CN115841052A - 一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统 - Google Patents
一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统 Download PDFInfo
- Publication number
- CN115841052A CN115841052A CN202310153507.XA CN202310153507A CN115841052A CN 115841052 A CN115841052 A CN 115841052A CN 202310153507 A CN202310153507 A CN 202310153507A CN 115841052 A CN115841052 A CN 115841052A
- Authority
- CN
- China
- Prior art keywords
- extrusion
- phosphating
- stainless steel
- optimization
- extrusion piece
- 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
Landscapes
- Extrusion Of Metal (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统，涉及优化控制调节技术领域，方法包括：获取基础数据信息；进行不锈钢毛坯表面处理，获取预处理挤压件；获取使用日志记录信息，搭建挤压数值模拟模型，进行数值模拟，获取设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果，进行挤压加工，获取挤压件成品。解决了难以通过设定的挤压载荷和变形均匀性，及时调整金属挤压机设定的工艺参数的技术问题，达到了基于不锈钢挤压工艺，采用数值模拟的方式，以设定的挤压载荷和变形均匀性为目标，进行针对性模拟优化，精准快速生成金属挤压机设定的工艺参数，及时调整工艺参数的技术效果。
Description
技术领域
本发明涉及优化控制调节技术领域，具体涉及一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统。
背景技术
不锈钢材料凭借耐蚀性、优越的成形性、良好的力学性能等诱人的综合性能被广泛地应用于各种领域，由于304不锈钢材料加工硬化速率快，304奥氏体不锈钢广泛应用于不锈钢门加工、不锈钢窗加工、不锈钢零件。
不锈钢管材的传统锻造工艺，挤压分为热挤压和冷挤压，冷挤压在挤压过程中，挤压件处于三向压应力状态，变形后材料组织致密且具有连续的纤维流向，基本不改变材料的初始状态，具有突出的优越性，不锈钢精密挤压工艺即冷挤压，在挤压工艺优化方面，通过对比实验，采用单因素实验设计方法、正交试验设计方法进行验证优化，但工艺参数优化周期长，对比实验的优化效率低。
现有技术中存在难以通过设定的挤压载荷和变形均匀性，及时调整金属挤压机设定的工艺参数的技术问题。
发明内容
本申请通过提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统，解决了难以通过设定的挤压载荷和变形均匀性，及时调整金属挤压机设定的工艺参数的技术问题，达到了基于不锈钢挤压工艺，采用数值模拟的方式，以设定的挤压载荷和变形均匀性为目标，进行针对性模拟优化，精准快速生成金属挤压机设定的工艺参数，及时调整工艺参数的技术效果。
鉴于上述问题，本申请提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统。
本申请的第一个方面，提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法，其中，所述方法应用于不锈钢精密挤压系统，所述不锈钢精密挤压系统与金属挤压机通信连接，所述方法包括：获取目标不锈钢挤压件的基础数据信息，其中，所述基础数据信息包括变形抗力、挤压件材料、挤压件尺寸、挤压件形状；通过所述变形抗力、挤压件材料，对目标不锈钢挤压件进行不锈钢毛坯表面处理，获取预处理挤压件；通过所述不锈钢精密挤压系统，获取所述金属挤压机的使用日志记录信息；基于所述使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型；通过所述挤压数值模拟模型，进行数值模拟，获取设计变量集合；基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果；通过所述工艺参数优化结果与所述预处理挤压件，进行挤压加工，获取挤压件成品。
本申请的第二个方面，提供了一种基于数值模拟的不锈钢精密挤压工艺优化系统，其中，所述系统包括：数据获取单元，所述数据获取单元用于获取目标不锈钢挤压件的基础数据信息，其中，所述基础数据信息包括变形抗力、挤压件材料、挤压件尺寸、挤压件形状；表面处理单元，所述表面处理单元用于通过所述变形抗力、挤压件材料，对目标不锈钢挤压件进行不锈钢毛坯表面处理，获取预处理挤压件；记录信息获取单元，所述记录信息获取单元用于通过不锈钢精密挤压系统，获取金属挤压机的使用日志记录信息；模型搭建单元，所述模型搭建单元用于基于所述使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型；数值模拟单元，所述数值模拟单元用于通过所述挤压数值模拟模型，进行数值模拟，获取设计变量集合；模拟优化单元，所述模拟优化单元用于基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果；挤压加工单元，所述挤压加工单元用于通过所述工艺参数优化结果与所述预处理挤压件，进行挤压加工，获取挤压件成品。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取目标不锈钢挤压件的基础数据信息；通过变形抗力、挤压件材料，进行不锈钢毛坯表面处理，获取预处理挤压件；通过不锈钢精密挤压系统，获取金属挤压机的使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型，进行数值模拟，获取设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果，对预处理挤压件进行挤压加工，获取挤压件成品。本申请达到了基于不锈钢挤压工艺，采用数值模拟的方式，以设定的挤压载荷和变形均匀性为目标，进行针对性模拟优化，精准快速生成金属挤压机设定的工艺参数，及时调整工艺参数的技术效果。
附图说明
图1为本申请一种基于数值模拟的不锈钢精密挤压工艺优化方法的流程示意图；
图2为本申请一种基于数值模拟的不锈钢精密挤压工艺优化方法的获取预处理挤压件的流程示意图；
图3为本申请一种基于数值模拟的不锈钢精密挤压工艺优化方法的获取磷化配置参数的流程示意图；
图4为本申请一种基于数值模拟的不锈钢精密挤压工艺优化系统的结构示意图。
附图标记说明：数据获取单元11，表面处理单元12，记录信息获取单元13，模型搭建单元14，数值模拟单元15，模拟优化单元16，挤压加工单元17。
实施方式
本申请通过提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统，解决了难以通过设定的挤压载荷和变形均匀性，及时调整金属挤压机设定的工艺参数的技术问题，达到了基于不锈钢挤压工艺，采用数值模拟的方式，以设定的挤压载荷和变形均匀性为目标，进行针对性模拟优化，精准快速生成金属挤压机设定的工艺参数，及时调整工艺参数的技术效果。
实施例
如图1所示，本申请提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法，其中，所述方法应用于不锈钢精密挤压系统，所述不锈钢精密挤压系统与金属挤压机通信连接，所述方法包括：
步骤S100：获取目标不锈钢挤压件的基础数据信息，其中，所述基础数据信息包括变形抗力、挤压件材料、挤压件尺寸、挤压件形状；
步骤S200：通过所述变形抗力、挤压件材料，对目标不锈钢挤压件进行不锈钢毛坯表面处理，获取预处理挤压件；
具体而言，本申请实施例是从不锈钢精密挤压工艺过程出发，对不锈钢精密挤压工艺进行数值模拟与模拟优化，进而通过不锈钢精密挤压系统，实现金属挤压机的精密挤压调控，同步进行表面处理优化，多方位进行不锈钢精密挤压工艺优化。
具体而言，所述目标不锈钢挤压件为不锈钢精密挤压工艺的目标作用件，所述基础数据信息包括变形抗力（单位为牛）、挤压件材料（包括材料类型与材料组分）、挤压件尺寸、挤压件形状，所述不锈钢毛坯表面处理即固溶软化处理工艺（如磷化皂化法），对目标不锈钢挤压件进行表面处理完成后，获取预处理挤压件，所述目标不锈钢挤压件一般为304奥氏体不锈钢；
对所述目标不锈钢挤压件进行基础数据信息采集，获取目标不锈钢挤压件的基础数据信息（通过压缩法测量变形抗力、通过外观测量设备获取挤压件尺寸，需要对应数据类型，确定相对应的数据采集方案），针对磷化皂化法中皂化成膜机理、磷化成膜机理，通过所述变形抗力、挤压件材料，进行磷化液配置，通过磷化液对目标不锈钢挤压件进行不锈钢毛坯表面处理，在目标不锈钢挤压件表面沉积形成一层不溶于水的结晶型磷酸盐转化膜后，获取预处理挤压件，为后续加工处理提供基础。
进一步的，如图2所示，所述通过所述变形抗力、挤压件材料，进行不锈钢毛坯表面处理，获取预处理挤压件，所述步骤S200包括：
步骤S210：通过所述变形抗力、挤压件材料，配置磷化液，所述磷化液用于不锈钢毛坯表面处理；
步骤S220：目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理；
步骤S230：在表面沉积形成磷化膜后，获取所述预处理挤压件。
具体而言，所述磷化液用于不锈钢毛坯表面处理（磷化液为某些酸式磷酸盐为主的溶液，由磷酸二氢铁、磷酸二氢锰、磷酸二氢锌组成的酸性水溶液，PH值为1~3，溶液密度为1.05~1.1），不锈钢毛坯表面处理即皂化磷化工艺处理；
通过所述变形抗力、挤压件材料，计算磷化液成分比例，通过所述磷化液成分比例，基于多种酸式磷酸盐，进行配置磷化液，所述磷化液用于不锈钢毛坯表面处理，目标不锈钢挤压件完全进入所述磷化液后，使用磷化液进行不锈钢毛坯表面处理；在目标不锈钢挤压件表面成磷化膜后，获取所述预处理挤压件，为后续执行挤压操作进行准备。
进一步的，所述通过所述变形抗力、挤压件材料，配置磷化液，所述磷化液用于不锈钢毛坯表面处理，所述步骤S210包括：
步骤S211：获取磷化液成分，所述磷化液成分分为钙系磷化、锌钙系磷化、铁系磷化、锰系磷化、复合磷化；
步骤S212：通过所述变形抗力、挤压件材料，进行所述磷化液成分的配置优选，获取磷化配置参数；
步骤S213：使用所述磷化配置参数，配置磷化液。
具体而言，所述磷化液成分分为钙系磷化、锌钙系磷化、铁系磷化、锰系磷化、复合磷化（复合磷化对应的磷化液由Zn、Fe、Ca、Ni、Mn等元素组成），所述磷化配置参数包括磷化液成分含量优选所得成分比例；
针对磷化液的元素组成，获取磷化液成分，所述磷化液成分分为钙系磷化、锌钙系磷化、铁系磷化、锰系磷化、复合磷化；通过所述变形抗力、挤压件材料，进行所述磷化液成分含量的配置优选，获取磷化配置参数；使用所述磷化配置参数，配置磷化液，为保证磷化液配置对应的磷化液成分含量的合理性提供基础。
进一步的，所述目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理，所述步骤S210包括：
步骤S214：在样本不锈钢挤压件进入所述磷化液后，进行磷化温度采集，获取磷化温度数据；
步骤S215：在进行磷化温度采集过程中，同步进行处理时间统计，获取磷化时间数据；
步骤S216：通过所述磷化温度数据与所述磷化时间数据，进行温度分类，获取磷化温度类型；
步骤S217：基于所述磷化温度类型，确定磷化实施方式；
步骤S218：通过所述磷化温度类型与所述磷化实施方式，配置毛坯表面处理函数；
步骤S219：在所述毛坯表面处理函数配置完成后，所述目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理。
具体而言，所述样本不锈钢挤压件与所述目标不锈钢挤压件对应的材料、处理工艺存在一致，采用所述样本不锈钢挤压件，确定毛坯表面处理函数配置，为保证毛坯表面处理函数变量的有效性提供基础，所述磷化温度类型分为高温型（80~99℃）、中温型（50~75℃）、低温型（30~50℃）、常温型（10~30℃），所述磷化实施方式与磷化温度类型对应，所述磷化实施方式可以是浸渍磷化（适用于高温型、中温型、低温型，可处理任何形状的不锈钢挤压件）、喷淋磷化（适用于中温型、低温型，可处理大面积不锈钢挤压件）、刷涂磷化（浸渍磷化与喷淋磷化均无法实施时，进行刷涂磷化）；
在样本不锈钢挤压件进入所述磷化液后，通过温度采集设备，对样本不锈钢挤压件进行磷化温度采集，获取磷化温度数据；在进行磷化温度采集过程中，通过计时器等时间统计设备，同步进行处理时间统计，获取磷化时间数据；通过所述磷化温度数据与所述磷化时间数据，进行温度分类（如：中温型：50~75℃，处理时间为5~15min，磷化膜厚度为1~7g/m2，为后续进行加工处理提供数据支持），获取磷化温度类型；
基于所述磷化温度类型，进行磷化实施方式优选（高温型优选浸渍磷化；中温型、低温型优选浸渍磷化与喷淋磷化），确定磷化实施方式；通过所述磷化温度类型与所述磷化实施方式，配置毛坯表面处理函数的函数变量；在所述毛坯表面处理函数的函数变量配置完成后，所述目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理，为保证毛坯表面处理函数的函数变量的精度，为维护不锈钢毛坯表面处理的执行提供基础。
进一步的，所述在表面沉积形成磷化膜后，获取所述预处理挤压件，所述步骤S210包括：
步骤S21A：在目标不锈钢挤压件进行不锈钢毛坯表面处理过程中，采集膜层外观影像信息；
步骤S21B：在表面沉积形成磷化膜后，通过磷化液成分与所述膜层外观影像信息，获取单位面积膜重；
步骤S21C：在所述单位面积膜重满足磷化膜重阈值后，不锈钢毛坯表面处理完成，获取所述预处理挤压件。
具体而言，所述膜层外观影像信息为膜层颜色特征，已知锌钙系磷化（膜层外观颜色为浅灰 深灰结晶状，单位面积膜重范围为1~15g·m-2）、锰系磷化（膜层外观颜色为灰 深灰结晶状，单位面积膜重范围为1~60g·m-2），磷化膜重阈值为一预设参数指标，磷化膜重阈值即单位面积膜重阈值；
在目标不锈钢挤压件进行不锈钢毛坯表面处理过程中，通过图像采集设备，采集膜层外观影像信息；在表面沉积形成磷化膜后，通过磷化液成分与所述膜层外观影像信息中的膜层外观颜色，在单位面积膜重范围内，进行单位面积膜重预估（锌钙系磷化的单位面积膜重范围为1~15g·m-2，一般的，膜层外观颜色越接近浅灰，单位面积膜重越靠近1g·m-2；膜层外观影像信息中的膜层外观越接近深灰结晶状，单位面积膜重越靠近15g·m-2），获取单位面积膜重；
在所述单位面积膜重满足磷化膜重阈值后，不锈钢毛坯表面处理完成，获取所述预处理挤压件，为保证表面沉积形成磷化膜对应的单位面积膜重满足预设指标限制（磷化液成分随着反应波动，因磷化液成分波动导致的反应时长波动，通过反应形成磷化膜的单位面积膜重，确定不锈钢毛坯表面处理截止信号，同时设定表面处理时长限制，在反应时长初次超出表面处理时长限制后，进行磷化液成分补充调整，保证了成分补充调整指令的及时性），对毛坯表面处理函数进行补充，保证不锈钢毛坯表面处理截止信号的及时性与精准度。
进一步的，如图3所示，所述通过所述变形抗力、挤压件材料，进行所述磷化液成分的配置优选，获取磷化配置参数，所述步骤S212还包括：
步骤S212-1：获取磷化液性能参数，所述磷化液性能参数包括溶液温度、溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子与加速剂浓度；
步骤S212-2：通过所述变形抗力、挤压件材料与加速剂浓度、磷化温度类型、所述溶液温度，对所述溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子进行调整，确定浓度优化配比参数；
步骤S212-3：将所述浓度优化配比参数作为配置优选补充信息，获取磷化配置参数。
具体而言，所述磷化液性能参数包括溶液温度、溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子与加速剂浓度，所述磷化配置参数包括浓度优化配比参数、成分补充调整指令对应的磷化液成分补充调整参数，加速剂常见的，可以是Zn2+离子、NO- 3离子；
进行磷化液性能参数测量，获取磷化液性能参数（通过实时温度采集设备，采集溶液温度；通过PH检测设备，采集溶液PH，通过化学方面物质的量浓度计算方式，确定溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子与加速剂浓度，为现有技术）；通过所述变形抗力、挤压件材料与加速剂浓度、磷化温度类型、所述溶液温度，对所述溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子进行调整，确定浓度优化配比参数；基于成分补充调整指令，将所述浓度优化配比参数作为配置优选补充信息，获取磷化配置参数，为保证磷化配置参数的完整性提供基础。
步骤S300：通过所述不锈钢精密挤压系统，获取所述金属挤压机的使用日志记录信息；
步骤S400：基于所述使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型；
步骤S500：通过所述挤压数值模拟模型，进行数值模拟，获取设计变量集合；
具体而言，所述使用日志记录信息即金属挤压机的工作日志，所述设计变量集合的元素即设计变量，所述设计变量包括但不限于模具型腔类型、型腔高度、挤压速度和变形温度；
所述不锈钢精密挤压系统内置一数据检索引擎，通过所述不锈钢精密挤压系统内置的数据检索引擎，检索提取所述金属挤压机的使用日志记录信息；以目标不锈钢挤压件的挤压件尺寸、挤压件形状，通过所述使用日志记录信息，基于边缘算法，将使用日志记录信息存储于server端的（server端包括匹配模块和排序模块），server端进行特征计算，最后由server将计算排序好的结果返还挤压数值模拟模型的输出端口，确定挤压数值模拟模型；通过所述挤压数值模拟模型，进行数值模拟，在模拟所得数值的匹配度满足预设匹配度阈值后，将匹配度满足预设匹配度阈值对应的模拟数值作为设计变量集合的元素，重复上述步骤，获取设计变量集合；
server端进行特征计算，具体包括：通过TOPSIS法(Technique for OrderPreference by Similarity to ideal Sulution，优劣解距离法)，进行匹配度分析，具体的，对所述使用日志记录信息进行归一化处理，采用余弦法找出的最优匹配特征和最劣匹配特征，然后分别计算各评价对象与最优匹配特征和最劣匹配特征间的距离，获得各评价对象与最优匹配特征的相对接近程度，以此作为评价优劣的依据，确定所述数据影响特征对特征数据的匹配度。
步骤S600：基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果；
步骤S700：通过所述工艺参数优化结果与所述预处理挤压件，进行挤压加工，获取挤压件成品。
进一步的，所述基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果，所述步骤S600包括：
步骤S610：基于所述设计变量集合中的挤压速度和变形温度，合成激励函数；
步骤S620：以样本不锈钢挤压件为当前状态，结合所述激励函数，搭建状态优化链；
步骤S630：通过所述状态优化链，以最小挤压载荷和变形均匀性为目标，进行模拟优化；
步骤S640：在所述模拟优化对应的样本不锈钢挤压件满足最小挤压载荷和变形均匀性后，获取工艺参数优化结果。
具体而言，所述最小挤压载荷和变形均匀性为用户自定义设定的参数指标，所述挤压件成品即目标不锈钢挤压件的精密挤压工艺的加工成品；
基于所述设计变量集合，以最小挤压载荷和变形均匀性为设计目标，采用马尔科夫链的状态优化逻辑进行模拟优化，获取工艺参数优化结果；将所述工艺参数优化结果发送至金属挤压机，基于所述预处理挤压件，采用所述工艺参数优化结果进行挤压加工，获取挤压件成品，为保证目标不锈钢挤压件挤压加工参数的精准度提供支持。
具体而言，基于所述设计变量集合中的挤压速度和变形温度，构建一坐标系，所述坐标系的横坐标与纵坐标分别表示挤压速度和变形温度，将挤压速度和变形温度分组（分组依照挤压速度和变形温度是时刻点对应关系）输入所述坐标系中进行数据统计，对统计结束的数据点进行曲线拟合，合成激励函数；基于马尔科夫链为模拟基础，以样本不锈钢挤压件为当前状态，结合所述激励函数，搭建状态优化链；
通过所述状态优化链，以最小挤压载荷和变形均匀性为目标，进行模拟优化；在所述模拟优化对应的样本不锈钢挤压件满足最小挤压载荷和变形均匀性后，获取工艺参数优化结果，所述工艺参数优化结果包括所述设计变量集合中满足最小挤压载荷和变形均匀性的设计变量，为保证工艺参数优化结果的精度提供支持；
若所述模拟优化对应的样本不锈钢挤压件均不满足最小挤压载荷和变形均匀性，跳至挤压数值模拟模型，进行数值模拟，数值模拟对应的设计变量集合中出现满足最小挤压载荷和变形均匀性的设计变量，即对应样本不锈钢挤压件满足最小挤压载荷和变形均匀性，为保证运算处理速度，在初次满足最小挤压载荷和变形均匀性后，直接进行输出工艺参数优化结果。
综上所述，本申请所提供的一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统具有如下技术效果：
由于采用了获取基础数据信息；进行不锈钢毛坯表面处理，获取预处理挤压件；通过不锈钢精密挤压系统，获取使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型，进行数值模拟，获取设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果，进行挤压加工，获取挤压件成品，本申请通过提供了一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统，达到了基于不锈钢挤压工艺，采用数值模拟的方式，以设定的挤压载荷和变形均匀性为目标，进行针对性模拟优化，精准快速生成金属挤压机设定的工艺参数，及时调整工艺参数的技术效果。
由于采用了获取磷化液性能参数；通过变形抗力、挤压件材料与加速剂浓度、磷化温度类型、溶液温度，对溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子进行调整，确定浓度优化配比参数，获取磷化配置参数，保证磷化配置参数的完整性提供基础。
由于采用了基于设计变量集合中的挤压速度和变形温度，合成激励函数；以样本不锈钢挤压件为当前状态，结合激励函数，搭建状态优化链，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果，保证工艺参数优化结果的精度提供支持。
实施例
基于与前述实施例中一种基于数值模拟的不锈钢精密挤压工艺优化方法相同的发明构思，如图4所示，本申请提供了一种基于数值模拟的不锈钢精密挤压工艺优化系统，其中，所述系统包括：
数据获取单元11，所述数据获取单元11用于获取目标不锈钢挤压件的基础数据信息，其中，所述基础数据信息包括变形抗力、挤压件材料、挤压件尺寸、挤压件形状；
表面处理单元12，所述表面处理单元12用于通过所述变形抗力、挤压件材料，对目标不锈钢挤压件进行不锈钢毛坯表面处理，获取预处理挤压件；
记录信息获取单元13，所述记录信息获取单元13用于通过不锈钢精密挤压系统，获取金属挤压机的使用日志记录信息；
模型搭建单元14，所述模型搭建单元14用于基于所述使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型；
数值模拟单元15，所述数值模拟单元15用于通过所述挤压数值模拟模型，进行数值模拟，获取设计变量集合；
模拟优化单元16，所述模拟优化单元16用于基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果；
挤压加工单元17，所述挤压加工单元17用于通过所述工艺参数优化结果与所述预处理挤压件，进行挤压加工，获取挤压件成品。
进一步的，所述系统包括：
磷化液配置单元，所述磷化液配置单元用于通过所述变形抗力、挤压件材料，配置磷化液，所述磷化液用于不锈钢毛坯表面处理；
毛坯表面处理单元，所述毛坯表面处理单元用于目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理；
预处理挤压件获取单元，所述预处理挤压件获取单元用于在表面沉积形成磷化膜后，获取所述预处理挤压件。
进一步的，所述系统包括：
磷化液成分获取单元，所述磷化液成分获取单元用于获取磷化液成分，所述磷化液成分分为钙系磷化、锌钙系磷化、铁系磷化、锰系磷化、复合磷化；
磷化配置参数获取单元，所述磷化配置参数获取单元用于通过所述变形抗力、挤压件材料，进行所述磷化液成分的配置优选，获取磷化配置参数；
配置磷化液单元，所述配置磷化液单元用于使用所述磷化配置参数，配置磷化液。
进一步的，所述系统包括：
温度采集单元，所述温度采集单元用于在样本不锈钢挤压件进入所述磷化液后，进行磷化温度采集，获取磷化温度数据；
处理时间统计单元，所述处理时间统计单元用于在进行磷化温度采集过程中，同步进行处理时间统计，获取磷化时间数据；
温度分类单元，所述温度分类单元用于通过所述磷化温度数据与所述磷化时间数据，进行温度分类，获取磷化温度类型；
磷化实施方式确定单元，所述磷化实施方式确定单元用于基于所述磷化温度类型，确定磷化实施方式；
表面处理函数配置单元，所述表面处理函数配置单元用于通过所述磷化温度类型与所述磷化实施方式，配置毛坯表面处理函数；
不锈钢毛坯表面处理单元，所述不锈钢毛坯表面处理单元用于在所述毛坯表面处理函数配置完成后，所述目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理。
进一步的，所述系统包括：
外观影像采集单元，所述外观影像采集单元用于在目标不锈钢挤压件进行不锈钢毛坯表面处理过程中，采集膜层外观影像信息；
单位面积膜重获取单元，所述单位面积膜重获取单元用于在表面沉积形成磷化膜后，通过磷化液成分与所述膜层外观影像信息，获取单位面积膜重；
表面处理完成判断单元，所述表面处理完成判断单元用于在所述单位面积膜重满足磷化膜重阈值后，不锈钢毛坯表面处理完成，获取所述预处理挤压件。
进一步的，所述系统包括：
性能参数获取单元，所述性能参数获取单元用于获取磷化液性能参数，所述磷化液性能参数包括溶液温度、溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子与加速剂浓度；
浓度调整单元，所述浓度调整单元用于通过所述变形抗力、挤压件材料与加速剂浓度、磷化温度类型、所述溶液温度，对所述溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子进行调整，确定浓度优化配比参数；
补充信息获取单元，所述补充信息获取单元用于将所述浓度优化配比参数作为配置优选补充信息，获取磷化配置参数。
进一步的，所述系统包括：
激励函数合成单元，所述激励函数合成单元用于基于所述设计变量集合中的挤压速度和变形温度，合成激励函数；
状态优化链搭建单元，所述状态优化链搭建单元用于以样本不锈钢挤压件为当前状态，结合所述激励函数，搭建状态优化链；
状态模拟优化单元，所述状态模拟优化单元用于通过所述状态优化链，以最小挤压载荷和变形均匀性为目标，进行模拟优化；
优化结果获取单元，所述优化结果获取单元用于在所述模拟优化对应的样本不锈钢挤压件满足最小挤压载荷和变形均匀性后，获取工艺参数优化结果。
本说明书和附图仅仅是本申请的示例性说明，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种基于数值模拟的不锈钢精密挤压工艺优化方法，其特征在于，所述方法应用于不锈钢精密挤压系统，所述不锈钢精密挤压系统与金属挤压机通信连接，所述方法包括：
获取目标不锈钢挤压件的基础数据信息，其中，所述基础数据信息包括变形抗力、挤压件材料、挤压件尺寸、挤压件形状；
通过所述变形抗力、挤压件材料，对目标不锈钢挤压件进行不锈钢毛坯表面处理，获取预处理挤压件；
通过所述不锈钢精密挤压系统，获取所述金属挤压机的使用日志记录信息；
基于所述使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型；
通过所述挤压数值模拟模型，进行数值模拟，获取设计变量集合；
基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果；
通过所述工艺参数优化结果与所述预处理挤压件，进行挤压加工，获取挤压件成品。
2.如权利要求1所述的方法，其特征在于，所述通过所述变形抗力、挤压件材料，进行不锈钢毛坯表面处理，获取预处理挤压件，所述方法包括：
通过所述变形抗力、挤压件材料，配置磷化液，所述磷化液用于不锈钢毛坯表面处理；
目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理；
在表面沉积形成磷化膜后，获取所述预处理挤压件。
3.如权利要求2所述的方法，其特征在于，所述通过所述变形抗力、挤压件材料，配置磷化液，所述磷化液用于不锈钢毛坯表面处理，所述方法包括：
获取磷化液成分，所述磷化液成分分为钙系磷化、锌钙系磷化、铁系磷化、锰系磷化、复合磷化；
通过所述变形抗力、挤压件材料，进行所述磷化液成分的配置优选，获取磷化配置参数；
使用所述磷化配置参数，配置磷化液。
4.如权利要求2所述的方法，其特征在于，所述目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理，所述方法包括：
在样本不锈钢挤压件进入所述磷化液后，进行磷化温度采集，获取磷化温度数据；
在进行磷化温度采集过程中，同步进行处理时间统计，获取磷化时间数据；
通过所述磷化温度数据与所述磷化时间数据，进行温度分类，获取磷化温度类型；
基于所述磷化温度类型，确定磷化实施方式；
通过所述磷化温度类型与所述磷化实施方式，配置毛坯表面处理函数；
在所述毛坯表面处理函数配置完成后，所述目标不锈钢挤压件进入所述磷化液，进行不锈钢毛坯表面处理。
5.如权利要求2所述的方法，其特征在于，所述在表面沉积形成磷化膜后，获取所述预处理挤压件，所述方法包括：
在目标不锈钢挤压件进行不锈钢毛坯表面处理过程中，采集膜层外观影像信息；
在表面沉积形成磷化膜后，通过磷化液成分与所述膜层外观影像信息，获取单位面积膜重；
在所述单位面积膜重满足磷化膜重阈值后，不锈钢毛坯表面处理完成，获取所述预处理挤压件。
6.如权利要求3所述的方法，其特征在于，所述通过所述变形抗力、挤压件材料，进行所述磷化液成分的配置优选，获取磷化配置参数，所述方法还包括：
获取磷化液性能参数，所述磷化液性能参数包括溶液温度、溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子与加速剂浓度；
通过所述变形抗力、挤压件材料与加速剂浓度、磷化温度类型、所述溶液温度，对所述溶液PH、游离磷酸浓度、游离磷酸与化合磷酸总浓度、金属离子进行调整，确定浓度优化配比参数；
将所述浓度优化配比参数作为配置优选补充信息，获取磷化配置参数。
7.如权利要求1所述的方法，其特征在于，所述基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果，所述方法包括：边缘算法
基于所述设计变量集合中的挤压速度和变形温度，合成激励函数；
以样本不锈钢挤压件为当前状态，结合所述激励函数，搭建状态优化链；
通过所述状态优化链，以最小挤压载荷和变形均匀性为目标，进行模拟优化；
在所述模拟优化对应的样本不锈钢挤压件满足最小挤压载荷和变形均匀性后，获取工艺参数优化结果。
8.一种基于数值模拟的不锈钢精密挤压工艺优化系统，其特征在于，所述系统包括：
数据获取单元，所述数据获取单元用于获取目标不锈钢挤压件的基础数据信息，其中，所述基础数据信息包括变形抗力、挤压件材料、挤压件尺寸、挤压件形状；
表面处理单元，所述表面处理单元用于通过所述变形抗力、挤压件材料，对目标不锈钢挤压件进行不锈钢毛坯表面处理，获取预处理挤压件；
记录信息获取单元，所述记录信息获取单元用于通过不锈钢精密挤压系统，获取金属挤压机的使用日志记录信息；
模型搭建单元，所述模型搭建单元用于基于所述使用日志记录信息，结合挤压件尺寸、挤压件形状，搭建挤压数值模拟模型；
数值模拟单元，所述数值模拟单元用于通过所述挤压数值模拟模型，进行数值模拟，获取设计变量集合；
模拟优化单元，所述模拟优化单元用于基于所述设计变量集合，以最小挤压载荷和变形均匀性为目标，进行模拟优化，获取工艺参数优化结果；
挤压加工单元，所述挤压加工单元用于通过所述工艺参数优化结果与所述预处理挤压件，进行挤压加工，获取挤压件成品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310153507.XA CN115841052B (zh) | 2023-02-23 | 2023-02-23 | 一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310153507.XA CN115841052B (zh) | 2023-02-23 | 2023-02-23 | 一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115841052A true CN115841052A (zh) | 2023-03-24 |
| CN115841052B CN115841052B (zh) | 2023-05-12 |
Family
ID=85580081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310153507.XA Active CN115841052B (zh) | 2023-02-23 | 2023-02-23 | 一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115841052B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117000781A (zh) * | 2023-10-07 | 2023-11-07 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063550A (zh) * | 2011-01-07 | 2011-05-18 | 浙江工业大学 | 机器智能参与设计决策的冷挤压件智能设计系统 |
| CN106650112A (zh) * | 2016-12-26 | 2017-05-10 | 南京工程学院 | 镍基合金管材热挤压工艺参数获取方法以及装置 |
| CN107145621A (zh) * | 2017-03-17 | 2017-09-08 | 中国航发北京航空材料研究院 | 一种提高SiCp/2024Al基复合材料挤压致密度均匀性的方法 |
| CN110750931A (zh) * | 2019-10-18 | 2020-02-04 | 徐州工业职业技术学院 | 一种高效的型材挤压模具设计方法 |
| JP2021110042A (ja) * | 2020-01-15 | 2021-08-02 | アイシン軽金属株式会社 | 靭性及び耐食性に優れる高強度アルミニウム合金押出材の製造方法 |
-
2023
- 2023-02-23 CN CN202310153507.XA patent/CN115841052B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063550A (zh) * | 2011-01-07 | 2011-05-18 | 浙江工业大学 | 机器智能参与设计决策的冷挤压件智能设计系统 |
| CN106650112A (zh) * | 2016-12-26 | 2017-05-10 | 南京工程学院 | 镍基合金管材热挤压工艺参数获取方法以及装置 |
| CN107145621A (zh) * | 2017-03-17 | 2017-09-08 | 中国航发北京航空材料研究院 | 一种提高SiCp/2024Al基复合材料挤压致密度均匀性的方法 |
| CN110750931A (zh) * | 2019-10-18 | 2020-02-04 | 徐州工业职业技术学院 | 一种高效的型材挤压模具设计方法 |
| JP2021110042A (ja) * | 2020-01-15 | 2021-08-02 | アイシン軽金属株式会社 | 靭性及び耐食性に優れる高強度アルミニウム合金押出材の製造方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117000781A (zh) * | 2023-10-07 | 2023-11-07 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
| CN117000781B (zh) * | 2023-10-07 | 2023-12-15 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115841052B (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115841052A (zh) | 一种基于数值模拟的不锈钢精密挤压工艺优化方法及系统 | |
| CN101630376B (zh) | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 | |
| CN102736558A (zh) | 基于时间序列算法的数控机床热误差实时补偿建模方法 | |
| WO2023226322A1 (zh) | 一种基于机理与数据驱动的发动机缸盖铣削表面质量预测方法 | |
| CN101477623A (zh) | 基于模糊推理的交互式多模型方法 | |
| CN103674778B (zh) | Rbf粒子群优化的工业熔融指数软测量仪表和方法 | |
| CN113496312A (zh) | 基于多维特征提取融合与长短期记忆网络的刀具剩余寿命预测方法、设备及存储介质 | |
| CN112433507A (zh) | 基于lso-lssvm的五轴数控机床热误差综合建模方法 | |
| CN104070083A (zh) | 一种基于集成pca-elm穿孔机导盘转速测量方法 | |
| CN115455801A (zh) | 基于pso-dnn的hy-2b扫描微波辐射计海面风速反演方法和装置 | |
| CN112146648A (zh) | 一种基于多传感器数据融合的多目标跟踪方法 | |
| CN113344970B (zh) | 基于多伯努利的非规则多扩展目标联合跟踪与分类方法 | |
| Feng et al. | Research on the optimization mechanism of loading path in hydroforming process | |
| CN116402329B (zh) | 一种活塞杆生产车间的智能管理方法及系统 | |
| Sood et al. | A hybrid ANN-BFOA approach for optimization of FDM process parameters | |
| CN106599391B (zh) | 基于三角形角度值动态加权的关联向量机软测量建模方法 | |
| Gao et al. | A 6-sigma robust optimization method for stamping forming of automobile covering parts based on residual error and radial basis interpolation | |
| CN111259340A (zh) | 一种基于logistic回归的饱和负荷预测方法 | |
| CN105631231A (zh) | 一种对热轧过程温度实测值进行修正的方法 | |
| CN114970371A (zh) | 应用ga-bp神经网络预测slm成形钛合金薄壁件变形的方法 | |
| Wang et al. | Thermal error prediction of numerical control machine based on improved particle swarm optimized back propagation neural network | |
| CN114861750A (zh) | 基于多输出的多传感器在线航迹融合方法 | |
| CN111859263A (zh) | 一种用于自来水处理的精准投药方法 | |
| Li et al. | Optimization of CNC Turning Machining Parameters Based on Bp-DWMOPSO Algorithm. | |
| CN110218626A (zh) | 一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法 |
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 |