CN117352109B - 应用于钛合金锻造的虚拟建模方法、装置、设备、介质 - Google Patents
应用于钛合金锻造的虚拟建模方法、装置、设备、介质 Download PDFInfo
- Publication number
- CN117352109B CN117352109B CN202311644480.0A CN202311644480A CN117352109B CN 117352109 B CN117352109 B CN 117352109B CN 202311644480 A CN202311644480 A CN 202311644480A CN 117352109 B CN117352109 B CN 117352109B
- Authority
- CN
- China
- Prior art keywords
- forging
- model
- preset
- simulated
- titanium alloy
- 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
- 238000005242 forging Methods 0.000 title claims abstract description 280
- 238000000034 method Methods 0.000 title claims abstract description 100
- 229910001069 Ti alloy Inorganic materials 0.000 title claims abstract description 65
- 239000000956 alloy Substances 0.000 claims abstract description 20
- 239000000463 material Substances 0.000 claims description 152
- 230000008569 process Effects 0.000 claims description 63
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 7
- 230000000704 physical effect Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229910002065 alloy metal Inorganic materials 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009863 impact test Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Forging (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种应用于钛合金锻造的虚拟建模方法,包括:创建钛合金材料与锻造工具的模型,根据预设的锻造工艺参数对钛合金材料模型和锻造工具模型进行模拟锻造,若经过模拟锻造后的钛合金材料模型不符合预设的性能指标,则对预设的锻造工艺参数进行优化以及对锻造工具模型进行调整后重新进行模拟锻造,直到经过模拟锻造后的钛合金材料模型符合预设的性能指标。本发明还提出一种应用于钛合金锻造的虚拟建模装置、设备以及介质。本发明可以降低钛合金锻造的试错成本,提高生产效率。
Description
技术领域
本发明涉及虚拟建模技术领域,尤其涉及一种应用于钛合金锻造的虚拟建模方法、装置、设备、介质。
背景技术
钛合金是一种用钛与其他金属制成的合金金属,具有强度高、耐蚀性好、耐热性高、可塑性强等优点,在各个领域都有重要的应用价值。
传统的钛合金锻造过程中存在许多难以预测和控制的问题,如塑性变形过程中的热量损失、激冷层的扩展、宏观裂纹的出现以及材料分流等。这些问题不仅影响锻件的质量,也增加了实际制造过程中的困难和成本,影响了生产效率。因此,需要一种方法来实现对钛合金自由锻造的模拟。
发明内容
本发明提供一种应用于钛合金锻造的虚拟建模方法、装置、设备、介质,其主要目的在于解决目前钛合金锻造试错成本高,生产效率低的问题。
为实现上述目的,本发明提供的一种应用于钛合金锻造的虚拟建模方法,包括:
一种应用于钛合金锻造的虚拟建模方法,其特征在于,所述方法包括:
创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
判断所述得到模拟锻造后的材料模型是否符合预设的性能指标;
若所述模拟锻造后的材料模型不符合所述预设的性能指标,则根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型,其中,所述梯度下降算法可通过以下公式进行表示:
;
其中,表示优化后的锻造工艺参数,/>表示所述锻造工艺参数,/>表示学习率,表示根据所述锻造工艺参数模拟锻造出的材料模型的性能参数与预设性能指标的梯度值。
若所述模拟锻造后的材料模型符合预设的性能指标,则确认虚拟建模完成。
可选地,所述创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型,包括:
根据预设的尺寸参数创建材料初始模型以及锻造工具初始模型;
通过多边形网格建模法根据预设的结构参数对所述材料初始模型以及锻造工具初始模型进行结构建模,得到材料模型以及锻造工具模型。
可选地,所述根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,包括:
配置所述材料模型以及锻造工具模型的物理性质参数,得到材料物理模型以及锻造工具物理模型;
对所述材料物理模型进行离散化处理,得到离散化材料物理模型;
根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造。
可选地,所述根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造,包括:对所述离散化材料物理模型与所述锻造工具物理模型互相作用力的模拟,对所述离散化材料物理模型形变的模拟,对所述离散化材料物理模型应力分布的模拟。
可选地,所述判断所述模拟锻造后的材料模型是否符合预设的性能指标,包括:判断所述模拟锻造后的材料模型的强度是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的塑性是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的韧性是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的耐高温性是否符合所述性能指标。
可选地,所述根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化,包括:
获取所述模拟锻造后的材料模型的性能参数,得到模拟锻造出的材料模型的性能参数;
计算所述模拟锻造出的材料模型的性能参数和所述预设的性能指标的梯度值;
若所述梯度值大于预设的梯度值阈值,则调整所述锻造工艺参数,根据调整后的锻造工艺参数对材料模型进行模拟锻造,重新执行获取锻造后的材料模型的性能参数的步骤;
若所述梯度值小于或等于预设的梯度值阈值,则确认锻造工艺参数优化完成。
可选地,所述梯度值可通过以下公式进行计算:
;
其中,表示梯度值,/>表示样本的数量,/>表示预设的性能指标,/>表示所述模拟锻造出的材料模型的性能参数。
为了解决上述问题,本发明还提供一种应用于钛合金锻造的虚拟建模装置,所述装置包括:
模型创建模块:创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
模拟锻造模块:根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
性能判断模块:判断所述得到模拟锻造后的材料模型是否符合预设的性能指标;
参数优化模块:若所述模拟锻造后的材料模型不符合所述预设的性能指标,则根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的应用于钛合金锻造的虚拟建模方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的应用于钛合金锻造的虚拟建模方法。
本发明实施例通过创建钛合金材料与锻造工具的模型,利用有限元分析软件根据预设的锻造工艺参数对钛合金材料模型和锻造工具模型进行模拟锻造,并根据模拟锻造出材料模型是否符合预设的性能指标来优化锻造工艺参数和锻造工具模型,直到经过模拟锻造后的材料模型满足预设的性能指标。因此本发明提出的应用于钛合金锻造的虚拟建模方法、装置、电子设备及计算机可读存储介质,可以解决目前钛合金锻造试错成本高,生产效率低的问题。
附图说明
图1为本发明一实施例提供的应用于钛合金锻造的虚拟建模方法的流程示意图;
图2为本发明一实施例提供的模拟锻造的流程示意图;
图3为本发明一实施例提供的优化预设的锻造工艺参数的流程示意图;
图4为本发明一实施例提供的应用于钛合金锻造的虚拟建模装置的功能模块图;
图5为本发明一实施例提供的实现所述应用于钛合金锻造的虚拟建模方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种应用于钛合金锻造的虚拟建模方法。所述应用于钛合金锻造的虚拟建模方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述应用于钛合金锻造的虚拟建模方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的应用于钛合金锻造的虚拟建模方法的流程图。在本实施例中,所述应用于钛合金锻造的虚拟建模方法包括:
S1、创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型。
本发明实施例中,所述创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型,包括:
根据预设的尺寸参数创建材料初始模型以及锻造工具初始模型;
通过多边形网格建模法根据预设的结构参数对所述材料初始模型以及锻造工具初始模型进行结构建模,得到材料模型以及锻造工具模型。
详细地,所述预设的尺寸参数,是根据工艺要求预先确定的钛合金材料的长、宽、高等参数。
详细地,所述结构参数是指通过多边形网格建模法建立模型的基本参数,如构成模型的多边形种类(三角形,四边形,六边形等),多边形节点之间连接的长度和角度,多边形节点直接可承受的最大压力等参数。
本发明实施例中,所述建立所述钛合金材料以及所述锻造工具的几何模型,可以通过CAD(Computer Aided Design,计算机辅助设计)软件实现,所述CAD软件具有完善的图形绘制功能、强大的图形编辑功能,具有通用性、易用性,可以建立复杂的三维模型。
本发明实施例中,通过建立钛合金材料以及锻造工具的三维模型,方便后续进行进一步分析,提高了虚拟建模的效率。
S2、根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
本发明实施例中,所述预设的锻造工艺参数,包括:环境温度、打击力度、打击速率、打击次数等。
详细地,参照图2所示,为本发明提供了一种模拟锻造的流程示意图,所述根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,包括:
S21、配置所述材料模型以及锻造工具模型的物理性质参数,得到材料物理模型以及锻造工具物理模型;
S22、对所述材料物理模型进行离散化处理,得到离散化材料物理模型;
S23、根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造。
详细地,所述物理性质参数包括:密度、泊松比、导热性能、热膨胀比以及热处理温度等,所述物理性质参数可由技术人员预先设定。
详细地,所述泊松比是表示材料在单向受拉或受压时,横向正应变与轴向正应变的比值,也叫横向变形系数,它是反映材料横向变形的弹性常数。
详细地,对所述材料物理模型进行离散化处理,是通过有限元分析软件实现的,可以通过将结构或物体离散化为许多小的有限元素,然后利用数值解法对每个元素进行计算,最终得到整个结构的响应,可以模拟各种物理效应,如结构力学、热传导、电磁场等,以及其他工程领域的问题。所述离散化处理是指将连续的物理问题转化为离散的变量,可以简化模型的复杂度,提高计算的效率。
进一步地,所述有限元分析是一种用较简单的问题代替复杂问题后再求解的分析方法,它将求解域看成是由许多称为有限元的小的互连子域组成,对每一单元假定一个合适的近似解,然后推导求解这个域总的满足条件(如结构的平衡条件),从而得到问题的解。因为实际问题被较简单的问题所代替,所以这个解不是准确解,而是近似解。由于大多数实际问题难以得到准确解,而有限元不仅计算精度高,而且能适应各种复杂形状,因而成为行之有效的工程分析手段。
本发明实施例中,所述根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造,也是通过有限元分析软件完成的,进一步地,所述根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造,包括:对所述离散化材料物理模型与所述锻造工具物理模型互相作用力的模拟,对所述离散化材料物理模型形变的模拟,对所述离散化材料物理模型应力分布的模拟。
本发明实施例中,通过对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造,得到模拟锻造后的材料模型,降低了钛合金锻造的试错成本,提高了生产效率。
S3、判断所述模拟锻造后的材料模型是否符合预设的性能指标。
本发明实施例中,所述判断所述模拟锻造后的材料模型是否符合预设的性能指标,包括:判断所述模拟锻造后的材料模型的强度是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的塑性是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的韧性是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的耐高温性是否符合所述性能指标。
详细地,所述模拟锻造后的材料模型的强度,是通过所述有限元分析软件对所述模拟锻造后的材料模型进行拉伸试验模拟得出的。
详细地,所述模拟锻造后的材料模型的塑性,是通过所述有限元分析软件对所述模拟锻造后的材料模型进行冲击试验模拟得出的。
详细地,所述模拟锻造后的材料模型的韧性,是通过所述有限元分析软件对所述模拟锻造后的材料模型进行弯曲试验模拟得出的。
详细地,所述模拟锻造后的材料模型的耐高温性,是通过所述有限元分析软件对所述模拟锻造后的材料模型进行高温环境模拟得出的。
详细地,若所述模拟锻造后的材料模型出现开裂、断裂的情况或所述模拟锻造后的材料模型的尺寸不符合预设的要求,则直接判定所述模拟锻造后的材料模型不符合所述性能指标。
本发明实施例中,通过判断所述模拟锻造后的材料模型是否符合预设的性能指标,方便后续根据判断结果进行针对性分析,提高了虚拟建模的效率。
若所述模拟锻造后的材料模型不符合所述性能指标,则执行S4、根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型,其中,所述梯度下降算法可通过以下公式进行表示:
;
其中,表示优化后的锻造工艺参数,/>表示所述锻造工艺参数,/>表示学习率,表示根据所述锻造工艺参数模拟锻造出的材料模型的性能参数与预设性能指标的梯度值。
本发明实施例中,所述梯度下降算法,是机器学习中最常用的优化算法之一,通过迭代的方式不断地调整参数,使预测结果与真实结果的差异最小化。在实际应用中,梯度下降算法有多种变体和改进,常见的梯度下降算法包括:批量梯度下降、随机梯度下降、小批量梯度下降、动量梯度下降、自适应梯度下降等。
本发明实施例中,所述调整所述锻造工具模型,是指调整所述锻造工具模型的尺寸、形状等参数。
本发明实施例中,参照图3所示,为本发明提供一种优化预设的锻造工艺参数的流程示意图,所述根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化,包括:
S31、获取所述模拟锻造后的材料模型的性能参数;
S32、计算所述模拟锻造出的材料模型的性能参数和所述预设的性能指标的梯度值;
S33、判断所述梯度值是否大于预设的梯度值阈值;
若所述梯度值大于预设的梯度值阈值,则执行S34、调整所述锻造工艺参数,根据调整后的锻造工艺参数对材料模型进行模拟锻造,重新执行获取模拟锻造后的材料模型的性能参数的步骤;
若所述梯度值小于或等于预设的梯度值阈值,则执行S35、确认锻造工艺参数优化完成。
详细地,可利用有限元分析软件获取所述模拟锻造出的材料模型的性能参数。
详细地,所述梯度值阈值是预先确定的值,用于衡量模拟锻造的材料是否符合性能指标。
详细地,所述计算所述模拟锻造出的材料模型的性能参数和所述预设的性能指标的梯度值是通过损失函数计算得出的,所述损失函数,是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中,损失函数通常作为学习准则与优化问题相联系,即通过最小化损失函数求解和评估模型。例如在统计学和机器学习中被用于模型的参数估计,在宏观经济学中被用于风险管理和决策,在控制理论中被应用于最优控制理论。
详细地,所述梯度值可以通过以下公式进行计算:
;
其中,表示梯度值,/>表示样本的数量,/>表示预设的性能指标,/>表示所述模拟锻造出的材料模型的性能参数。
进一步地,对所述预设的锻造工艺参数进行优化以及所述锻造工具模型进行调整后,重新执行S2、根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型。
本发明实施例中,通过计算出所述模拟锻造后的材料模型的性能参数与所述预设的性能指标的梯度值,根据所述梯度值利用梯度下降算法不断地优化所述预设的锻造工艺参数,并对所述锻造工具模型进行调整,直到经过模拟锻造后的材料模型的性能参数符合所述预设的性能指标,提高了虚拟建模的精确度。
若所述模拟锻造后的材料模型符合预设的性能指标,则执行S5、确认虚拟建模完成。
本发明实施例中,若所述模拟锻造后的材料模型符合预设的性能指标,则所述预设的锻造工艺参数以及所述锻造工具模型满足应用于钛合金锻造的虚拟建模需求,确认所述应用于钛合金锻造的虚拟建模完成。
如图4所示,是本发明一实施例提供的应用于钛合金锻造的虚拟建模装置的功能模块图。
本发明所述应用于钛合金锻造的虚拟建模装置100可以安装于电子设备中。根据实现的功能,所述应用于钛合金锻造的虚拟建模装置100可以包括模型创建模块101、模拟锻造模块102、性能判断模块103以及参数优化模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述模型创建模块101,用于创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
所述模拟锻造模块102,用于根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
所述性能判断模块103,用于判断所述模拟锻造后的材料模型是否符合预设的性能指标;
所述参数优化模块104,根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型。
详细地,本发明实施例中所述应用于钛合金锻造的虚拟建模装置100中所述的各模块在使用时采用与上述图1至图3中所述的应用于钛合金锻造的虚拟建模方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现应用于钛合金锻造的虚拟建模方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如应用于钛合金锻造的虚拟建模程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行应用于钛合金锻造的虚拟建模程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如应用于钛合金锻造的虚拟建模程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
所述电子设备1中的所述存储器11存储的应用于钛合金锻造的虚拟建模程序是多个指令的组合,在所述处理器10中运行时,可以实现:
创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
判断所述模拟锻造后的材料模型是否符合预设的性能指标;
若所述模拟锻造后的材料模型不符合所述预设的性能指标,则根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型,其中,所述梯度下降算法可通过以下公式进行表示:
;
其中,表示优化后的锻造工艺参数,/>表示所述锻造工艺参数,/>表示学习率,表示根据所述锻造工艺参数模拟锻造出的材料模型的性能参数与预设性能指标的梯度值;
若所述模拟锻造后的材料模型符合预设的性能指标,则确认虚拟建模完成。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
判断所述模拟锻造后的材料模型是否符合预设的性能指标;
若所述模拟锻造后的材料模型不符合所述预设的性能指标,则根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型,其中,所述梯度下降算法可通过以下公式进行表示:
;
其中,表示优化后的锻造工艺参数,/>表示所述锻造工艺参数,/>表示学习率,表示根据所述锻造工艺参数模拟锻造出的材料模型的性能参数与预设性能指标的梯度值;
若所述模拟锻造后的材料模型符合预设的性能指标,则确认虚拟建模完成。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,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模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (5)
1.一种应用于钛合金锻造的虚拟建模方法,其特征在于,所述方法包括:
创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
判断所述模拟锻造后的材料模型是否符合预设的性能指标;
若所述模拟锻造后的材料模型不符合所述预设的性能指标,则根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型,其中,所述梯度下降算法可通过以下公式进行表示:
;
其中,表示优化后的锻造工艺参数,/>表示所述锻造工艺参数,/>表示学习率,/>表示根据所述锻造工艺参数模拟锻造出的材料模型的性能参数与预设性能指标的梯度值;
若所述模拟锻造后的材料模型符合预设的性能指标,则确认虚拟建模完成;
所述创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型,包括:
根据预设的尺寸参数创建材料初始模型以及锻造工具初始模型;
通过多边形网格建模法根据预设的结构参数对所述材料初始模型以及锻造工具初始模型进行结构建模,得到材料模型以及锻造工具模型;
所述根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,包括:
配置所述材料模型以及锻造工具模型的物理性质参数,得到材料物理模型以及锻造工具物理模型;
对所述材料物理模型进行离散化处理,得到离散化材料物理模型;
根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造;
所述根据所述预设的锻造工艺参数对所述离散化材料物理模型以及锻造工具物理模型进行模拟锻造,包括:对所述离散化材料物理模型与所述锻造工具物理模型互相作用力的模拟,对所述离散化材料物理模型形变的模拟,对所述离散化材料物理模型应力分布的模拟;
所述根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化,包括:
获取所述模拟锻造后的材料模型的性能参数;
计算所述模拟锻造出的材料模型的性能参数和所述预设的性能指标的梯度值;
若所述梯度值大于预设的梯度值阈值,则调整所述锻造工艺参数,根据调整后的锻造工艺参数对材料模型进行模拟锻造,重新执行获取模拟锻造后的材料模型的性能参数的步骤;
若所述梯度值小于或等于预设的梯度值阈值,则确认锻造工艺参数优化完成;
所述梯度值可通过以下公式进行计算:
;
其中,表示梯度值,/>表示样本的数量,/>表示预设的性能指标,/>表示所述模拟锻造出的材料模型的性能参数。
2.如权利要求1所述的应用于钛合金锻造的虚拟建模方法,其特征在于,所述判断所述模拟锻造后的材料模型是否符合预设的性能指标,包括:判断所述模拟锻造后的材料模型的强度是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的塑性是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的韧性是否符合所述预设的性能指标,判断所述模拟锻造后的材料模型的耐高温性是否符合所述性能指标。
3.一种应用于钛合金锻造的虚拟建模装置,用于实现如权利要求1-2任一项所述的应用于钛合金锻造的虚拟建模方法,其特征在于,所述装置包括:
模型创建模块:创建钛合金材料以及锻造工具的模型,得到材料模型以及锻造工具模型;
模拟锻造模块:根据预设的锻造工艺参数对所述材料模型以及所述锻造工具模型进行模拟锻造,得到模拟锻造后的材料模型;
性能判断模块:判断所述模拟锻造后的材料模型是否符合预设的性能指标;
参数优化模块:若所述模拟锻造后的材料模型不符合所述预设的性能指标,则根据预设的梯度下降算法对所述预设的锻造工艺参数进行优化并调整所述锻造工具模型。
4.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至2中任意一项所述的应用于钛合金锻造的虚拟建模方法。
5.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至2中任意一项所述的应用于钛合金锻造的虚拟建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311644480.0A CN117352109B (zh) | 2023-12-04 | 2023-12-04 | 应用于钛合金锻造的虚拟建模方法、装置、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311644480.0A CN117352109B (zh) | 2023-12-04 | 2023-12-04 | 应用于钛合金锻造的虚拟建模方法、装置、设备、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117352109A CN117352109A (zh) | 2024-01-05 |
CN117352109B true CN117352109B (zh) | 2024-03-08 |
Family
ID=89356085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311644480.0A Active CN117352109B (zh) | 2023-12-04 | 2023-12-04 | 应用于钛合金锻造的虚拟建模方法、装置、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117352109B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591341A (zh) * | 2021-06-25 | 2021-11-02 | 西部超导材料科技股份有限公司 | 一种基于数值模拟的钛合金锻造工艺优化方法 |
CN113680936A (zh) * | 2021-08-07 | 2021-11-23 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种等温锻造工艺参数确定方法 |
CN114818437A (zh) * | 2022-05-20 | 2022-07-29 | 西北工业大学 | 钛合金整体叶盘等温锻造工艺的优化方法 |
CN115618599A (zh) * | 2022-10-12 | 2023-01-17 | 中车青岛四方机车车辆股份有限公司 | 一种提高钛合金疲劳强度的锻造工艺制定方法及系统 |
CN116611322A (zh) * | 2023-05-10 | 2023-08-18 | 北京科技大学 | 基于近球形粉末的钛基制件增材制造工艺参数的逆向设计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3786781A1 (fr) * | 2019-08-30 | 2021-03-03 | Bull Sas | Systeme d'aide a la conception d'application d'intelligence artificielle, executable sur des plateformes informatiques distribuees |
-
2023
- 2023-12-04 CN CN202311644480.0A patent/CN117352109B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591341A (zh) * | 2021-06-25 | 2021-11-02 | 西部超导材料科技股份有限公司 | 一种基于数值模拟的钛合金锻造工艺优化方法 |
CN113680936A (zh) * | 2021-08-07 | 2021-11-23 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种等温锻造工艺参数确定方法 |
CN114818437A (zh) * | 2022-05-20 | 2022-07-29 | 西北工业大学 | 钛合金整体叶盘等温锻造工艺的优化方法 |
CN115618599A (zh) * | 2022-10-12 | 2023-01-17 | 中车青岛四方机车车辆股份有限公司 | 一种提高钛合金疲劳强度的锻造工艺制定方法及系统 |
CN116611322A (zh) * | 2023-05-10 | 2023-08-18 | 北京科技大学 | 基于近球形粉末的钛基制件增材制造工艺参数的逆向设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117352109A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507032B (zh) | 基于深度学习技术预测温度分布的组件布局优化设计方法 | |
CN112306835B (zh) | 用户数据监控分析方法、装置、设备及介质 | |
CN112257321B (zh) | 基于无监督学习的卫星组件温度场确定方法 | |
CN111721787B (zh) | 基于晶体塑性的疲劳裂纹萌生与扩展的损伤寿命评估方法 | |
US20210342501A1 (en) | Automating extraction of material model coefficients for simulations | |
Sun et al. | Physics-of-failure and computer-aided simulation fusion approach with a software system for electronics reliability analysis | |
CN112733275A (zh) | 基于半监督学习的卫星组件热布局温度场预测方法 | |
CN112465141A (zh) | 模型压缩方法、装置、电子设备及介质 | |
JP2011154439A (ja) | 最適化処理プログラム、方法及び装置 | |
CN117352109B (zh) | 应用于钛合金锻造的虚拟建模方法、装置、设备、介质 | |
Xie et al. | A life prediction method of mechanical structures based on the phase field method and neural network | |
Mohammadnejad et al. | Prediction of the effective viscoelastic properties of polymer-based microstructure with randomly-placed linear elastic inclusions using convolutional neural network | |
CN116227304A (zh) | 一种多尺度耦合模型的仿真方法、装置、设备及存储介质 | |
CN115034812B (zh) | 基于大数据的钢铁行业销售量预测方法及装置 | |
CN109388830A (zh) | 一种电路板寿命预测方法 | |
CN113486238A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
WO2022106863A1 (en) | Method and system for accelerating the convergence of an iterative computation code of physical parameters of a multi-parameter system | |
Thiyagarajan et al. | 3D preform shape optimization in forging using reduced basis techniques | |
CN116090274B (zh) | 基于量子计算的材料变形模拟方法、装置、终端及介质 | |
Lu et al. | An efficient finite element analysis method for aero engine gear reliability combining co-simulation and surrogate model | |
CN114880897B (zh) | 一种基于机器学习的非定常流场网格自适应分析方法 | |
CN115495854B (zh) | 计算机辅助工程模型的参数标定方法、装置、设备及介质 | |
CN113836760B (zh) | 一种涡轮盘蠕变疲劳寿命可靠性评估方法 | |
JP2023009900A (ja) | 亀裂進展シミュレーション装置及び亀裂進展シミュレーション方法 | |
De Angelis | Efficient Random Set uncertainty quantification by means of advanced sampling techniques |
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 |