【技術(shù)實現(xiàn)步驟摘要】
本申請屬于薄壁類構(gòu)件成型，尤其涉及一種基于cnn-lstm的復(fù)雜構(gòu)件的快速回彈預(yù)測方法及裝置。
技術(shù)介紹
1、大型薄壁類構(gòu)件是航空航天裝備的重要組成部分和關(guān)鍵承力結(jié)構(gòu)，約占機(jī)體/箭體結(jié)構(gòu)重量的40%以上。大型薄壁類構(gòu)件的成形常常使用蠕變時效成形技術(shù)，其優(yōu)勢是能夠使構(gòu)件同時實現(xiàn)成形和強(qiáng)度提高，因此廣泛應(yīng)用于航空航天大型薄壁構(gòu)件制造。
2、在定型最合適的大型薄壁構(gòu)件尺寸進(jìn)行蠕變時效成形前，需設(shè)計不斷迭代三維模型。而在大型薄壁構(gòu)件蠕變時效成形試驗前，需先進(jìn)行構(gòu)件級蠕變時效成形有限元仿真。針對這些不同三維模型，合適的工藝制度、模具型面等關(guān)鍵參數(shù)的確定需要大量繁瑣的有限元計算迭代，因而導(dǎo)致效率低、成本高。
3、如在專利cn202111291953.4中，建立鋁合金各向異性彈塑性本構(gòu)模型，模擬試驗優(yōu)選出鋁合金各向異性彈塑性本構(gòu)模型，仿真模擬坯料彈塑性加載直至與模具型面貼合，計算構(gòu)件形成偏差，并進(jìn)行模具型面補(bǔ)償至確定最終模具型面。該專利只能在確定構(gòu)件尺寸后才能實施，未考慮構(gòu)件尺寸為適應(yīng)蠕變成形工藝，進(jìn)行調(diào)整時，后續(xù)帶來構(gòu)件三維模型建模以及對新三維模型進(jìn)行有限元仿真時，帶上的巨大時間成本。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)實施例的主要目的在于提供一種基于cnn-lstm的復(fù)雜構(gòu)件的快速回彈預(yù)測方法及裝置，通過引入結(jié)構(gòu)特征，并調(diào)整成適合復(fù)雜構(gòu)件蠕變時效成形工藝，能夠?qū)崿F(xiàn)高精度快速回彈及力學(xué)性能預(yù)測，便于篩選出最優(yōu)構(gòu)件尺寸、模具目標(biāo)型面和最優(yōu)工藝。
2、第一方面，提供了
3、在一個可能的實現(xiàn)方式中，獲取不同結(jié)構(gòu)特征的復(fù)雜構(gòu)件的三維模型圖片，以及復(fù)雜構(gòu)件的單一結(jié)構(gòu)特征不同工藝條件下的屈服強(qiáng)度及回彈量，構(gòu)建訓(xùn)練數(shù)據(jù)集，包括：獲取不同結(jié)構(gòu)特征的復(fù)雜構(gòu)件的三維模型圖片；建立不同工藝條件下的蠕變量及屈服強(qiáng)度的材料宏微觀本構(gòu)方程；在試樣級進(jìn)行蠕變時效成形有限元仿真并嵌入材料宏微觀本構(gòu)方程，得到復(fù)雜構(gòu)件的單一結(jié)構(gòu)特征不同工藝條件下的屈服強(qiáng)度及回彈量；組合三維模型圖片、不同工藝條件下的屈服強(qiáng)度及回彈量構(gòu)建訓(xùn)練數(shù)據(jù)集。
4、在另一個可能的實現(xiàn)方式中，建立不同工藝條件下的蠕變量及屈服強(qiáng)度的材料宏微觀本構(gòu)方程，包括：構(gòu)建以標(biāo)準(zhǔn)蠕變試樣進(jìn)行蠕變時效成形實驗；通過試驗建立由不同時間、溫度和應(yīng)力預(yù)測不同工藝條件蠕變量及屈服強(qiáng)度的材料宏微觀本構(gòu)方程：
5、
6、其中，為蠕變應(yīng)變；為外加蠕變應(yīng)力，、、、、、、、、、、為材料常數(shù)；為球狀析出物的平均半徑，、、分別表示析出強(qiáng)化、固溶強(qiáng)化與屈服強(qiáng)度變化。
7、在另一個可能的實現(xiàn)方式中，基于訓(xùn)練數(shù)據(jù)集對cnn-lstm模型進(jìn)行預(yù)訓(xùn)練，得到訓(xùn)練后的cnn-lstm模型，包括：應(yīng)用cnn模型根據(jù)不同結(jié)構(gòu)特征的三維模型圖片提取復(fù)雜構(gòu)件的結(jié)構(gòu)特征；以結(jié)構(gòu)特征和工藝條件作為lstm模型輸入，應(yīng)用lstm模型輸出復(fù)雜構(gòu)件的預(yù)測屈服強(qiáng)度及預(yù)測回彈量；計算預(yù)測屈服強(qiáng)度、預(yù)測回彈量與訓(xùn)練數(shù)據(jù)集中的屈服強(qiáng)度和回彈量的誤差，并根據(jù)誤差調(diào)整cnn模型和lstm模型的參數(shù)，直到滿足訓(xùn)練終止條件，得到訓(xùn)練后的cnn-lstm模型。
8、在另一個可能的實現(xiàn)方式中，應(yīng)用cnn模型根據(jù)不同結(jié)構(gòu)特征的三維模型圖片提取復(fù)雜構(gòu)件的結(jié)構(gòu)特征，包括：將復(fù)雜構(gòu)件的不同結(jié)構(gòu)尺寸的三維模型圖片轉(zhuǎn)換成像素矩陣；利用cnn模型中的多層卷積提取三維模型圖片中的優(yōu)先特征和非優(yōu)先特征，其中以卷積核為，兩個一維度的卷積組合的特征的提取公式為：
9、
10、其中，為輸出序列的索引，為輸入序列的元素，為卷積核權(quán)重；通過歸一化層對提取的所有特征進(jìn)行歸一化處理，通過池化層壓縮特征并降維，對相鄰像素進(jìn)行統(tǒng)計，將所有特征融合得到復(fù)雜構(gòu)件圖像識別的結(jié)構(gòu)特征。
11、在另一個可能的實現(xiàn)方式中，根據(jù)三維模型圖片和工藝條件應(yīng)用訓(xùn)練后的cnn-lstm模型預(yù)測待預(yù)測復(fù)雜構(gòu)件的屈服強(qiáng)度及回彈量，包括：根據(jù)三維模型圖片應(yīng)用cnn模型提取待預(yù)測復(fù)雜構(gòu)件的結(jié)構(gòu)特征；應(yīng)用lstm模型根據(jù)結(jié)構(gòu)特征和工藝條件預(yù)測待預(yù)測復(fù)雜構(gòu)件的回彈量及屈服強(qiáng)度。
12、在另一個可能的實現(xiàn)方式中，應(yīng)用lstm模型根據(jù)結(jié)構(gòu)特征和工藝條件預(yù)測待預(yù)測復(fù)雜構(gòu)件的回彈量及屈服強(qiáng)度，包括：將結(jié)構(gòu)特征、材料特性、蠕變時效成形工藝和成形模具型面輸入lstm模型的輸入門；通過lstm模型的遺忘門移除輸入中部分的結(jié)構(gòu)特征、材料特性、蠕變時效成形工藝和成形模具型面，通過輸入門輸入新的輸入，更新完單元狀態(tài)后，從輸出門輸出對應(yīng)新的待預(yù)測復(fù)雜構(gòu)件的屈服強(qiáng)度及回彈量。
13、第二方面，提供了一種基于cnn-lstm的復(fù)雜構(gòu)件的快速回彈預(yù)測裝置，裝置包括：訓(xùn)練數(shù)據(jù)獲取單元，用于獲取不同結(jié)構(gòu)特征的復(fù)雜構(gòu)件的三維模型圖片，以及復(fù)雜構(gòu)件的單一結(jié)構(gòu)特征不同工藝條件下的屈服強(qiáng)度及回彈量，構(gòu)建訓(xùn)練數(shù)據(jù)集，工藝條件包括材料特性、蠕變時效成形工藝和成形模具型面；模型訓(xùn)練單元，用于基于訓(xùn)練數(shù)據(jù)集對cnn-lstm模型進(jìn)行預(yù)訓(xùn)練，得到訓(xùn)練后的cnn-lstm模型；模型預(yù)測單元，用于獲取待預(yù)測復(fù)雜構(gòu)件的三維模型圖片和工藝條件，并根據(jù)三維模型圖片和工藝條件應(yīng)用訓(xùn)練后的cnn-lstm模型預(yù)測待預(yù)測復(fù)雜構(gòu)件的屈服強(qiáng)度及回彈量。
14、第三方面，提供了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，處理器執(zhí)行程序時實現(xiàn)如第一方面提供的一種基于cnn-lstm的復(fù)雜構(gòu)件的快速回彈預(yù)測方法。
15、第四方面，提供了一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如第一方面提供的一種基于cnn-lstm的復(fù)雜構(gòu)件的快速回彈預(yù)測方法。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于CNN-LSTM的復(fù)雜構(gòu)件的快速回彈預(yù)測方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述獲取不同結(jié)構(gòu)特征的復(fù)雜構(gòu)件的三維模型圖片，以及所述復(fù)雜構(gòu)件的單一結(jié)構(gòu)特征不同工藝條件下的屈服強(qiáng)度及回彈量，構(gòu)建訓(xùn)練數(shù)據(jù)集，包括：
3.如權(quán)利要求2所述的方法，其特征在于，所述建立不同工藝條件下的蠕變量及屈服強(qiáng)度的材料宏微觀本構(gòu)方程，包括：
4.如權(quán)利要求1所述的方法，其特征在于，所述基于所述訓(xùn)練數(shù)據(jù)集對CNN-LSTM模型進(jìn)行預(yù)訓(xùn)練，得到訓(xùn)練后的所述CNN-LSTM模型，包括：
5.如權(quán)利要求4所述的方法，其特征在于，所述應(yīng)用CNN模型根據(jù)不同結(jié)構(gòu)特征的所述三維模型圖片提取所述復(fù)雜構(gòu)件的結(jié)構(gòu)特征，包括：
6.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述三維模型圖片和所述工藝條件應(yīng)用訓(xùn)練后的所述CNN-LSTM模型預(yù)測所述待預(yù)測復(fù)雜構(gòu)件的屈服強(qiáng)度及回彈量，包括：
7.如權(quán)利要求6所述的方法，其特征在于，所述應(yīng)用LSTM模型根據(jù)所述結(jié)構(gòu)特征和所述工藝條件預(yù)測所述待預(yù)測復(fù)雜構(gòu)件的回彈
8.一種基于CNN-LSTM的復(fù)雜構(gòu)件的快速回彈預(yù)測裝置，其特征在于，所述裝置包括：
9.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1-7中任一項所述的一種基于CNN-LSTM的復(fù)雜構(gòu)件的快速回彈預(yù)測方法。
10.一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7中任一項所述的一種基于CNN-LSTM的復(fù)雜構(gòu)件的快速回彈預(yù)測方法。
...【技術(shù)特征摘要】
1.一種基于cnn-lstm的復(fù)雜構(gòu)件的快速回彈預(yù)測方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述獲取不同結(jié)構(gòu)特征的復(fù)雜構(gòu)件的三維模型圖片，以及所述復(fù)雜構(gòu)件的單一結(jié)構(gòu)特征不同工藝條件下的屈服強(qiáng)度及回彈量，構(gòu)建訓(xùn)練數(shù)據(jù)集，包括：
3.如權(quán)利要求2所述的方法，其特征在于，所述建立不同工藝條件下的蠕變量及屈服強(qiáng)度的材料宏微觀本構(gòu)方程，包括：
4.如權(quán)利要求1所述的方法，其特征在于，所述基于所述訓(xùn)練數(shù)據(jù)集對cnn-lstm模型進(jìn)行預(yù)訓(xùn)練，得到訓(xùn)練后的所述cnn-lstm模型，包括：
5.如權(quán)利要求4所述的方法，其特征在于，所述應(yīng)用cnn模型根據(jù)不同結(jié)構(gòu)特征的所述三維模型圖片提取所述復(fù)雜構(gòu)件的結(jié)構(gòu)特征，包括：
6.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述三維模型圖片和所...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：湛利華，李雙博，楊有良，謝豪，
申請(專利權(quán))人：中南大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。