大鍛件成形通常借助有限元模擬來進(jìn)行研究,由于大鍛件的尺寸大、工序長(zhǎng)而導(dǎo)致有限元計(jì)算耗費(fèi)了大量時(shí)間。因此,首先,采用有限元軟件DEFORM對(duì)大鍛件拔長(zhǎng)過程進(jìn)行模擬,獲得成形數(shù)據(jù),構(gòu)建了19維的輸入特征量和以應(yīng)力、應(yīng)變?yōu)檩敵鎏卣髁康臄?shù)據(jù)集。然后,應(yīng)用機(jī)器學(xué)習(xí)中的隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)方法對(duì)數(shù)據(jù)集進(jìn)行學(xué)習(xí),訓(xùn)練對(duì)應(yīng)模型。最后,利用機(jī)器學(xué)習(xí)模型對(duì)一個(gè)新的拔長(zhǎng)過程進(jìn)行應(yīng)力和應(yīng)變分布預(yù)測(cè),與有限元模擬結(jié)果對(duì)比后發(fā)現(xiàn),這些預(yù)測(cè)結(jié)果與有限元模擬結(jié)果相近。研究表明,通過機(jī)器學(xué)習(xí)可以快速預(yù)測(cè)拔長(zhǎng)成形結(jié)果,進(jìn)而進(jìn)一步分析成形質(zhì)量,節(jié)省計(jì)算時(shí)間。 

【文章來源】：鍛壓技術(shù). 2020,45(10)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

簡(jiǎn)化的大鍛件拔長(zhǎng)過程示意圖

神經(jīng)網(wǎng)絡(luò)方法對(duì)應(yīng)力測(cè)試集的預(yù)測(cè)結(jié)果如圖4所示。靜水壓力和最大主應(yīng)力模型對(duì)大部分?jǐn)?shù)據(jù)的預(yù)測(cè)結(jié)果良好，但低于隨機(jī)森林模型的準(zhǔn)確度，分別為0.872和0.867。而在神經(jīng)網(wǎng)絡(luò)方法對(duì)等效應(yīng)變的學(xué)習(xí)中，模型準(zhǔn)確度最高僅為0.753，因此預(yù)測(cè)結(jié)果不可靠。這是由數(shù)據(jù)特征與學(xué)習(xí)方法的適用性導(dǎo)致的。對(duì)于拔長(zhǎng)過程，本文所構(gòu)建包含19維的輸入特征量的數(shù)據(jù)集中，除時(shí)間之外的其他輸入特征量變化比較不明顯，因此，神經(jīng)網(wǎng)絡(luò)方法能從中提取的信息較少;同時(shí)，應(yīng)力、應(yīng)變變化的非線性很強(qiáng)，在數(shù)據(jù)信息不充分的情況下，數(shù)據(jù)非線性越強(qiáng)，神經(jīng)網(wǎng)絡(luò)方法的學(xué)習(xí)效果越差。因此，神經(jīng)網(wǎng)絡(luò)方法所得的應(yīng)力、應(yīng)變模型準(zhǔn)確度比隨機(jī)森林方法低。但神經(jīng)網(wǎng)絡(luò)方法具有對(duì)大型數(shù)據(jù)集的學(xué)習(xí)能力，如果增加輸入特征量的個(gè)數(shù)，并在取值上使各個(gè)輸入特征量的取值均勻地覆蓋更大的范圍，也可以提高神經(jīng)網(wǎng)絡(luò)方法的預(yù)測(cè)精度。對(duì)比隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)兩種方法的學(xué)習(xí)結(jié)果可以看出，對(duì)于所研究的拔長(zhǎng)過程，隨機(jī)森林方法更適合。因此，接下來本文將基于隨機(jī)森林方法進(jìn)行進(jìn)一步討論。

應(yīng)用隨機(jī)森林方法對(duì)數(shù)據(jù)集進(jìn)行學(xué)習(xí)后，得到對(duì)應(yīng)的靜水壓力、最大主應(yīng)力和等效應(yīng)變模型后，需要對(duì)與訓(xùn)練集和測(cè)試集不同的輸入特征量數(shù)據(jù)進(jìn)行預(yù)測(cè)，來檢驗(yàn)?zāi)Ｐ偷目煽啃浴榇�。建立了一個(gè)新的拔長(zhǎng)模型，它與前述為建立機(jī)器學(xué)習(xí)數(shù)據(jù)集所建立的有限元模擬模型是不同的。新的拔長(zhǎng)模型尺寸為:鍛坯的長(zhǎng)度為5500 mm、高度為2450 mm、寬度為2450 mm，在砧寬為1700 mm、進(jìn)給量為1530 mm、壓下量為0.2、初始溫度為1150℃，利用模型對(duì)砧子第2次壓下時(shí)鍛坯上各位置應(yīng)力和應(yīng)變數(shù)據(jù)進(jìn)行預(yù)測(cè)，并繪制應(yīng)力、應(yīng)變分布云圖(不考慮鍛坯的外形變化)，與有限元模擬進(jìn)行對(duì)比，結(jié)果如圖5所示，其中方框標(biāo)示區(qū)為砧子下壓的位置。圖4 神經(jīng)網(wǎng)絡(luò)方法在測(cè)試集上的部分預(yù)測(cè)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]大鍛件拔長(zhǎng)工藝優(yōu)化[J]. 吳貴軍,劉嵩,何寒,劉助柏,張建.  鑄造技術(shù). 2018(06)
[2]鍛造工藝對(duì)BTi20合金組織和力學(xué)性能的影響[J]. 王慶娟,雙翼翔,孫亞玲,王文,王偉.  稀有金屬. 2019(01)
[3]大鍛件不同砧型拔長(zhǎng)工藝的研究進(jìn)展[J]. 龔虎,徐月.  大型鑄鍛件. 2017(06)
[4]水平V型砧和平砧聯(lián)合拔長(zhǎng)圓形棒料的多工步數(shù)值模擬[J]. 程小輝,黃冠良,吳岳森,倪利勇.  裝備制造技術(shù). 2016(01)
[5]大型鍛件的鍛造工藝研究進(jìn)展[J]. 田峰,賈琛.  熱加工工藝. 2015(05)
[6]60Si2Mn長(zhǎng)軸大鍛件淬火爆裂分析與研究[J]. 陸衛(wèi)倩,陳映川.  鑄造技術(shù). 2012(05)
[7]大型鍛件制造核心技術(shù)的進(jìn)展[J]. 郭會(huì)光.  金屬加工(熱加工). 2012(01)



本文編號(hào)：3574297