息,将所述管材材料信息、内压信息、轴向补料信息及温度信息与形成的有益皱纹进行匹配生成匹配序列数据;
根据所述匹配序列数据生成用于皱纹规划的样本数据集,并将所述样本数据集按照预设比例区分为模型训练数据集及模型验证数据集;
构建皱纹规划模型,通过所述模型训练数据集对所述皱纹规划模型进行初始化训练;
通过训练后的皱纹规划模型生成皱纹预制方案,根据所述皱纹预制方案进行可行性检验,计算皱纹预制方案中的参数信息与所述模型验证数据集的偏差率;
判断所述偏差率是否小于预设偏差率阈值,若小于,则证明所述皱纹规划模型生成的皱纹预制方案可行性符合预设标准,并输出皱纹规划模型。
本方案中,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案,具体为:
获取管材的目标成形信息及材料信息,将所述目标成形信息及材料信息导入所述皱纹规划模型;
所述皱纹规划模型根据所述目标成形信息生成有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息;
将生成的信息聚合生成皱纹预制方案。
本方案中,通过有限元数值模拟根据皱纹预制方案结合管材的初始尺寸信息对初始皱纹起皱过程进行模拟,对起皱过程中管材的应力应变分布进行可视化分析。
本方案中,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,具体为:
在管材初始皱纹区域进行取点,利用所取点生成皱纹形状散点图,并将所述皱纹形状散点图进行拟合生成皱纹形状曲线;
构建皱纹形状的评价指标体系,通过所述评价指标体系提取皱纹评价指标,根据所述皱纹形状曲线获取皱纹形状属性;
根据所述皱纹形状属性确定皱纹评价指标的指标得分信息,并根据层次分析法计算所述评价指标的权重信息;
根据所述指标得分信息及所述权重信息得到所述初始皱纹的评价得分;
预设皱纹形状的评价得分标准,按照所述评价得分所落的的得分区间确定对管材内高压成形的贡献信息。
本方案中,所述的修正所述皱纹预制方案,具体为:
获取皱纹预制方案生成的皱纹形状对管材内高压成形的贡献信息,将所述贡献信息与预设贡献阈值信息进行对比分析;
若所述贡献信息小于预设贡献阈值信息时,则计算偏差值,根据所述偏差值生成皱纹预制方案修正信息;
通过所述皱纹预制方案修正信对皱纹预制方案进行修正,得到修正后的皱纹预制方案;
根据修正后的皱纹预制方案对初始皱纹进行调整,完成所有皱纹的预成形。
本发明公开了一种管材内高压成形的起皱智能控制方法及系统,涉及流体高压成形领域,其中管材内高压成形起皱的控制方法包括:获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。本发明通过对起皱现象进行智能控制生成有益皱纹,有利于管材的内高压成形。
附图说明
图1示出了本发明一种管材内高压成形的起皱智能控制方法的流程图;
图2示出了本发明构建皱纹规划模型的方法流程图;
图3示出了本发明对初始皱纹进行评价的方法流程图;
图4示出了本发明一种管材内高压成形的起皱智能控制系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种管材内高压成形的起皱智能控制方法的流程图。
如图1所示,本发明第一方面提供了一种管材内高压成形的起皱智能控制方法,包括:
S102,获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;
S104,通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;
S106,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;
S108,通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。
需要说明的是,通过感应线圈对管材目标成形区域进行局部加温,由于管材的导热性质,进行局部加温的同时会出现热量传递,需要同时对目标成形区域两侧位置进行冷却降温,形成非均匀温度场,管材在不均匀温度场中临界起皱应力取决于不同位置的力学性能参数与管壁厚度的比较,均匀管壁厚度的管材的临界起皱应力取决于温度最高位置的临界起皱应力,管壁厚度不均匀的情况下,则将不同位置的管壁厚度与力学性能参数进行比较;管材在经过感应线圈加热后,经过轴向压缩生成皱纹,但是皱纹区域往往较小,难以精准测量尺寸及间隔,所以设置配套的光学测量显微镜对管材起皱区域的皱纹尺寸及间隔进行测量,通过所述光学测试测量显微镜获取工件皱纹区域的皱纹图像信息,并通过预设方式进行显示,并对所述皱纹进行定位,采用合适的测量工具进行测量。
图2示出了本发明构建皱纹规划模型的方法流程图。
根据本发明实施例,所述的构建皱纹规划模型,具体为:
S202,获取管材材料信息及内高压成形过程中的内压信息、轴向补料量信息及温度信息,将所述管材材料信息、内压信息、轴向补料信息及温度信息与形成的有益皱纹进行匹配生成匹配序列数据;
S204,根据所述匹配序列数据生成用于皱纹规划的样本数据集,并将所述样本数据集按照预设比例区分为模型训练数据集及模型验证数据集;
S206,构建皱纹规划模型,通过所述模型训练数据集对所述皱纹规划模型进行初始化训练;
S208,通过训练后的皱纹规划模型生成皱纹预制方案,根据所述皱纹预制方案进行可行性检验,计算皱纹预制方案中的参数信息与所述模型验证数据集的偏差率;
S210,判断所述偏差率是否小于预设偏差率阈值,若小于,则证明所述皱纹规划模型生成的皱纹预制方案可行性符合预设标准,并输出皱纹规划模型。
需要说明的是,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案,具体为:
获取管材的目标成形信息及材料信息,将所述目标成形信息及材料信息导入所述皱纹规划模型;
所述皱纹规划模型根据所述目标成形信息生成有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息;
将生成的信息聚合生成皱纹预制方案。
图3示出了本发明对初始皱纹进行评价的方法流程图。
根据本发明实施例,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,具体为:
S302,在管材初始皱纹区域进行取点,利用所取点生成皱纹形状散点图,并将所述皱纹形状散点图进行拟合生成皱纹形状曲线;
S304,构建皱纹形状的评价指标体系,通过所述评价指标体系提取皱纹评价指标,根据所述皱纹形状曲线获取皱纹形状属性;
S306,根据所述皱纹形状属性确定皱纹评价指标的指标得分信息,并根据层次分析法计算所述评价指标的权重信息;
S308,根据所述指标得分信息及所述权重信息得到所述初始皱纹的评价得分;
S310,预设皱纹形状的评价得分标准,按照所述评价得分所落的的得分区间确定对管材内高压成形的贡献信息。
需要说明的是,通过有限元数值模拟根据皱纹预制方案结合管材的初始尺寸信息对初始皱纹起皱过程进行模拟,对起皱过程中管材的应力应变分布进行可视化分析,通过Deform建立管材起皱过程的有限元模拟,为了方便模拟计算,根据实际条件对所述有限元模拟进行简化,根据感应线圈的预设加热条件及管材材料的应力应变曲线模拟目标成形区域的感应加热及轴向压缩,模拟感应线圈加热形成非均匀温度场后,设置轴向压缩模拟的运动路线参数及速度参数,模拟不同条件下的轴向压缩。所述皱纹形状包括皱纹的高度信息、宽度信息及皱纹对称轴信息,对轴向压缩后的管件截面进行取点绘制轮廓形状并进行拟合分析生成皱纹形状拟合曲线,取所述皱纹形状拟合曲线波峰位置为皱纹的高度信息,取所述皱纹形状拟合曲线的半峰全宽为皱纹的宽度信息,并根据皱纹形状拟合曲线的对称性得到皱纹的对称轴信息。
需要说明的是,所述的修正所述皱纹预制方案,具体为:
获取皱纹预制方案生成的皱纹形状对管材内高压成形的贡献信息,将所述贡献信息与预设贡献阈值信息进行对比分析;
若所述贡献信息小于预设贡献阈值信息时,则计算偏差值,根据所述偏差值生成皱纹预制方案修正信息;
通过所述皱纹预制方案修正信对皱纹预制方案进行修正,得到修正后的皱纹预制方案;
根据修正后的皱纹预制方案对初始皱纹进行调整,完成所有皱纹的预成形。
根据本发明实施例,本发明还包括建立数据库,通过所述数据库存储各材质管材的预制有益皱纹的参数信息,具体为:
将各材质管材的目标成形信息与有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息构成数据序列,建立管材有益皱纹数据库,将所述数据序列存储到管材有益皱纹数据库中;
获取待成形管材材质信息及目标成形信息建立索引标签,根据所述索引标签在所述管材有益皱纹数据库中进行检索,计算与管材有益皱纹数据库中数据序列的匹配度;
判断所述匹配度是否大于预设匹配度阈值,若大于,则提取对应数据序列中皱纹预制方案的参数信息作为有益皱纹的预制标准;
当皱纹预制方案产生修正信息时,通过所述修正信息对管材有益皱纹数据库中数据进行更新。
需要说明的是,构建管材有益皱纹数据库,其中包括管材材质信息,各材质管材的目标成形信息与有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息,根据待成形管材材质信息及目标成形信息在管材有益皱纹数据库中进行匹配度计算,在管材有益皱纹数据库中寻找符合匹配要求的皱纹预制方案,提取管材有益皱纹数据库中的皱纹预制方案作为皱纹预制标准,大大提高了有益皱纹预制的效率,同时通过所述修正信息对管材有益皱纹数据库中数据进行更新,实现了数据库中数据的同步更新,确保了提取方案的新颖性。同时利用管材有益皱纹数据库获取预设转用条件,判断不可用皱纹的分析结果是否满足预设转用条件,可降低管材报废而造成的经济损失。
图4示出了本发明一种管材内高压成形的起皱智能控制系统的框图。
本发明第二方面还提供了一种管材内高压成形的起皱智能控制系统4,该系统包括:存储器41、处理器42,所述存储器中包括一种管材内高压成形的起皱智能控制方法程序,所述一种管材内高压成形的起皱智能控制方法程序被所述处理器执行时实现如下步骤:
获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;
通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;
获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;
通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。
需要说明的是,通过感应线圈对管材目标成形区域进行局部加温,由于管材的导热性质,进行局部加温的同时会出现热量传递,需要同时对目标成形区域两侧位置进行冷却降温,形成非均匀温度场,管材在不均匀温度场中临界起皱应力取决于不同位置的力学性能参数与管壁厚度的比较,均匀管壁厚度的管材的临界起皱应力取决于温度最高位置的临界起皱应力,管壁厚度不均匀的情况下,则将不同位置的管壁厚度与力学性能参数进行比较;管材在经过感应线圈加热后,经过轴向压缩生成皱纹,但是皱纹区域往往较小,难以精准测量尺寸及间隔,所以设置配套的光学测量显微镜对管材起皱区域的皱纹尺寸及间隔进行测量,通过所述光学测试测量显微镜获取工件皱纹区域的皱纹图像信息,并通过预设方式进行显示,并对所述皱纹进行定位,采用合适的测量工具进行测量。
根据本发明实施例,所述的构建皱纹规划模型,具体为:
获取管材材料信息及内高压成形过程中的内压信息、轴向补料量信息及温度信息,将所述管材材料信息、内压信息、轴向补料信息及温度信息与形成的有益皱纹进行匹配生成匹配序列数据;
根据所述匹配序列数据生成用于皱纹规划的样本数据集,并将所述样本数据集按照预设比例区分为模型训练数据集及模型验证数据集;
构建皱纹规划模型,通过所述模型训练数据集对所述皱纹规划模型进行初始化训练;
通过训练后的皱纹规划模型生成皱纹预制方案,根据所述皱纹预制方案进行可行性检验,计算皱纹预制方案中的参数信息与所述模型验证数据集的偏差率;
判断所述偏差率是否小于预设偏差率阈值,若小于,则证明所述皱纹规划模型生成的皱纹预制方案可行性符合预设标准,并输出皱纹规划模型。
需要说明的是,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案,具体为:
获取管材的目标成形信息及材料信息,将所述目标成形信息及材料信息导入所述皱纹规划模型;
所述皱纹规划模型根据所述目标成形信息生成有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息;
将生成的信息聚合生成皱纹预制方案。
根据本发明实施例,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,具体为:
在管材初始皱纹区域进行取点,利用所取点生成皱纹形状散点图,并将所述皱纹形状散点图进行拟合生成皱纹形状曲线;
构建皱纹形状的评价指标体系,通过所述评价指标体系提取皱纹评价指标,根据所述皱纹形状曲线获取皱纹形状属性;
根据所述皱纹形状属性确定皱纹评价指标的指标得分信息,并根据层次分析法计算所述评价指标的权重信息;
根据所述指标得分信息及所述权重信息得到所述初始皱纹的评价得分;
预设皱纹形状的评价得分标准,按照所述评价得分所落的的得分区间确定对管材内高压成形的贡献信息。
需要说明的是,通过有限元数值模拟根据皱纹预制方案结合管材的初始尺寸信息对初始皱纹起皱过程进行模拟,对起皱过程中管材的应力应变分布进行可视化分析,通过Deform建立管材起皱过程的有限元模拟,为了方便模拟计算,根据实际条件对所述有限元模拟进行简化,根据感应线圈的预设加热条件及管材材料的应力应变曲线模拟目标成形区域的感应加热及轴向压缩,模拟感应线圈加热形成非均匀温度场后,设置轴向压缩模拟的运动路线参数及速度参数,模拟不同条件下的轴向压缩。所述皱纹形状包括皱纹的高度信息、宽度信息及皱纹对称轴信息,对轴向压缩后的管件截面进行取点绘制轮廓形状并进行拟合分析生成皱纹形状拟合曲线,取所述皱纹形状拟合曲线波峰位置为皱纹的高度信息,取所述皱纹形状拟合曲线的半峰全宽为皱纹的宽度信息,并根据皱纹形状拟合曲线的对称性得到皱纹的对称轴信息。
需要说明的是,所述的修正所述皱纹预制方案,具体为:
获取皱纹预制方案生成的皱纹形状对管材内高压成形的贡献信息,将所述贡献信息与预设贡献阈值信息进行对比分析;
若所述贡献信息小于预设贡献阈值信息时,则计算偏差值,根据所述偏差值生成皱纹预制方案修正信息;
通过所述皱纹预制方案修正信对皱纹预制方案进行修正,得到修正后的皱纹预制方案;
根据修正后的皱纹预制方案对初始皱纹进行调整,完成所有皱纹的预成形。
根据本发明实施例,本发明还包括建立数据库,通过所述数据库存储各材质管材的预制有益皱纹的参数信息,具体为:
将各材质管材的目标成形信息与有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息构成数据序列,建立管材有益皱纹数据库,将所述数据序列存储到管材有益皱纹数据库中;
获取待成形管材材质信息及目标成形信息建立索引标签,根据所述索引标签在所述管材有益皱纹数据库中进行检索,计算与管材有益皱纹数据库中数据序列的匹配度;
判断所述匹配度是否大于预设匹配度阈值,若大于,则提取对应数据序列中皱纹预制方案的参数信息作为有益皱纹的预制标准;
当皱纹预制方案产生修正信息时,通过所述修正信息对管材有益皱纹数据库中数据进行更新。
需要说明的是,构建管材有益皱纹数据库,其中包括管材材质信息,各材质管材的目标成形信息与有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息,根据待成形管材材质信息及目标成形信息在管材有益皱纹数据库中进行匹配度计算,在管材有益皱纹数据库中寻找符合匹配要求的皱纹预制方案,提取管材有益皱纹数据库中的皱纹预制方案作为皱纹预制标准,大大提高了有益皱纹预制的效率,同时通过所述修正信息对管材有益皱纹数据库中数据进行更新,实现了数据库中数据的同步更新,确保了提取方案的新颖性。同时利用管材有益皱纹数据库获取预设转用条件,判断不可用皱纹的分析结果是否满足预设转用条件,可降低管材报废而造成的经济损失。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种管材内高压成形的起皱智能控制方法,其特征在于,包括:
获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;
通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;
获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;
通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。
2.根据权利要求1所述的一种管材内高压成形的起皱智能控制方法,其特征在于,所述的构建皱纹规划模型,具体为:
获取管材材料信息及内高压成形过程中的内压信息、轴向补料量信息及温度信息,将所述管材材料信息、内压信息、轴向补料信息及温度信息与形成的有益皱纹进行匹配生成匹配序列数据;
根据所述匹配序列数据生成用于皱纹规划的样本数据集,并将所述样本数据集按照预设比例区分为模型训练数据集及模型验证数据集;
构建皱纹规划模型,通过所述模型训练数据集对所述皱纹规划模型进行初始化训练;
通过训练后的皱纹规划模型生成皱纹预制方案,根据所述皱纹预制方案进行可行性检验,计算皱纹预制方案中的参数信息与所述模型验证数据集的偏差率;
判断所述偏差率是否小于预设偏差率阈值,若小于,则证明所述皱纹规划模型生成的皱纹预制方案可行性符合预设标准,并输出皱纹规划模型。
3.根据权利要求1所述的一种管材内高压成形的起皱智能控制方法,其特征在于,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案,具体为:
获取管材的目标成形信息及材料信息,将所述目标成形信息及材料信息导入所述皱纹规划模型;
所述皱纹规划模型根据所述目标成形信息生成有益皱纹最优数量信息,管材局部温度信息、内压信息及轴向补料量信息;
将生成的信息聚合生成皱纹预制方案。
4.根据权利要求1所述的一种管材内高压成形的起皱智能控制方法,其特征在于,通过有限元数值模拟根据皱纹预制方案结合管材的初始尺寸信息对初始皱纹起皱过程进行模拟,对起皱过程中管材的应力应变分布进行可视化分析。
5.根据权利要求1所述的一种管材内高压成形的起皱智能控制方法,其特征在于,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,具体为:
在管材初始皱纹区域进行取点,利用所取点生成皱纹形状散点图,并将所述皱纹形状散点图进行拟合生成皱纹形状曲线;
构建皱纹形状的评价指标体系,通过所述评价指标体系提取皱纹评价指标,根据所述皱纹形状曲线获取皱纹形状属性;
根据所述皱纹形状属性确定皱纹评价指标的指标得分信息,并根据层次分析法计算所述评价指标的权重信息;
根据所述指标得分信息及所述权重信息得到所述初始皱纹的评价得分;
预设皱纹形状的评价得分标准,按照所述评价得分所落的得分区间确定对管材内高压成形的贡献信息。
6.根据权利要求1所述的一种管材内高压成形的起皱智能控制方法,其特征在于,所述的修正所述皱纹预制方案,具体为:
获取皱纹预制方案生成的皱纹形状对管材内高压成形的贡献信息,将所述贡献信息与预设贡献阈值信息进行对比分析;
若所述贡献信息小于预设贡献阈值信息时,则计算偏差值,根据所述偏差值生成皱纹预制方案修正信息;
通过所述皱纹预制方案修正信息对皱纹预制方案进行修正,得到修正后的皱纹预制方案;
根据修正后的皱纹预制方案对初始皱纹进行调整,完成所有皱纹的预成形。
7.一种管材内高压成形的起皱智能控制系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种管材内高压成形的起皱智能控制方法程序,所述一种管材内高压成形的起皱智能控制方法程序被所述处理器执行时实现如下步骤:
获取管材的目标成形信息,构建皱纹规划模型,将所述管材的目标成形信息导入所述皱纹规划模型生成管材目标成形区域的皱纹预制方案;
通过感应线圈加热生成管材目标成形区域的非均匀温度场,根据所述皱纹预制方案获取轴向补料量信息,通过所述非均匀温度场及所述轴向补料量信息生成初始皱纹;
获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,通过评价结果对所述非均匀温度场及轴向补料量进行调整,修正所述皱纹预制方案;
通过修正后的皱纹预制方案预制管材的有益皱纹,对有益皱纹进行加压整形成形为最终管件。
8.根据权利要求7所述的一种管材内高压成形的起皱智能控制系统,其特征在于,所述的构建皱纹规划模型,具体为:
获取管材材料信息及内高压成形过程中的内压信息、轴向补料量信息及温度信息,将所述管材材料信息、内压信息、轴向补料信息及温度信息与形成的有益皱纹进行匹配生成匹配序列数据;
根据所述匹配序列数据生成用于皱纹规划的样本数据集,并将所述样本数据集按照预设比例区分为模型训练数据集及模型验证数据集;
构建皱纹规划模型,通过所述模型训练数据集对所述皱纹规划模型进行初始化训练;
通过训练后的皱纹规划模型生成皱纹预制方案,根据所述皱纹预制方案进行可行性检验,计算皱纹预制方案中的参数信息与所述模型验证数据集的偏差率;
判断所述偏差率是否小于预设偏差率阈值,若小于,则证明所述皱纹规划模型生成的皱纹预制方案可行性符合预设标准,并输出皱纹规划模型。
9.根据权利要求7所述的一种管材内高压成形的起皱智能控制系统,其特征在于,获取所述初始皱纹的形状,根据所述初始皱纹的形状对初始皱纹进行评价,具体为:
在管材初始皱纹区域进行取点,利用所取点生成皱纹形状散点图,并将所述皱纹形状散点图进行拟合生成皱纹形状曲线;
构建皱纹形状的评价指标体系,通过所述评价指标体系提取皱纹评价指标,根据所述皱纹形状曲线获取皱纹形状属性;
根据所述皱纹形状属性确定皱纹评价指标的指标得分信息,并根据层次分析法计算所述评价指标的权重信息;
根据所述指标得分信息及所述权重信息得到所述初始皱纹的评价得分;
预设皱纹形状的评价得分标准,按照所述评价得分所落的得分区间确定对管材内高压成形的贡献信息。
10.根据权利要求7所述的一种管材内高压成形的起皱智能控制系统,其特征在于,所述的修正所述皱纹预制方案,具体为:
获取皱纹预制方案生成的皱纹形状对管材内高压成形的贡献信息,将所述贡献信息与预设贡献阈值信息进行对比分析;
若所述贡献信息小于预设贡献阈值信息时,则计算偏差值,根据所述偏差值生成皱纹预制方案修正信息;
通过所述皱纹预制方案修正信息对皱纹预制方案进行修正,得到修正后的皱纹预制方案;
根据修正后的皱纹预制方案对初始皱纹进行调整,完成所有皱纹的预成形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111621758.3A CN114433705B (zh) | 2021-12-28 | 2021-12-28 | 一种管材内高压成形的起皱智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111621758.3A CN114433705B (zh) | 2021-12-28 | 2021-12-28 | 一种管材内高压成形的起皱智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114433705A CN114433705A (zh) | 2022-05-06 |
CN114433705B true CN114433705B (zh) | 2023-12-26 |
Family
ID=81366040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111621758.3A Active CN114433705B (zh) | 2021-12-28 | 2021-12-28 | 一种管材内高压成形的起皱智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114433705B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698220A (zh) * | 2013-12-24 | 2014-04-02 | 南京航空航天大学 | 基于抛物线模型的管材成形性能自适应测试方法 |
CN108345703A (zh) * | 2017-01-22 | 2018-07-31 | 保隆(安徽)汽车配件有限公司 | 一种基于cae的内高压成型优化分析方法和系统 |
CN108687210A (zh) * | 2018-05-03 | 2018-10-23 | 哈尔滨工大海卓智能成形科技有限公司 | 一种金属内高压成形件尺寸控制方法及系统 |
CN111639405A (zh) * | 2020-05-29 | 2020-09-08 | 燕山大学 | 一种板壳起皱失稳极限图的数值模拟求解及绘制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4374399B1 (ja) * | 2008-07-04 | 2009-12-02 | 新日本製鐵株式会社 | ハイドロフォーム加工方法及びハイドロフォーム加工品 |
-
2021
- 2021-12-28 CN CN202111621758.3A patent/CN114433705B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698220A (zh) * | 2013-12-24 | 2014-04-02 | 南京航空航天大学 | 基于抛物线模型的管材成形性能自适应测试方法 |
CN108345703A (zh) * | 2017-01-22 | 2018-07-31 | 保隆(安徽)汽车配件有限公司 | 一种基于cae的内高压成型优化分析方法和系统 |
CN108687210A (zh) * | 2018-05-03 | 2018-10-23 | 哈尔滨工大海卓智能成形科技有限公司 | 一种金属内高压成形件尺寸控制方法及系统 |
WO2019210649A1 (zh) * | 2018-05-03 | 2019-11-07 | 哈尔滨工业大学 | 一种金属内高压成形件尺寸控制方法及系统 |
CN111639405A (zh) * | 2020-05-29 | 2020-09-08 | 燕山大学 | 一种板壳起皱失稳极限图的数值模拟求解及绘制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114433705A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Warpage optimization of fiber-reinforced composite injection molding by combining back propagation neural network and genetic algorithm | |
CN103886125B (zh) | 一种钛合金热复合成形数值模拟方法 | |
CN104504185A (zh) | 一种基于开裂准则和有限元优化钛合金开坯锻造工艺方法 | |
CN102339344B (zh) | 一种动态再结晶模型参数反分析识别方法 | |
Kadkhodayan et al. | An investigation of the optimal load paths for the hydroforming of T-shaped tubes | |
Yang et al. | Flow behavior and processing maps of a low-carbon steel during hot deformation | |
Kahhal et al. | Multi-objective optimization of sheet metal forming die using genetic algorithm coupled with RSM and FEA | |
CN114433705B (zh) | 一种管材内高压成形的起皱智能控制方法及系统 | |
CN112215398A (zh) | 电力用户负荷预测模型建立方法、装置、设备及存储介质 | |
CN103279596A (zh) | 一种基于数值模拟的可变速度控制温挤压方法 | |
An et al. | Multi-objective optimization of loading path design in multi-stage tube forming using MOGA | |
Noorbakhsh et al. | Design and optimization of multi-stage manufacturing process of stirling engine crankshaft | |
Wang et al. | Optimization and prediction model of flatness actuator efficiency in cold rolling process based on process data | |
Yan et al. | Optimization of stamping process parameters based on orthogonal test and intelligent algorithm | |
CN116228766A (zh) | 一种等离子加工设备的智能调控方法及系统 | |
CN116738214A (zh) | 一种基于高阶张量的数据降维预处理方法 | |
Zhou et al. | Multi-objective optimization of stamping forming process of head using Pareto-based genetic algorithm | |
Gao et al. | A 6-sigma robust optimization method for stamping forming of automobile covering parts based on residual error and radial basis interpolation | |
CN109543896B (zh) | 一种基于绝对值和函数最小化与粒子群优化的车间设备双行布局方法 | |
Groche et al. | Tailored profiles made of tailor rolled strips by roll forming–part 2 of 2 | |
Naresh et al. | Design and analysis of a hot forging dies | |
Naranje et al. | Prediction of life of deep drawing die using artificial neural network | |
Salehi et al. | A study on optimal design of process parameters in tube drawing process of rectangular parts by combining box–behnken design of experiment, response surface methodology and artificial bee colony algorithm | |
Elyasi et al. | A new die design for the hydroforming of stepped tubes | |
Shokr et al. | A common weight data envelopment analysis approach for material selection |
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 |