摘要
本发明公开了一种带筋构件蠕变时效工艺方法及成形型面预测方法,工艺方法包括:获取试样级多组不同蠕变时效工艺条件下的应变量‑时间数据;建立蠕变时效全过程材料本构模型;根据实际实验及试样有限元模拟结果修正本构模型;获取带筋构件关键特征;利用神经网络构建工艺条件、构件离散特征点和成形型面之间的映射关系;根据蠕变时效成形结果修正神经网络结构;对工艺参数及构件结构寻优。本发明实验数据来源大部分为有限元仿真且仿真得到实际验证,能有效保证有限元仿真及神经网络预测的可靠性;本发明实现工艺参数寻优及成形型面点云关键位置预测,能够快速获得适合构件成形的蠕变时效工艺,且采用该工艺能够快速预测成形后构件的型面。
技术关键词
时效工艺方法
蠕变时效成形
离散特征
工艺参数条件
拉丁超立方抽样方法
神经网络模型
有限元模拟仿真
建立空间坐标系
有限元仿真软件
识别构件
修正神经网络
面点
变量
神经网络结构
基础
数据
阶段
系统为您推荐了相关专利信息
决策树模型
事件信息分析方法
地理信息系统
多任务
损伤特征
策略
数字孪生系统
物联网数据采集终端
深度学习网络
案例库
反馈控制模块
分形分析方法
数据分析模块
数据处理模块
注塑设备
语义知识库
图像压缩方法
原型
索引
高维特征向量
编码向量
数据处理方法
文本
离散特征
语音生成模型