CN117521410A - 恒温挤压工艺窗口预测方法及系统 - Google Patents

恒温挤压工艺窗口预测方法及系统 Download PDF

Info

Publication number
CN117521410A
CN117521410A CN202311640838.2A CN202311640838A CN117521410A CN 117521410 A CN117521410 A CN 117521410A CN 202311640838 A CN202311640838 A CN 202311640838A CN 117521410 A CN117521410 A CN 117521410A
Authority
CN
China
Prior art keywords
variable
temperature
extrusion
influence
outlet temperature
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
Application number
CN202311640838.2A
Other languages
English (en)
Inventor
田进
王旭
张国义
高守阳
张海涛
长海博文
张波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weiqiao Suzhou Lightweight Research Institute Co ltd
Suzhou University
Original Assignee
Weiqiao Suzhou Lightweight Research Institute Co ltd
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Weiqiao Suzhou Lightweight Research Institute Co ltd, Suzhou University filed Critical Weiqiao Suzhou Lightweight Research Institute Co ltd
Priority to CN202311640838.2A priority Critical patent/CN117521410A/zh
Publication of CN117521410A publication Critical patent/CN117521410A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Extrusion Moulding Of Plastics Or The Like (AREA)

Abstract

本发明公开了一种恒温挤压工艺窗口预测方法及系统,包括:基于不同影响因子作用下,获取挤压出口温度随影响因子的第一变化曲线;基于第一变化曲线,对各影响因子作用下挤压出口温度变化率大小进行归一化处理,筛选使挤压出口温度变化率最大的影响因子,分别为第一变量与第二变量;基于预设场景条件,获取第一变量与第二变量作用下,挤压出口温度的第二变化曲线;基于第二变化曲线,获取第一变量与第二变量对出口最高温度的影响规律等高线图以及第一变量、第二变量对挤压出口温度波动的影响规律等高线图,基于等高线图,获取对应恒温挤压工艺窗口。本发明提供的恒温挤压工艺窗口预测方法,极大降低试错成本,并提高了生产效率和成品率。

Description

恒温挤压工艺窗口预测方法及系统
技术领域
本发明是关于合金材料精深加工领域,特别是关于一种恒温挤压工艺窗口预测方法及系统。
背景技术
在合金材料精深加工领域,特别是合金圆铸锭的挤压技术领域,恒温挤压技术是最理想的挤压技术,但实际生产中因为众多可变的因素往往难以完全做到恒温挤压。
目前,恒温挤压技术主要包含四种:(1)坯料梯温挤压法;(2)工模具控温挤压法;(3)工艺参数优化控制等温挤压法;(4)挤压速度控制等温挤压法;这些技术在合金圆棒的挤压过程中均能在一定程度上控制挤压出口温度的稳定性,但是在获得最终工艺合理、效果良好的恒温挤压工艺之前,均存在大量的试错成本,需要不断优化控制参数,才能最终获得恒温挤压工艺。
因此,针对上述技术问题,有必要提供一种恒温挤压工艺窗口预测方法及系统。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种恒温挤压工艺窗口预测方法及系统,其能够在较低的试错成本下尽快实现恒温挤压预测并不断缩小恒温挤压工艺窗口,使每款型材在挤压实施之前都能明确其最合理的恒温挤压工艺窗口。
为实现上述目的,本发明提供的技术方案如下:
第一方面,本发明提供了一种恒温挤压工艺窗口预测方法,其包括:
基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线;
基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;
基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;
基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。
在一个或多个实施方式中,所述基于所述第一变化曲线,对在各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,包括:
基于预设的各所述影响因子的工艺区间,计算所述工艺区间最大值与最小值的差值;
将各影响因子的所述差值均乘以一预设的归一值,所得的积为各个所述影响因子的单位变化量,其中所述归一值小于1;
获取各影响因子在增加或减少单位变化量时,所述挤压窗口温度的变化率。
在一个或多个实施方式中,所述获取基于不同影响因子作用下,挤压出口温度随各所述影响因子的第一变化曲线,包括:
以预设变化率,控制一所述影响因子进行变化,其余量保持不变;
记录所述影响因子变化过程中,所述挤压出口温度的变化量;
基于所述影响因子与所述挤压出口温度的变化量,生成所述第一变化曲线。
在一个或多个实施方式中,所述基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线,包括:
基于所述预设场景条件,以预设变化率,控制预设为第一初值的所述第一变量进行变化,其余量保持不变;
记录所述第一变量变化过程中,所述挤压出口温度的变化量,生成所述第二变化曲线;
将所述第一变量调整至第二初值,以相同的变化率,控制所述第二变量进行变化,其余量保持不变;
记录所述第二变量变化过程中,所述挤压出口温度的变化量,生成另一所述第二变化曲线。
在一个或多个实施方式中,所述基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,包括:
获取在不同的所述第一变量与所述第二变量作用下,挤压出口温度的最大值与最小值,其中所述第一变量与第二变量在预设的工艺区间内;
将最大值与最小值的差作为得到所述最大值、最小值的实验条件下的温度波动数据,将所述最大值作为得到所述最大值的实验条件下的最高温度数据;
汇总不同实验条件下,所述最高温度数据以及所述温度波动数据,生成实验列表;
将所述实验列表中对应数据输入数据处理组件,生成所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图。
在一个或多个实施方式中,所述基于所述等高线图,获取对应恒温挤压工艺窗口,包括:
将所述第一变量、第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图叠加,适应性调整图像透明度;
基于工艺要求不同,取所述叠加后的等高线图满足所述工艺要求的交集,即为所述工艺要求下的恒温挤压工艺窗口。
在一个或多个实施方式中,所述影响因子包括但不限于:铸棒温度、挤压杆速度、模具温度以及挤压筒温度。
第二方面,本发明提供了一种恒温挤压工艺窗口预测系统,其包括:
第一获取模块,用于基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线;
筛选模块,用于基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;
第二获取模块,用于基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;
第三获取模块,用于基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。
与现有技术相比,本发明提供的恒温挤压工艺窗口预测方法,基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线;基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。该恒温挤压工艺窗口预测方法具有以下优点:
(1)在挤压实施之前,确定出每一款型材的恒温挤压工艺窗口,极大降低生产过程中的试错成本,并提高了生产效率和成品率。
(2)适用于各种形状不同、品类不同的型材进行恒温挤压工艺窗口预测,适应性更好。
(3)对型材一次检测即可获知在各种不同工艺条件下的所述恒温挤压工艺窗口,无需针对不同的实验条件重复检测,更加方便快捷。
附图说明
图1是本发明一实施方式中对出口最高温度的影响规律等高线图以及对挤压出口温度波动的影响规律等高线图合并后的图像;
图2是本发明一实施方式中恒温挤压工艺窗口预测的流程示意图;
图3是本发明一实施方式中恒温挤压工艺窗口预测系统的结构框图;
图4是本发明一实施方式中在不同的所述铸棒温度下,挤压出口温度的变化曲线;
图5是本发明一实施方式中模具温度与挤压出口二阶段平均温度的第一变化曲线;
图6是本发明一实施方式中,各个影响因子的工艺区间示意图;
图7是本发明一实施方式中,铸棒温度与挤压杆速度生成的第二变化曲线;
图8是本发明一实施方式中,实验列表示意图;
图9是本发明一实施方式中,铸棒温度与所述挤压杆速度对出口最高温度的影响规律等高线图;
图10是本发明一实施方式中,铸棒温度、挤压杆速度对挤压出口温度波动的影响规律等高线图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
在现有技术方案中存在对合金材料恒温挤压工艺窗口进行预测的方法分为四类,分别为(1)坯料梯温挤压法(2)工模具控温挤压法(3)工艺参数优化控制等温挤压法;(4)挤压速度控制等温挤压法。但无一例外地,上述现有技术中的恒温挤压方法均需要通过实际操作,总结相应工艺条件下,恒温挤压的相关参数,需要大量的试错成本并且随着型材形状尺寸的复杂化,所述试错成本还会激增;另一方面,由上述现有技术进行的恒温挤压方法,只能一次性得出在一中工艺条件下的使用条件,当所述工艺条件发生变化,还需要重新进行试错,极大地造成了资源的浪费。
本发明的发明人发现现有技术的主要缺点,并基于所述现有技术的缺点提出了一个新的技术实现思路:通过筛选对所述挤压窗口温度影响最大的两个变量,进而模拟在所述对所述挤压窗口温度影响最大的两个变量综合作用下,获取出口最高温度的影响规律等高线图以及挤压出口温度波动的影响规律等高线图,基于所述等高线图以及对应工艺条件,获取相应的恒温挤压工艺窗口。
需要说明的是本发明实施例的恒温挤压工艺窗口预测方法可应用于本发明实施例的恒温挤压工艺窗口预测系统。该恒温挤压工艺窗口预测系统可以配置于终端。所述终端可以包括但不限于PC(Personal Computer,个人计算机)、PDA(平板电脑)﹑智能手机、智能可穿戴设备等等。
请参照图2所示,为本发明一实施方式中恒温挤压工艺窗口预测的流程示意图。该恒温挤压工艺窗口预测方法,具体包括以下步骤:
S201:基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线;
在一示例性的实施例中,所述基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线,包括:以预设变化率,控制一所述影响因子进行变化,其余量保持不变;记录所述影响因子变化过程中,所述挤压出口温度的变化量;基于所述影响因子与所述挤压出口温度的变化量,生成所述第一变化曲线。
其中,所述影响因子包括但不限于铸棒温度、挤压杆速度、模具温度以及挤压筒温度。
例如,获取所述铸棒温度对所述挤压出口温度的影响,设置所述挤压筒温度、挤压杆速度、模具温度固定不变。铸棒温度为425℃,记录在型材挤压过程中,所述挤压出口温度的变化曲线;再将所述铸棒温度设置为450℃,记录在型材挤压过程中,所述挤压出口温度的变化曲线;重复上述步骤,按预设的变化率升高所述铸棒温度,获得多组所述铸棒温度下,挤压出口温度的变化曲线,如图4所示。
基于相同的构思,还需要分别获取不同的所述挤压杆速度、模具温度以及挤压筒温度对所述挤压出口温度的变化曲线。进一步的,计算所述温度变化曲线在二阶段温度的均值,建立影响因子不同数值下与二阶段挤压出口温度的函数图像作为所述第一变化曲线,如图5所示为本发明一实施方式下,模具温度与挤压出口二阶段平均温度的第一变化曲线。
需要说明的是,所述挤压出口温度的升高分为两个阶段,一阶段为挤压进入稳定段之前的过程,二阶段是指挤压进入稳定阶段后温升达到平衡的过程。在所述一阶段时,随着挤压杆行程的递增,所述挤压出口温度快速攀升,在所述二阶段时,挤压出口温度趋于稳定,不随挤压杆行程的增加而剧烈变动。在一实施方式中,可设置区间分割值,当所述挤压出口温度变化曲线的导数值小于所述区间分割值,则所述挤压出口温度变化曲线为二阶段;当所述挤压出口温度变化曲线的导数值大于或等于于所述区间分割值,则所述挤压出口温度变化曲线为一阶段。
S202:基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;
需要说明的是,所述挤压出口温度指所述二阶段所述挤压出口的平均温度。
在一示例性的实施例中,所述基于所述第一变化曲线,对在各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,包括:基于预设的各所述影响因子的工艺区间,计算所述工艺区间最大值与最小值的差值;将各影响因子的所述差值均乘以一预设的归一值,所得的积为各个所述影响因子的单位变化量,其中所述归一值小于1;获取各影响因子在增加或减少单位变化量时,所述挤压窗口温度的变化率。
例如,在一具体的实施例中,如图6所示,所述铸棒温度的工艺区间为420-500℃,所述挤压杆速的工艺区间为2-6mm/s,所述模具温度的工艺区间为450-500℃,所述挤压筒温度的工艺区间为430-490℃。设置归一值为10%,则所述铸棒温度的单位变化量为(500-420)*10%=8℃;所述挤压杆速的单位变化量为(6-2)*10%=0.4mm/s;所述模具温度的单位变化量为(500-450)*10%=5℃;所述挤压筒温度的单位变化量为(490-430)*10%=6℃。进一步的,经测量,当所述模具温度每提高5℃,也即一个所述单位变化量时,型材挤压出口温度提高2.38度;挤压筒温度每提高6℃,型材挤压出口温度提高0.95℃,因此挤压筒温度对挤压出口温度影响小于模具温度。
在另一实施方式中,计算各所述影响因子工艺区间最大值与最小值的差值,可以将各所述影响因子的数值增大或减少所述工艺区间最大值与最小值差值的相同百分比,比较所述温度相对于所述标准温度的增长百分比数据值,进而达到筛选使所述挤压出口温度变化率最大的两个所述影响因子的目的。
例如,所述铸棒温度的工艺区间为420-500℃,所述挤压杆速的工艺区间为2-6mm/s,所述模具温度的工艺区间为450-500℃,所述挤压筒温度的工艺区间为430-490℃。设置挤压出口标准温度为530℃。计算各所述工艺区间的最大值与最小值的差值分别为:铸棒温度为80℃、挤压杆速为4mm/s、模具温度为50℃、挤压筒温度为60℃。经测量,当所述铸棒温度每提高所述差值的25%,型材挤压出口温度提高所述挤压出口标准温度的1.2%;挤压杆速每提高所述差值的25%,型材挤压出口温度提高所述挤压出口标准温度的2%,因此挤压杆速度对挤压出口温度影响大于铸棒温度。
S203:基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;
在一示例性实施例中,所述基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线,包括:基于所述预设场景条件,以预设变化率,控制预设为第一初值的所述第一变量进行变化,其余量保持不变;记录所述第一变量变化过程中,所述挤压出口温度的变化量,生成所述第二变化曲线;将所述第一变量调整至第二初值,以相同的变化率,控制所述第二变量进行变化,其余量保持不变;记录所述第二变量变化过程中,所述挤压出口温度的变化量,生成另一所述第二变化曲线。
例如,在一具体的实施例中,经上一步的筛选,获知所述铸棒温度与所述挤压杆速度为对挤压出口温度影响最大的影响因子。则在其他影响因素不变的条件下,设置所述铸棒温度为470℃,分别测量所述挤压杆速度在2mm/s、3mm/s、4mm/s、5mm/s以及6mm/s的条件下,二阶段挤压出口温度的值。随后将所述铸棒温度提高10℃,再次测量所述挤压杆速度在2mm/s、3mm/s、4mm/s、5mm/s以及6mm/s的条件下,二阶段挤压出口温度的值。重复上述步骤,得出多组变化曲线,即为所述第二变化曲线,如图7所示。
需要说明的是,为了使结论更加精确,贴合实际工艺应用场景。避免无效数据对实验结果产生影响,浪费算力,所述影响因子的取值均在所述影响因子对应的工艺区间内。
S204:基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。
在一示例性实施例中,所述基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,包括:获取在不同的所述第一变量与所述第二变量作用下,挤压出口温度的最大值与最小值,其中所述第一变量与第二变量在预设的工艺区间内;将最大值与最小值的差作为得到所述最大值、最小值的实验条件下的温度波动数据,将所述最大值作为得到所述最大值的实验条件下的最高温度数据;汇总不同实验条件下,所述最高温度数据以及所述温度波动数据,生成实验列表;将所述实验列表中对应数据输入数据处理组件,生成所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图。
需要说明的是,等高线图是一种用于可视化二维数据的图表类型,它是通过等高线来表示数据的等值线,用于展示数据的高度或数值分布情况。在数据分析中可以用于可视化数据的等值区域和密度分布,可以观察数据的聚集区域、趋势和变化,帮助发现数据集的结构和规律。
例如,在一具体的实施例中,沿用上述实施例的条件,如图8所示为实验列表图示,基于所述第二变化曲线,记录在不同的铸棒温度以及挤压杆速度的条件下,挤压出口温度的最大值与最小值,将最大值与最小值的差作为得到所述最大值、最小值的实验条件下的温度波动数据,将所述最大值作为得到所述最大值的实验条件下的最高温度数据。
将棒温一列数据设为X,将挤压杆速一列数据设为Y,将二阶段温度波动一列数据设为Z,选中所述X列、Y列以及Z列的所有数据,导入等高线图生成模块,生成关于铸棒温度和挤压杆速对二阶段温度波动的等高线图;基于同样的方式,将棒温一列数据设为X,将挤压杆速一列数据设为Y,将二阶段最高温度一列数据设为Z,选中所述X列、Y列以及Z列的所有数据,导入等高线图生成模块,生成关于铸棒温度和挤压杆速对二阶段温度波动的等高线图。其中,所述棒温即为铸棒温度。
所述基于所述等高线图,获取对应恒温挤压工艺窗口,包括:将所述第一变量、第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图叠加,适应性调整图像透明度;基于工艺要求不同,取所述叠加后的等高线图满足所述工艺要求的交集,即为所述工艺要求下的恒温挤压工艺窗口。
例如,沿用上述实施例的条件,如图9、图10以及图1所示,分别为一具体实施例中,基于上述方法生成的所述铸棒温度与所述挤压杆速度对出口最高温度的影响规律等高线图以及所述铸棒温度、挤压杆速度对挤压出口温度波动的影响规律等高线图以及将上述两等高线图合并后的图像。若二阶段所述挤压出口温度上限为572℃,所述挤压出口温度下限为546.8℃,并且二阶段温度波动要求小于等于4.9℃,则对应的恒温挤压工艺窗口为对应图1的C区,也即在实际生产中可以使用C区对应的铸棒温度以及挤压杆速度。
请参照图3所示,基于与前述恒温挤压工艺窗口预测方法相同的发明构思,本发明一实施方式中提供了一种恒温挤压工艺窗口预测系统300,其中包括:第一获取模块301、筛选模块302、第二获取模块303以及第三获取模块304。
具体的,第一获取模块301,用于基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线;
筛选模块302,用于基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;
第二获取模块303,用于基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;
第三获取模块304,用于基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。
需要说明的是,筛选模块302还用于基于预设的各所述影响因子的工艺区间,计算所述工艺区间最大值与最小值的差值;将各影响因子的所述差值均乘以一预设的归一值,所得的积为各个所述影响因子的单位变化量,其中所述归一值小于1;获取各影响因子在增加或减少单位变化量时,所述挤压窗口温度的变化率。
第一获取模块301还用于,一预设变化率,控制一所述影响因子进行变化,其余量保持不变;记录所述影响因子变化过程中,所述挤压出口温度的变化量;基于所述影响因子与所述挤压出口温度的变化量,生成所述第一变化曲线。
第二获取模块303还用于,基于所述预设场景条件,以预设变化率,控制预设为第一初值的所述第一变量进行变化,其余量保持不变;记录所述第一变量变化过程中,所述挤压出口温度的变化量,生成所述第二变化曲线;将所述第一变量调整至第二初值,以相同的变化率,控制所述第二变量进行变化,其余量保持不变;记录所述第二变量变化过程中,所述挤压出口温度的变化量,生成另一所述第二变化曲线。
第三获取模块304还用于,获取在不同的所述第一变量与所述第二变量作用下,挤压出口温度的最大值与最小值,其中所述第一变量与第二变量在预设的工艺区间内;将最大值与最小值的差作为得到所述最大值、最小值的实验条件下的温度波动数据,将所述最大值作为得到所述最大值的实验条件下的最高温度数据;汇总不同实验条件下,所述最高温度数据以及所述温度波动数据,生成实验列表;将所述实验列表中对应数据输入数据处理组件,生成所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图。将所述第一变量、第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图叠加,适应性调整图像透明度;基于工艺要求不同,取所述叠加后的等高线图满足所述工艺要求的交集,即为所述工艺要求下的恒温挤压工艺窗口。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (10)

1.一种恒温挤压工艺窗口预测方法,其特征在于,包括:
基于不同影响因子作用下,获取挤压出口温度随各所述影响因子变化的第一变化曲线;
基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;
基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;
基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。
2.如权利要求1所述的恒温挤压工艺窗口预测方法,其特征在于,所述基于所述第一变化曲线,对在各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,包括:
基于预设的各所述影响因子的工艺区间,计算所述工艺区间最大值与最小值的差值;
将各影响因子的所述差值均乘以一预设的归一值,所得的积为各个所述影响因子的单位变化量,其中所述归一值小于1;
获取各影响因子在增加或减少单位变化量时,所述挤压窗口温度的变化率。
3.如权利要求1所述的恒温挤压工艺窗口预测方法,其特征在于,所述获取基于不同影响因子作用下,挤压出口温度随各所述影响因子的第一变化曲线,包括:
以预设变化率,控制一所述影响因子进行变化,其余量保持不变;
记录所述影响因子变化过程中,所述挤压出口温度的变化量;
基于所述影响因子与所述挤压出口温度的变化量,生成所述第一变化曲线。
4.如权利要求1所述的恒温挤压工艺窗口预测方法,其特征在于,所述基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线,包括:
基于所述预设场景条件,以预设变化率,控制预设为第一初值的所述第一变量进行变化,其余量保持不变;
记录所述第一变量变化过程中,所述挤压出口温度的变化量,生成所述第二变化曲线;
将所述第一变量调整至第二初值,以相同的变化率,控制所述第二变量进行变化,其余量保持不变;
记录所述第二变量变化过程中,所述挤压出口温度的变化量,生成另一所述第二变化曲线。
5.如权利要求1所述的恒温挤压工艺窗口预测方法,其特征在于,所述基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,包括:
获取在不同的所述第一变量与所述第二变量作用下,挤压出口温度的最大值与最小值,其中所述第一变量与第二变量在预设的工艺区间内;
将最大值与最小值的差作为得到所述最大值、最小值的实验条件下的温度波动数据,将所述最大值作为得到所述最大值的实验条件下的最高温度数据;
汇总不同实验条件下,所述最高温度数据以及所述温度波动数据,生成实验列表;
将所述实验列表中对应数据输入数据处理组件,生成所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图。
6.如权利要求5所述的恒温挤压工艺窗口预测方法,其特征在于,所述基于所述等高线图,获取对应恒温挤压工艺窗口,包括:
将所述第一变量、第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图叠加,适应性调整图像透明度;基于工艺要求不同,取所述叠加后的等高线图满足所述工艺要求的交集,即为所述工艺要求下的恒温挤压工艺窗口。
7.如权利要求1所述的恒温挤压工艺窗口预测方法,其特征在于,所述影响因子包括:铸棒温度、挤压杆速度、模具温度以及挤压筒温度。
8.一种恒温挤压工艺窗口预测系统,其特征在于,包括:
第一获取模块,用于基于不同影响因子作用下,获取挤压出口温度随各所述影响因子的第一变化曲线;
筛选模块,用于基于所述第一变化曲线,对各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,筛选使所述挤压出口温度变化率最大的两个所述影响因子,分别为第一变量与第二变量;
第二获取模块,用于基于预设场景条件,获取在所述第一变量与所述第二变量作用下,所述挤压出口温度的第二变化曲线;
第三获取模块,用于基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,并基于所述等高线图,获取对应恒温挤压工艺窗口。
9.如权利要求8所述的恒温挤压工艺窗口预测系统,其特征在于,所述基于所述第一变化曲线,对在各所述影响因子作用下所述挤压出口温度变化率大小进行归一化处理,包括:
基于预设的各所述影响因子的工艺区间,计算所述工艺区间最大值与最小值的差值;
将各影响因子的所述差值均乘以一预设的归一值,所得的积为各个所述影响因子的单位变化量,其中所述归一值小于1;
获取各影响因子在增加或减少单位变化量时,所述挤压窗口温度的变化率。
10.如权利要求8所述的恒温挤压工艺窗口预测系统,其特征在于,所述基于所述第二变化曲线,获取所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图,包括:
获取在不同的所述第一变量与所述第二变量作用下,挤压出口温度的最大值与最小值,其中所述第一变量与第二变量在预设的工艺区间内;
将最大值与最小值的差作为得到所述最大值、最小值的实验条件下的温度波动数据,将所述最大值作为得到所述最大值的实验条件下的最高温度数据;
汇总不同实验条件下,所述最高温度数据以及所述温度波动数据,生成实验列表;
将所述实验列表中对应数据输入数据处理组件,生成所述第一变量与所述第二变量对出口最高温度的影响规律等高线图以及所述第一变量、第二变量对挤压出口温度波动的影响规律等高线图。
CN202311640838.2A 2023-12-01 2023-12-01 恒温挤压工艺窗口预测方法及系统 Pending CN117521410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311640838.2A CN117521410A (zh) 2023-12-01 2023-12-01 恒温挤压工艺窗口预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311640838.2A CN117521410A (zh) 2023-12-01 2023-12-01 恒温挤压工艺窗口预测方法及系统

Publications (1)

Publication Number Publication Date
CN117521410A true CN117521410A (zh) 2024-02-06

Family

ID=89753030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311640838.2A Pending CN117521410A (zh) 2023-12-01 2023-12-01 恒温挤压工艺窗口预测方法及系统

Country Status (1)

Country Link
CN (1) CN117521410A (zh)

Similar Documents

Publication Publication Date Title
CN110889091B (zh) 基于温度敏感区间分段的机床热误差预测方法与系统
Palani et al. On-line prediction of micro-turning multi-response variables by machine vision system using adaptive neuro-fuzzy inference system (ANFIS)
CN104777785B (zh) 一种基于指令域分析的数控加工工艺参数动态优化方法
CN1642667A (zh) 确定剖面和表面均匀性调节装置额定值的计算机辅助方法
CN114871486A (zh) 龙门刨床及其加工控制方法
CN117521410A (zh) 恒温挤压工艺窗口预测方法及系统
CN115831263A (zh) 一种优化电解精炼高纯铟产品合格率的方法及系统
CN115481530A (zh) 一种基于区域划分的煤矿工作面来压预测系统及方法
CN114341879A (zh) 学习模型生成方法、学习模型生成装置、高炉的铁液温度控制方法、高炉的铁液温度控制指导方法及铁液的制造方法
Ahmad et al. Design Element Concept of squeeze casting process
CN111688153B (zh) 树脂膜制造装置及树脂膜制造方法
CN109033590B (zh) 一种基于模锻模具磨损的工艺参数优化方法
CN116542153A (zh) 基于强化学习的金属材料加工工艺参数的逆向设计方法
Ou et al. Preform design for forging of aerofoil sections using FE simulation
JP2018176210A (ja) 熱間押出加工時の押出製品内部温度分布推定装置および押出製品内部温度分布推定方法、ビレット加熱制御装置およびビレット加熱制御方法ならびにプログラム
CN103801775A (zh) 线切割机的控制装置、线切割机和线切割方法
Khachane et al. Multi-objective optimization of EDM process parameters using Jaya algorithm combined with grey relational analysis
CN111292312B (zh) 烧结热状态横向异质性在线定量测量方法
CN117021524B (zh) 多腔注塑模具的温度均衡控制方法及系统
Mitra et al. Unveiling salient operating principles for reducing meniscus level fluctuation in an industrial thin slab caster using evolutionary multicriteria pareto optimization
CN117893101B (zh) 一种键合金丝的生产质量评估方法、系统及存储介质
CN114951303A (zh) 平整机轧制力前馈控制方法、系统及介质
Koo et al. Downskin Surface Roughness Prediction with Machine Learning for As-Built CM247LC Fabricated Via Powder Bed Fusion with a Laser Beam
CN109909413B (zh) 一种基于热加工图的锻模速度曲线迭代优化方法
Li et al. Research on Prediction of Press-Assembly Quality Based on Grey Markov Model

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