專利名稱：一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及塑性成形質(zhì)量預(yù)測領(lǐng)域，特別是涉及一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù) 測方法及裝置。
背景技術(shù)：
隨著導(dǎo)管應(yīng)用范圍的擴大，導(dǎo)管塑性加工已成為先進塑性加工技術(shù)研究與發(fā)展的 一個重要方向。由于中空、薄壁管材繞彎的成形機理復(fù)雜，對彎曲過程中外側(cè)壁減薄、破裂， 內(nèi)側(cè)壁增厚、起皺，橫截面橢圓畸變和導(dǎo)管中心線伸長，以及卸載后回彈的預(yù)測、優(yōu)化與演 化過程分析一直是包括管材彎曲成形在內(nèi)的工程界未能有效解決的技術(shù)難題，也是當今國 內(nèi)外塑性加工學(xué)科研究的難點和熱點。隨著大口徑、薄壁、小彎曲半徑和難變形材料導(dǎo)管的 應(yīng)用推廣，上述問題日益突出。為解決導(dǎo)管實際生產(chǎn)中的困難，美國伊頓·倫納德公司首先研制生產(chǎn)了一種計算 機控制數(shù)控(CNC)矢量彎管設(shè)備，近年來普遍為西方各航空發(fā)動機公司所采用。采用該類 設(shè)備進行彎管的方法稱之為數(shù)控繞彎，因夾緊模和彎曲模夾持管材圍繞彎曲模中心旋轉(zhuǎn)運 動而得名。圖1為現(xiàn)有技術(shù)一個示例的數(shù)控彎管的工作原理示意圖。影響管材成形質(zhì)量的因素多而復(fù)雜，因素之間還存在耦合關(guān)系，再加之產(chǎn)品品種 繁多，因此理論解析十分困難，長期依靠設(shè)計者的經(jīng)驗和反復(fù)試制。而實驗研究成本高、周 期長，測試數(shù)據(jù)誤差較大。為了達到管材繞彎加工的特殊要求，采用有限元方法模擬管材彎 曲成形過程。非線性顯示動力有限元分析方法適用于對金屬成形過程的模擬，其本質(zhì)是一 種通過將復(fù)雜結(jié)構(gòu)離散化，進而簡化塑性大變形物理過程的數(shù)值模擬方法，使得計算機能 夠通過大規(guī)模矩陣對復(fù)雜問題進行求解，該方法精度高、信息豐富，但由于有限元模擬的方 法復(fù)雜、計算量龐大，導(dǎo)致利用有限元模擬來進行導(dǎo)管彎曲質(zhì)量預(yù)測時，計算時間過長，不 方便用戶使用。

發(fā)明內(nèi)容
本發(fā)明的目的提供一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法及裝置，以解決現(xiàn)有技 術(shù)的通過有限元模擬的方法來進行質(zhì)量預(yù)測時，耗時多，時效性差的技術(shù)問題。為了實現(xiàn)上述目的，本發(fā)明提供了一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法，其中， 包括如下步驟步驟一，建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模型；步驟二，利用所述有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值模擬試驗，獲 得第一試驗結(jié)果，根據(jù)所述第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝 參數(shù)和導(dǎo)管設(shè)計參數(shù)；步驟三，以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè) 計參數(shù)作為輸入?yún)?shù)，以預(yù)定的質(zhì)量指標作為輸出參數(shù)，來建立人工神經(jīng)網(wǎng)絡(luò)模型；步驟四，對所述人工神經(jīng)網(wǎng)絡(luò)模型 行訓(xùn)練，并利用經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。優(yōu)選地，所述的方法，其中，所述步驟四之前，還包括以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù) 作為設(shè)計因子，組織導(dǎo)管數(shù)控彎曲成形的實驗或有限元的數(shù)值模擬試驗，以為所述人工神 經(jīng)網(wǎng)絡(luò)模型提供初始訓(xùn)練樣本。優(yōu)選地，所述的方法，其中，基于正交設(shè)計方法組織所述導(dǎo)管數(shù)控彎曲成形有限元 的數(shù)值模擬試驗。優(yōu)選地，所述的方法，其中，所述步驟三中，所述人工神經(jīng)網(wǎng)絡(luò)模型為徑向基人工 神經(jīng)網(wǎng)絡(luò)模型。優(yōu)選地，所述的方法，其中，所述步驟四中，在對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練前，還包括對所述初始訓(xùn)練樣本數(shù)據(jù)進行 歸一化處理；所述利用所述經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測的 步驟包括在將輸入?yún)?shù)值輸入所述人工神經(jīng)網(wǎng)絡(luò)模型前，先進行歸一化處理；及，在獲得 所述人工神經(jīng)網(wǎng)絡(luò)模型的輸出值后，對所述輸出值進行反歸一化處理后獲得所述導(dǎo)管的數(shù) 控彎曲成形的質(zhì)量指標值。優(yōu)選地，所述的方法，其中，所述步驟三中，所述建立人工神經(jīng)網(wǎng)絡(luò)模型的步驟包 括根據(jù)導(dǎo)管材料的不同和/或?qū)Ч艿膸缀螀?shù)的不同分段建立多個人工神經(jīng)網(wǎng)絡(luò) 模型。優(yōu)選地，所述的方法，其中，所述導(dǎo)管的幾何參數(shù)包括導(dǎo)管外徑。優(yōu)選地，所述的方法，其中，所述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)包 括壓模壓力、助推力、芯軸伸出量和芯軸間隙；所述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的 導(dǎo)管設(shè)計參數(shù)包括導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角度。另一方面，提供一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測裝置，其中，包括有限元模型建立模塊，用于建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模 型；參數(shù)確定模塊，用于利用所述有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值 模擬試驗，獲得第一試驗結(jié)果，根據(jù)所述第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影 響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)；神經(jīng)網(wǎng)絡(luò)模塊，用于以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參 數(shù)和導(dǎo)管設(shè)計參數(shù)作為輸入?yún)?shù)，以預(yù)定的質(zhì)量指標作為輸出參數(shù)，來建立人工神經(jīng)網(wǎng)絡(luò) 模型；預(yù)測模塊，用于對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并利用經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng) 絡(luò)模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。優(yōu)選地，所述的預(yù)測裝置，其中，所述預(yù)測模塊中，用于對所述人工神經(jīng)網(wǎng)絡(luò)模型 進行訓(xùn)練的初始訓(xùn)練樣本為通過以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計 參數(shù)作為設(shè)計因子、組織的導(dǎo)管數(shù)控彎曲成形的實驗或有限元的數(shù)值模擬試驗獲得。
優(yōu)選地，所述的預(yù)測裝置，其中，所述導(dǎo)管數(shù)控彎曲成形有限元的數(shù)值模擬試驗時 基于正交設(shè)計方法組織的。優(yōu)選地，所述的預(yù)測裝置，其中，所述神經(jīng)網(wǎng)絡(luò)模塊建立的所述人工神經(jīng)網(wǎng)絡(luò)模型 為徑向基人工神經(jīng)網(wǎng)絡(luò)模型。優(yōu)選地，所述的預(yù)測裝置，其中，所述神經(jīng)網(wǎng)絡(luò)模塊，進一步用于根據(jù)導(dǎo)管材料的 不同和/或?qū)Ч艿膸缀螀?shù)的不同分段建立多個人工神經(jīng)網(wǎng)絡(luò)模型。優(yōu)選地，所述的預(yù)測裝置，其中，所述參數(shù)確定模塊確定出的所述對導(dǎo)管數(shù)控彎曲 成形質(zhì)量影響顯著的工藝參數(shù)包括壓模壓力、助推力、芯軸伸出量和芯軸間隙；所述對導(dǎo) 管數(shù)控彎曲成形質(zhì)量影響顯著的導(dǎo)管設(shè)計參數(shù)包括導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角 度。上述技術(shù)方案中的一個技術(shù)方案具有如下技術(shù)效果通過建立模擬導(dǎo)管數(shù)控彎曲成形工藝過程有限元模型，利用有限元模型進行數(shù)值 模擬試驗，較準確地確定出了對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參 數(shù)，并以上述確定的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的參數(shù)作為輸入、以預(yù)定的質(zhì)量指 標作為輸出建立了用于進行導(dǎo)管數(shù)控彎曲成形工藝的人工神經(jīng)網(wǎng)絡(luò)模型，考慮了對彎曲成 形影響較大的因素，忽略了對彎曲成形影響較小的參數(shù)，在保證預(yù)測精度的前提下簡化了 模型，使得用戶能在導(dǎo)管參數(shù)確定后，較快的預(yù)測出導(dǎo)管彎曲成形的質(zhì)量指標，時效性好。上述技術(shù)方案中的另一個技術(shù)方案具有如下技術(shù)效果通過以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計 參數(shù)作為設(shè)計因子、組織有限元的數(shù)值模擬試驗，并利用試驗的數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)模 型提供初始訓(xùn)練樣本，可實現(xiàn)通過已知工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)及其對應(yīng)的質(zhì)量指標預(yù)測 未知工藝參數(shù)和導(dǎo)管參數(shù)對應(yīng)的質(zhì)量指標，為導(dǎo)管工藝規(guī)劃時的即時可加工性分析和工藝 優(yōu)化提供支撐。


圖1為現(xiàn)有技術(shù)一個示例的數(shù)控彎管的工作原理示意圖；圖2為本發(fā)明實施例的導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法的流程示意圖；圖3為有限元模擬的流程示意圖。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具體實施例對 本發(fā)明進行詳細描述。圖2為本發(fā)明實施例的導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法的流程示意圖。如圖2， 本發(fā)明實施例的預(yù)測方法包括如下步驟步驟201，建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模型；步驟202，利用所述有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值模擬試驗， 獲得第一試驗結(jié)果，根據(jù)所述第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工 藝參數(shù)和導(dǎo)管設(shè)計參數(shù)；優(yōu)選地，上述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)包括壓模壓力、助推力、芯軸伸出量和芯軸間隙；所述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的導(dǎo)管設(shè)計參數(shù)包括 導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角度；步驟203，以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管 設(shè)計參數(shù)作為輸入?yún)?shù)，以預(yù)定的質(zhì)量指標作為輸出參數(shù)，來建立人工神經(jīng)網(wǎng)絡(luò)模型；步驟204，對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并利用經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型 進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。優(yōu)選地，上述步驟204之前，還包括以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影 響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)作為設(shè)計因子，組織導(dǎo)管數(shù)控彎曲成形的實驗或有限元 的數(shù)值模擬試驗，以為所述人工神經(jīng)網(wǎng)絡(luò)模型提供初始訓(xùn)練樣本。具體地，利用多次有限元 的數(shù)值模擬試驗中的試驗數(shù)據(jù)，包括各次試驗中已知的、對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯 著的工藝參數(shù)的值和導(dǎo)管設(shè)計參數(shù)的值和該工藝參數(shù)的值和導(dǎo)管設(shè)計參數(shù)的值對應(yīng)的質(zhì) 量指標值作為人工神經(jīng)網(wǎng)絡(luò)模型提供初始訓(xùn)練樣本來對建立好的人工神經(jīng)網(wǎng)絡(luò)模型進行 訓(xùn)練。這樣可提高神經(jīng)網(wǎng)絡(luò)預(yù)測的可靠性，可實現(xiàn)通過已知工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)及其 對應(yīng)的質(zhì)量指標預(yù)測未知工藝參數(shù)和導(dǎo)管參數(shù)對應(yīng)的質(zhì)量指標，為導(dǎo)管工藝規(guī)劃時的即時 可加工性分析和工藝優(yōu)化提供支撐。示例性地，當通過實驗獲取初始訓(xùn)練樣本時，可利用現(xiàn) 有技術(shù)的計算機控制數(shù)控矢量彎管設(shè)備來進行實驗。優(yōu)選地，本發(fā)明實施例的方法中，基于正交設(shè)計方法組織導(dǎo)管數(shù)控彎曲成形有限 元的數(shù)值模擬試驗。優(yōu)選地，本發(fā)明實施例的方法中，所述步驟203中，所述人工神經(jīng)網(wǎng)絡(luò)模型為徑 向基人工神經(jīng)網(wǎng)絡(luò)模型優(yōu)選地，本發(fā)明實施例的方法中，建立人工神經(jīng)網(wǎng)絡(luò)模型的步驟包括根據(jù)導(dǎo)管材 料的不同和/或?qū)Ч艿膸缀螀?shù)的不同分段建立多個人工神經(jīng)網(wǎng)絡(luò)模型。示例性地，上述 導(dǎo)管的幾何參數(shù)包括導(dǎo)管外徑。下面對本發(fā)明實施例的導(dǎo)管數(shù)控彎曲質(zhì)量的預(yù)測方法中的建立有限元模型，模擬 導(dǎo)管數(shù)控彎曲成形工藝過程進行具體說明。顯示動力學(xué)有限元模擬是對現(xiàn)實世界的物理模擬，與單純的幾何運動模擬和靜力 模擬不同，顯示動力學(xué)有限元模擬考慮了模擬對象的絕大多數(shù)物理屬性，包括模擬對象內(nèi) 物體的材料物理性能、初始狀態(tài)、受載狀況、慣性力、接觸邊界的動態(tài)變化與物體的大變形 等，因而適用于對金屬成形、碰撞、爆炸等過程的模擬。有限元分析是一種模擬設(shè)計載荷條 件，并且確定在載荷條件下各類響應(yīng)的方法。有限元方法建立在固體流動變分原理基礎(chǔ)之 上，被分析物體離散成許多小單元后，給定邊界條件、載荷和材料特性，求解線性或非線性 方程組，就可以得到分析對象的位移、應(yīng)變、應(yīng)力、內(nèi)力等結(jié)果。借助現(xiàn)代計算機技術(shù)，這些 步驟可以較快完成，并可使用圖形技術(shù)顯式計算結(jié)果。本發(fā)明的實施例中采用LS-DYNA作 為有限元模擬的支撐軟件。有限元模擬的過程主要分為前處理即建立模型處理、求解、和后處理即查看模擬 結(jié)果三個大步驟，各大步驟又可細分為一些小步驟。詳細的顯示動力學(xué)有限元模擬流程如 圖3所示。如圖3，有限元模擬的流程包括如下步驟步驟301，規(guī)劃分析問題與抽象物理模型；該步驟中，根據(jù)導(dǎo)管彎曲加工的工藝問題，找出其核心因素，通過適當簡化抽象出有限元能模擬的物理模型。步驟302，單元與材料模型選??；其中，單元選取即選用何種單元類型將物體進行離散化，包括桿單元、殼單元、彈 簧阻尼單元、纜單元等，適合與薄壁管彎曲成形的單元為殼單元。材料模型的定義包括兩方面選擇材料本構(gòu)模型和確定本構(gòu)模型中參數(shù)的具體數(shù) 值，如彈性模量、屈服強度等。前者需要在程序提供的大量本構(gòu)模型中選擇一個能夠反映加 工過程中材料變形是所反映出來的對結(jié)果有影響的主要物理規(guī)律，而忽略不重要的特性； 后者需要通過精確的材料力學(xué)實驗獲得。步驟303，幾何建模與網(wǎng)格劃分；根據(jù)第一步抽象出的導(dǎo)管彎曲物理模型首先建立其幾何模型，再根據(jù)單元類型和 材料模型將幾何實體模型進行有限元網(wǎng)格化，得到單元和節(jié)點信息。步驟304，邊界條件與初始條件定義；定義模型內(nèi)各部件(part)的初速度、初應(yīng)力等初始條件，及其邊界約束，如1/2 模型的對稱邊界、各部件的約束、自由度等。步驟305，接觸定義；定義可能會發(fā)生接觸的物體之間的接觸類型與參數(shù)，如動、靜摩擦系數(shù)、接觸算 法、罰因子等。上述步驟301至步驟305屬于前處理。步驟306，求解設(shè)置與求解；設(shè)置計算結(jié)果的輸出文件格式，以及結(jié)果文件中包含的計算信息等，如計算時間 步長、動畫輸出幀數(shù)等。最后調(diào)用求解器對前處理完成后的文件進行求解。步驟307，動態(tài)查看成形過程信息；調(diào)用后處理軟件，連續(xù)、動態(tài)地查看彎曲過程中導(dǎo)管的壁厚變化、橢圓畸變、起皺 等宏觀信息，以及應(yīng)力應(yīng)變分布、壓力分布等，分析其成形過程的合理性。步驟308，質(zhì)量指標的提取；將計算結(jié)果文件中包含的信息進行輸出，經(jīng)過擬合、對比分析、計算后獲得導(dǎo)管的 成形質(zhì)量指標。本發(fā)明實施例的方法在深入分析導(dǎo)管成形工藝過程及其加工力學(xué)機理的基礎(chǔ)上， 應(yīng)用ANSYS/LS-DYNA建立了與實際工藝過程高度吻合的有限元模型。建模過程采用基于 ANSYS參數(shù)化設(shè)計語言(APDL)的全參數(shù)化建模方法，將導(dǎo)管設(shè)計參數(shù)、工藝參數(shù)作為驅(qū)動 參數(shù)，模具參數(shù)等與驅(qū)動參數(shù)通過建立關(guān)系式進行關(guān)聯(lián)。導(dǎo)管和模具均采用shelll63單 元，沿厚度積分點數(shù)為5，采用能夠合理解釋扭曲的全積分Belytschko-Tsay殼單元算法。 經(jīng)過數(shù)據(jù)分析與實驗驗證，表明所建立的有限元模型能夠準確反映導(dǎo)管塑性成形過程中的 主要物理規(guī)律，能夠根據(jù)加工工藝環(huán)境的變化預(yù)測成形質(zhì)量的變化和缺陷的產(chǎn)生，能夠定 量地反映成形過程中的應(yīng)力、應(yīng)變變化及其關(guān)系，經(jīng)過偏差補償后可以達到定性分析準確、 定量分析可信的標準。本發(fā)明實施例的方法中，導(dǎo)管設(shè)計參數(shù)通常是指在管路布局或管類結(jié)構(gòu)設(shè)計完 成后，下發(fā)給彎管部門的參數(shù)，包括導(dǎo)管外徑d、壁厚t0、彎曲半徑RCL、彎曲角度θ，以及 導(dǎo)管的材料參數(shù)。另外，由導(dǎo)管的絕對尺寸推導(dǎo)出的相對彎曲半徑Dr = RCL/d和壁厚因子tr = d/tO。導(dǎo)管工藝參數(shù)范圍的確定和模具的選擇與設(shè)計均以導(dǎo)管的設(shè)計參數(shù)為依據(jù)。與數(shù)控切削加工不同，數(shù)控彎管加工工藝因素多而復(fù)雜，因素之間存在交互影響。 本實施例結(jié)合有限元模擬與實驗，通過對導(dǎo)管成形機理與規(guī)律的深入分析，將數(shù)控彎管中 的工藝因素參數(shù)分成導(dǎo)管工藝參數(shù)和模具結(jié)構(gòu)參數(shù)，理清工藝因素之間的關(guān)系。本發(fā)明實施例的方法中，彎管工藝因素中的導(dǎo)管工藝參數(shù)是指在導(dǎo)管坯料、機 床、模具等完全確定并且按照使用說明完成初始化安裝調(diào)試的前提下，通過改變機床設(shè)置 或模具位姿等變量，達到有效控制成形質(zhì)量的目的，這些變量即為導(dǎo)管塑性成形的工藝參 數(shù)，包括壓力模壓力、助推力、芯軸伸出量、芯軸間隙、彎曲速度、摩擦狀況、夾緊模咬入、防 皺模傾角。模具結(jié)構(gòu)參數(shù)是指對導(dǎo)管成形質(zhì)量有影響，在模具設(shè)計時可以根據(jù)導(dǎo)管的設(shè)計 參數(shù)進行改變的模具主要尺寸參數(shù)，主要包括芯軸結(jié)構(gòu)參數(shù)，壓力模長度和夾緊模長度；其 中，芯軸結(jié)構(gòu)參數(shù)又包括芯軸間隙、芯軸球個數(shù)、芯軸球厚度。導(dǎo)管數(shù)控彎曲成形質(zhì)量通過評價指標來進行評價。質(zhì)量評價指標是衡量導(dǎo)管成形 后質(zhì)量缺陷嚴重程度的指標，簡稱質(zhì)量指標，包括回彈角度、伸長量、橢圓畸變率、壁厚減 薄率、壁厚增厚率和起皺值，前兩者決定導(dǎo)管的幾何精度和下料長度，后四者決定導(dǎo)管的使 用性能與外觀?；貜椊嵌圈?θ導(dǎo)管彎曲過程中，管材的變形包含有彈性成分。當加工結(jié)束后，管材所受的約束被 去除，彈性變形部分必然產(chǎn)生恢復(fù)，使成形角度小于彎曲模旋轉(zhuǎn)的角度，成形半徑大于彎曲 半徑?；貜椫苯痈淖兞藢?dǎo)管的最終成形形狀，對裝配有很大的影響。通常用回彈角度和回 彈半徑來衡量導(dǎo)管回彈的程度，其中回彈角度為模具旋轉(zhuǎn)角與導(dǎo)管實際成形角的差值，回 彈半徑為卸載后導(dǎo)管的成形半徑。伸長量δ在導(dǎo)管彎曲變形過程中，中性層向內(nèi)側(cè)平移，加工結(jié)束后，導(dǎo)管中心線的長度增 加。正確預(yù)測導(dǎo)管伸長可以提高下料的精度，對貴重金屬材料的加工有很大的意義。橢圓畸變率Ω對于導(dǎo)管彎曲變形，中性層外側(cè)管材受拉力作用，拉力的合力指向內(nèi)側(cè)。中性層內(nèi) 側(cè)的管材受壓力作用，合力指向外側(cè)。導(dǎo)管在這些力的作用下，橫截面形狀發(fā)生變化，形成 近似橢圓的形狀，稱為截面橢圓畸變，通常用橢圓畸變率來衡量截面橢圓畸變程度的大小。壁厚減薄η h與增厚率η k在彎曲過程中，導(dǎo)管中性層外側(cè)受拉力作用，內(nèi)側(cè)受壓力作用，不可避免地會發(fā)生 外壁減薄和內(nèi)壁增厚。由于導(dǎo)管內(nèi)部常需要通過流體，管壁變薄將直接影響到承壓性能，壁 厚增厚一定程度上反映起皺的可能性大小，因此壁厚變化是導(dǎo)管加工很重要的一個缺陷， 通常將管壁減薄率和壁厚增厚率作為評價這個缺陷的指標。起皺值A(chǔ)h在導(dǎo)管彎曲過程中，當內(nèi)側(cè)壓力超過材料承受能力時，內(nèi)壁材料聚集在一起，發(fā)生 起皺。起皺會造成管內(nèi)流體的渦流，導(dǎo)致管件的振動，降低導(dǎo)管的使用壽命。通常將起皺值 作為評價起皺程度的指標。本發(fā)明實施例的實現(xiàn)中，利用LS-PREP0ST作為有限元模擬的后處理軟件來進行 后處理，該軟件除壁厚減薄率外，對于導(dǎo)管的宏觀成形質(zhì)量評價指標該軟件不能直接提取，需先輸出所需要的相關(guān)節(jié)點數(shù)據(jù)，并對數(shù)據(jù)進行分析，輸出質(zhì)量指標值。具體地，本發(fā)明的 實施例中，由于，LS-DYNA分析的結(jié)果存儲在d3plot 二進制文件中，可利用該文件來進行相 關(guān)節(jié)點的輸出。對于該文件，信息以節(jié)點的形式存儲，因此要獲取導(dǎo)管成形的回彈、壁厚變 化等質(zhì)量數(shù)據(jù)，必須首先將相應(yīng)節(jié)點的數(shù)據(jù)導(dǎo)出。在LS-PREP0ST中提供了強大的宏功能， LS-PREP0ST的每一步操作都對應(yīng)一個宏命令，執(zhí)行這些宏命令與直接操作LS-PREP0ST具 有相同的效果，節(jié)點數(shù)據(jù)的導(dǎo)出可以依靠執(zhí)行這些宏命令來完成。在SCRIPT0中，有專門執(zhí) 行宏命令的函數(shù)void ExecuteCommand(Char*cmd)，其中cmd為存儲宏命令的字符串。導(dǎo) 出的信息為各個節(jié)點的坐標，另外通過執(zhí)行宏命令，還可以導(dǎo)出各節(jié)點的應(yīng)力、應(yīng)變以及殼 單元厚度信息等數(shù)據(jù)。對這些數(shù)據(jù)進行相應(yīng)的處理，便可以獲取導(dǎo)管成形的回彈、壁厚變 化、截面橢圓率等質(zhì)量數(shù)據(jù)。當然，在獲取質(zhì)量指標時，也可應(yīng)用現(xiàn)成的能輸出質(zhì)量指標的 現(xiàn)有軟件來實現(xiàn)。對于有限元模擬的導(dǎo)管彎曲成形工藝過程，可通過實驗來驗證。示例性地，可采用 美國伊頓公司的VB300HP數(shù)控彎管機來進行有效導(dǎo)管彎曲實驗的驗證。對導(dǎo)管數(shù)控彎曲成形機理的研究，即是對影響導(dǎo)管成形質(zhì)量的因素對質(zhì)量指標影 響機理與規(guī)律的研究。將主要因素與次要因素分開考慮，找出質(zhì)量指標之間的矛盾關(guān)系，有 利于認清導(dǎo)管繞彎成形的本質(zhì)。在有限元模擬的基礎(chǔ)上，應(yīng)用正交設(shè)計方法組織大量的有限元數(shù)值模擬實驗，根 據(jù)試驗結(jié)果確定出對成形質(zhì)量有明顯影響的工藝因素，并對其成形規(guī)律進行研究。進而，以 影響顯著的工藝參數(shù)和導(dǎo)管參數(shù)作為設(shè)計因子組織模擬正交試驗，以為人工神經(jīng)網(wǎng)絡(luò)提供 初始訓(xùn)練樣本。具體試驗中，示例性地，可先設(shè)計單因素試驗，分析各工藝因素對成形質(zhì)量 的影響規(guī)律及其大??；進而，可針對一組確定的導(dǎo)管幾何參數(shù)，設(shè)計模擬正交試驗。本發(fā)明 的實施例中，確定出壓模壓力Fp、助推力Fb、芯軸伸出量e和芯軸間隙Gap，為對導(dǎo)管數(shù)控彎 曲成形質(zhì)量影響顯著的工藝參數(shù)，且影響規(guī)律復(fù)雜，是控制成形質(zhì)量的矛盾因素，而夾緊模 咬入距離等其它參數(shù)對成形質(zhì)量的影響很小或單調(diào)相關(guān)，并且最多僅對一個質(zhì)量指標有明 顯影響，可以較為容易地確定；導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角度為對導(dǎo)管數(shù)控彎曲成 形質(zhì)量影響顯著的導(dǎo)管設(shè)計參數(shù)。以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù) 作為輸入?yún)?shù)、預(yù)定的質(zhì)量指標作為輸出參數(shù)建立人工神經(jīng)網(wǎng)絡(luò)模型如徑向基(RBF)人工 神經(jīng)網(wǎng)絡(luò)模型，并以上述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)作 為設(shè)計因子，組織在數(shù)控彎管機上的彎曲成形實驗或利用建立的有限元模型進行數(shù)值模擬 試驗，獲得質(zhì)量指標，將實驗或試驗數(shù)據(jù)作為建立的人工神經(jīng)網(wǎng)絡(luò)模型的初始訓(xùn)練樣本，用 以對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。示例性地，利用MATLAB中的神經(jīng)網(wǎng)絡(luò)算法建立RBF人工神經(jīng)網(wǎng)絡(luò)模型。由于數(shù)控 彎管的特殊性和RBF網(wǎng)絡(luò)的局部逼近特性，為了提高精度，本發(fā)明的實施例分段建立多個 神經(jīng)網(wǎng)絡(luò)模型以適應(yīng)導(dǎo)管材料和導(dǎo)管幾何參數(shù)如導(dǎo)管外徑的大范圍變化。示例性地，可對 不同材料的導(dǎo)管建立不同的神經(jīng)網(wǎng)絡(luò)模型；如，不銹鋼、銅合金、鋁合金、鈦合金等不同材料 的導(dǎo)管對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型不同。進一步地，對于同一材料的導(dǎo)管，有可進一步區(qū)分為有芯 軸和無芯軸，有芯軸和無芯軸導(dǎo)管對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型不同。對于同一材料的有芯軸導(dǎo)管， 根據(jù)導(dǎo)管外徑的不同建立不同的神經(jīng)網(wǎng)絡(luò)模型。示例性地，可根據(jù)外徑D的尺寸分成不同的段，如D20 30段、D30 40段、D40 50、D50 60、D60 70等，不同段對應(yīng)的神經(jīng)
網(wǎng)絡(luò)模型在進行訓(xùn)練時采用的初始訓(xùn)練樣本是不同的，分別是根據(jù)對應(yīng)尺寸范圍的導(dǎo)管進 行實驗或試驗獲得的，初始訓(xùn)練樣本的不同導(dǎo)致訓(xùn)練好的、用于進行質(zhì)量預(yù)測的神經(jīng)網(wǎng)絡(luò) 模型不同。以不銹鋼管D20 30段內(nèi)的RBF神經(jīng)網(wǎng)絡(luò)為例，以正交方法組織的訓(xùn)練樣本的一 個例子如下表1所示 表 1表1中，mm表示單位為毫米；KN表示單位為千牛。在獲得訓(xùn)練樣本數(shù)據(jù)后，對樣本數(shù)據(jù)進行歸一化處理，使得所有數(shù)據(jù)分布在0到1 之間，以便于神經(jīng)網(wǎng)絡(luò)的識別。歸一化后的數(shù)據(jù)即可對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，通過調(diào)整RBF神 經(jīng)網(wǎng)絡(luò)的隱含層個數(shù)、訓(xùn)練速率等參數(shù)以提高預(yù)測精度。人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的基本元件神經(jīng)元相互連接，通過模擬人的大腦神經(jīng) 處理信息的方式，進行信息并行處理和非線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。由于神經(jīng)網(wǎng)絡(luò)具有強 大的學(xué)習(xí)功能，可以比較輕松地實現(xiàn)非線性映射過程，并且具有大規(guī)模計算的能力。徑向基 (RBF)網(wǎng)絡(luò)是以函數(shù)逼近理論為基礎(chǔ)構(gòu)造的一類前向網(wǎng)絡(luò)。由于局部響應(yīng)的特性，它對函 數(shù)的逼近是最優(yōu)的，能以任意精度逼近任意函數(shù)，而且訓(xùn)練過程短，預(yù)測精度與初始權(quán)值無 關(guān)，因而在多維曲面擬合、自由曲面重構(gòu)和大型設(shè)備故障診斷等領(lǐng)域有著比較多的應(yīng)用。本 發(fā)明人在實現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)數(shù)控彎管工藝參數(shù)和導(dǎo)管參數(shù)對成形質(zhì)量的影響規(guī)律 可以通過多維曲面來描述，導(dǎo)管的多數(shù)成形規(guī)律為線性或簡單的非線性，規(guī)律曲線的二階 導(dǎo)數(shù)也即多維曲面的偏導(dǎo)數(shù)不變號，極值點和拐點少，這樣就保證了局部逼近差不多等同 于全局逼近，因而RBF網(wǎng)絡(luò)特別適合于解決數(shù)控彎管成形質(zhì)量的預(yù)測問題。SPREAD為徑向 基函數(shù)的分布密度，SPREAD值越大，函數(shù)越平滑，SPREAD值越小，對函數(shù)的逼近就越精確， 但是逼近的過程就越不平滑。因此在設(shè)計網(wǎng)絡(luò)時應(yīng)多調(diào)整幾個spread的值，直到達到比較好的精度。SPREAD值是對網(wǎng)絡(luò)精度影響最大的參數(shù)，首先在大范圍取值(0. 5 3. 0)進行 試算，對比其誤差，然后再以該組內(nèi)最優(yōu)值(1. 0)作為中心點進行細分(0. 6 1. 4)，可以確 定SPREAD的二級細分最優(yōu)值為0. 7?；谏弦徊接?xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)，以歸一化后的導(dǎo)管參數(shù)和工藝參數(shù)作為輸 入，質(zhì)量指標作為輸出，對預(yù)測值進行反歸一化后獲得質(zhì)量指標的預(yù)測值。示例性地，當輸 入向量為D = 20mm，t = 1mm，R = 30mm，α = 45. 55°，壓模壓力=8kN，壓模助推力= 2. 5kN，芯軸間隙=0. 8mm，芯軸伸出量=3. 57mm時，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)獲得的質(zhì)量指 標和利用有限元模型獲得的質(zhì)量指標值、及兩者對比誤差如下表2所示 表2基于人工神經(jīng)網(wǎng)絡(luò)的導(dǎo)管彎曲質(zhì)量預(yù)測方法，克服了現(xiàn)有技術(shù)的有限元模擬預(yù)測 方法的時效性差的缺陷，充分利用已有的經(jīng)驗數(shù)據(jù)，減少了質(zhì)量預(yù)測的時間，但其仍能具有 較佳的預(yù)測精度。本發(fā)明實施例的導(dǎo)管彎曲質(zhì)量預(yù)測方法選用了 RBF神經(jīng)網(wǎng)絡(luò)模型，提高了預(yù)測 的精度；根據(jù)導(dǎo)管的塑性成形機理，確定了神經(jīng)網(wǎng)絡(luò)模型的輸入?yún)?shù)為對導(dǎo)管成形質(zhì)量影 響最大的四個導(dǎo)管設(shè)計參數(shù)導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角度和影響明顯的四個工藝 參數(shù)壓模壓力、助推力、芯軸伸出量和芯軸間隙，而忽略其它次要因素對導(dǎo)管成形質(zhì)量的 影響，在保證預(yù)測精度的前提下，簡化了模型；為神經(jīng)網(wǎng)絡(luò)提供數(shù)值穩(wěn)定、反映導(dǎo)管成形規(guī) 律特征的樣本數(shù)據(jù)，初始樣本數(shù)據(jù)以正交試驗的格式組織，保證了有限的訓(xùn)練樣本覆蓋工 藝參數(shù)變化的整個范圍，并以較高的精度反映導(dǎo)管的成形規(guī)律特征。導(dǎo)管數(shù)控彎曲成形質(zhì)量神經(jīng)網(wǎng)絡(luò)預(yù)測模型是有限元模型的有效補充，在工藝規(guī)劃 時，利用本發(fā)明的方法可在幾秒鐘內(nèi)給出導(dǎo)管成形質(zhì)量的預(yù)測值。當然，由于神經(jīng)網(wǎng)絡(luò)預(yù)測 模型僅能反映數(shù)據(jù)之間的關(guān)系，因而當嚴重的質(zhì)量缺陷發(fā)生時需要通過有限元模擬找出缺 陷發(fā)生的原因。本發(fā)明實施例還公開了一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測裝置，包括有限元模 型建立模塊，用于建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模型；參數(shù)確定模塊， 用于利用所述有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值模擬試驗，獲得第一試驗 結(jié)果，根據(jù)所述第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管 設(shè)計參數(shù)；神經(jīng)網(wǎng)絡(luò)模塊，用于以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝 參數(shù)和導(dǎo)管設(shè)計參數(shù)作為輸入?yún)?shù)、預(yù)定的質(zhì)量指標作為輸出參數(shù)建立人工神經(jīng)網(wǎng)絡(luò)模 型；預(yù)測模塊，用于對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并利用所述經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò) 模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。
優(yōu)選地，所述的預(yù)測裝置，其中，所述預(yù)測模塊中，用于對所述人工神經(jīng)網(wǎng)絡(luò)模型 進行訓(xùn)練的初始訓(xùn)練樣本為通過以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計 參數(shù)作為設(shè)計因子、組織的導(dǎo)管數(shù)控彎曲成形的實驗或有限元的數(shù)值模擬試驗獲得。優(yōu)選地，所述的預(yù)測裝置中，所述導(dǎo)管數(shù)控彎曲成形有限元的數(shù)值模擬試驗時基 于正交設(shè)計方法組織的。優(yōu)選地，所述的預(yù)測裝置中，所述神經(jīng)網(wǎng)絡(luò)模塊建立的所述人工神經(jīng)網(wǎng)絡(luò)模型為 徑向基人工神經(jīng)網(wǎng)絡(luò)模型。優(yōu)選地，所述的預(yù)測裝置，其中，所述神經(jīng)網(wǎng)絡(luò)模塊，進一步用于根據(jù)導(dǎo)管材料的 不同和/或?qū)Ч艿膸缀螀?shù)的不同分段建立多個人工神經(jīng)網(wǎng)絡(luò)模型。優(yōu)選地，所述的預(yù)測裝置，其中，所述參數(shù)確定模塊確定出的所述對導(dǎo)管數(shù)控彎曲 成形質(zhì)量影響顯著的工藝參數(shù)包括壓模壓力、助推力、芯軸伸出量和芯軸間隙；所述對導(dǎo) 管數(shù)控彎曲成形質(zhì)量影響顯著的導(dǎo)管設(shè)計參數(shù)包括導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角 度。以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應(yīng) 視為本發(fā)明的保護范圍。
權(quán)利要求
一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法，其特征在于，包括如下步驟步驟一，建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模型；步驟二，利用所述有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值模擬試驗，獲得第一試驗結(jié)果，根據(jù)所述第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)；步驟三，以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)作為輸入?yún)?shù)，以預(yù)定的質(zhì)量指標作為輸出參數(shù)，來建立人工神經(jīng)網(wǎng)絡(luò)模型；步驟四，對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并利用經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟四之前，還包括以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)作為 設(shè)計因子，組織導(dǎo)管數(shù)控彎曲成形的實驗或有限元的數(shù)值模擬試驗，以為所述人工神經(jīng)網(wǎng) 絡(luò)模型提供初始訓(xùn)練樣本。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，基于正交設(shè)計方法組織所述導(dǎo)管數(shù)控 彎曲成形有限元的數(shù)值模擬試驗。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟三中，所述人工神經(jīng)網(wǎng)絡(luò)模型 為徑向基人工神經(jīng)網(wǎng)絡(luò)模型。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟四中，在對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練前，還包括對所述初始訓(xùn)練樣本數(shù)據(jù)進行歸一 化處理；所述利用所述經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測的步驟 包括在將輸入?yún)?shù)值輸入所述人工神經(jīng)網(wǎng)絡(luò)模型前，先進行歸一化處理；及，在獲得所述 人工神經(jīng)網(wǎng)絡(luò)模型的輸出值后，對所述輸出值進行反歸一化處理后獲得所述導(dǎo)管的數(shù)控彎 曲成形的質(zhì)量指標值。
6.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述步驟三中，所述建立人工神經(jīng)網(wǎng) 絡(luò)模型的步驟包括根據(jù)導(dǎo)管材料的不同和/或?qū)Ч艿膸缀螀?shù)的不同分段建立多個人工神經(jīng)網(wǎng)絡(luò)模型。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述導(dǎo)管的幾何參數(shù)包括導(dǎo)管外徑。
8.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯 著的工藝參數(shù)包括壓模壓力、助推力、芯軸伸出量和芯軸間隙；所述對導(dǎo)管數(shù)控彎曲成形 質(zhì)量影響顯著的導(dǎo)管設(shè)計參數(shù)包括導(dǎo)管外徑、壁厚、彎曲半徑和彎曲角度。
9.一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測裝置，其特征在于，包括有限元模型建立模塊，用于建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模型；參數(shù)確定模塊，用于利用所述有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值模擬 試驗，獲得第一試驗結(jié)果，根據(jù)所述第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯 著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)；神經(jīng)網(wǎng)絡(luò)模塊，用于以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù) 和導(dǎo)管設(shè)計參數(shù)作為輸入?yún)?shù)，以預(yù)定的質(zhì)量指標作為輸出參數(shù)，來建立人工神經(jīng)網(wǎng)絡(luò)模 型；預(yù)測模塊，用于對所述人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并利用經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模 型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。
10.根據(jù)權(quán)利要求9所述的預(yù)測裝置，其特征在于，所述預(yù)測模塊中，用于對所述人工 神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練的初始訓(xùn)練樣本為通過以所述確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù) 作為設(shè)計因子、組織的導(dǎo)管數(shù)控彎曲成形的實驗或有限元的數(shù)值模擬試驗獲得。
11.根據(jù)權(quán)利要求9或10所述的預(yù)測裝置，其特征在于，所述導(dǎo)管數(shù)控彎曲成形有限元 的數(shù)值模擬試驗時基于正交設(shè)計方法組織的。
12.根據(jù)權(quán)利要求9所述的預(yù)測裝置，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模塊建立的所述人工 神經(jīng)網(wǎng)絡(luò)模型為徑向基人工神經(jīng)網(wǎng)絡(luò)模型。
13.根據(jù)權(quán)利要求9或10所述的預(yù)測裝置，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模塊，進一步用 于根據(jù)導(dǎo)管材料的不同和/或?qū)Ч艿膸缀螀?shù)的不同分段建立多個人工神經(jīng)網(wǎng)絡(luò)模型。
14.根據(jù)權(quán)利要求9或10所述的預(yù)測裝置，其特征在于，所述參數(shù)確定模塊確定出的所 述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)包括壓模壓力、助推力、芯軸伸出量和芯 軸間隙；所述對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的導(dǎo)管設(shè)計參數(shù)包括導(dǎo)管外徑、壁厚、彎 曲半徑和彎曲角度。全文摘要
本發(fā)明提供了一種導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測方法及裝置，該方法包括建立用以模擬導(dǎo)管數(shù)控彎曲成形工藝過程的有限元模型；利用有限元模型，組織導(dǎo)管數(shù)控彎曲成形的有限元數(shù)值模擬試驗，獲得第一試驗結(jié)果，根據(jù)第一試驗結(jié)果確定出對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)；以確定出的對導(dǎo)管數(shù)控彎曲成形質(zhì)量影響顯著的工藝參數(shù)和導(dǎo)管設(shè)計參數(shù)作為輸入?yún)?shù)、預(yù)定的質(zhì)量指標作為輸出參數(shù)建立人工神經(jīng)網(wǎng)絡(luò)模型；對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并利用經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型進行導(dǎo)管數(shù)控彎曲成形質(zhì)量的預(yù)測。利用上述技術(shù)方案，用戶能在導(dǎo)管參數(shù)確定后，較快的預(yù)測出導(dǎo)管彎曲成形的質(zhì)量指標，時效性好，且預(yù)測精度較高。
文檔編號G06F17/50GK101901283SQ20101020583
公開日2010年12月1日 申請日期2010年6月22日 優(yōu)先權(quán)日2010年6月22日
發(fā)明者唐承統(tǒng), 寧汝新, 程鵬志, 賈美慧, 趙鑠 申請人:北京理工大學(xué)