专利名称：基于仿真的单晶涡轮叶片精铸工艺参数优化方法
技术领域：
本发明涉及一种单晶涡轮叶片精铸工艺参数优化方法，特别是涉及一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法。
背景技术：
复杂空心涡轮叶片是高推重比发动机的核心技术，是发动机最核心的部件，也是易断裂失效件。其性能水平，特别是承高温能力，是一种型号发动机先进程度的重要标志，在一定意义上，也是一个国家航空工业水平的显著标志。由于其内部冷却结构复杂、气动外形和尺寸精度要求较高，且长期服役在强烈热冲击与复杂循环热应力工况条件下，故空心涡轮叶片结构设计与制造技术成为高推重比航空发动机的核心技术。空心涡轮叶片一般采用定向结晶或单晶无余量精密铸造，由于涡轮叶片为大量自 由曲面和复杂内腔组成的薄壁结构(壁厚O. 5mm-2mm)，精铸叶片的型面精度低、壁厚尺寸漂移大、质量不稳、废品率很高，一直是制约我国新型航空发动机研制的瓶颈。叶片精铸是一个多形变因素和多种应、抗力源相互耦合的复杂的动态过程，影响叶片尺寸的也是多因素的耦合作用。国内铸造工艺一般采用“经验+试验”法，即依靠生产经验工艺参数，通过反复的现场试验研究精铸工艺参数对单晶涡轮叶片成型质量的影响。这种方法智能和自动化程度低，成本较高，且研发周期长，没有科学的理论依据，难以有效地进行精铸工艺参数优化，已经不能适应现代市场高速发展和激烈竞争的需求。
发明内容
为了克服现有的单晶涡轮叶片精铸工艺参数优化方法优化效果差的不足，本发明提供一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法。该方法通过设计单晶涡轮叶片浇注系统，采用有限元分析方法对浇注系统模型进行单元划分，对叶片精铸工艺参数提取与辨析，并通过单因素工艺试验得到对精铸叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围；设计交互正交试验，根据建立的试验表格进行浇注过程的数值模拟，以获取浇注过程中的涡轮叶片铸件变形情况；通过数据处理与分析，评估铸件相对于设计模型的变形情况，通过建立BP神经网络模型，采用采用小步长搜索方法，逐渐缩小精铸工艺参数优化的搜索范围，可以提高单晶涡轮叶片精铸工艺参数优化方法的优化效果。本发明解决其技术问题所采用的技术方案是一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法，其特点是包括以下步骤步骤一建立单晶涡轮叶片浇注系统模型，采用有限元分析方法对浇注系统模型进行单元划分。步骤二 对单晶涡轮叶片精铸工艺参数提取与辨析，并通过单因素工艺试验得到对单晶涡轮叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围。步骤三根据步骤二中的精铸工艺参数设计交互正交试验表格。步骤四根据建立的交互正交试验表格进行浇注过程的数值模拟，以获取浇注过程中的涡轮叶片铸件变形情况。首先施加数值模拟边界条件，包括合金材料与模壳材料的热物性参数、初始浇注的合金温度、中止数值计算的合金温度、合金材料与精铸模壳间的界面换热系数、模型位移的约束条件。通过精铸过程应力场的求解，得出精铸过程涡轮叶片网格模型各节点的应力分布，进而导出各节点的位移量，建立位移场模型。步骤五根据步骤三得到的仿真结果进行数据处理与分析。用等参数法截取叶片不同高度上的多个二维截面，采用对应点的方法计算铸件截面的二维位移分布，再由多个截面的二维位移分布集合来表达铸件的三维位移场，评估铸件相对于设计模型的变形情况。结合步骤三中的交互正交试验表格得到神经网络训练样本及最佳精铸工艺参数。具体步骤如下[I]通过PioCAST的ViewCAST模块将叶片仿真模型导出，数据格式为“*· sm” ；
[2]将“*· sm”格式转换为“*· STL”格式；[3]将步骤一建立单晶涡轮叶片浇注系统模型与单晶涡轮叶片蜡模CAD模型导入进行三维配准；[4]经三维配准以后，沿着模型高度方向截取5 8条截面线，得到单晶涡轮叶片浇注系统模型与单晶涡轮叶片蜡模CAD模型在同一高度的二维截面，同时导出截面线；[5]对截取的截面线进行等参数离散，并将离散点排序，应用UG 二次开发模块将离散点读入计算对应离散点之间的位移量；[6]结合步骤三中的交互正交试验表格，对数据作归一化处理及极差分析，得到神经网络训练样本和最佳精铸工艺参数组合。步骤六建立BP神经网络模型，用步骤五中得到的神经网络训练样本训练神经网络。步骤七结合步骤六中建立的BP神经网络模型，采用采用小步长搜索办法，逐渐缩小精铸工艺参数优化的搜索范围，最终使优化参数对应的型面位移量小于要求数值。小步长搜索优化方法过程如下[I]在已得到的最值点附近对每个变量增加和减小微小步长这些参数搭配成多组精铸工艺参数的组合，即生成新的正交表；[2]通过BP神经网络模型计算得到一系列叶片型面位移量Λ Z ；[3]查找得到更小叶片型面位移量对应的精铸工艺参数组合；返回步骤[I]直到叶片型面位移量Λ Z数值达到要求为止。本发明的有益效果是由于通过设计单晶涡轮叶片浇注系统，采用有限元分析方法对浇注系统模型进行单元划分，对叶片精铸工艺参数提取与辨析，并通过单因素工艺试验得到对精铸叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围；设计交互正交试验，根据建立的试验表格进行浇注过程的数值模拟，以获取浇注过程中的涡轮叶片铸件变形情况；通过数据处理与分析，评估铸件相对于设计模型的变形情况，通过建立BP神经网络模型，采用采用小步长搜索方法，逐渐缩小精铸工艺参数优化的搜索范围。提高了单晶涡轮叶片精铸工艺参数优化方法的优化效果。下面结合附图和实施例对本发明作详细说明。
图I是本发明基于仿真的单晶涡轮叶片精铸工艺参数优化方法的流程图。图2是本发明方法所用某型号涡轮动力叶片模型图。图3是本发明方法所用浇注系统的CAD模型。图4是本发明方法中型面位移量随抽拉速度变化曲线。图5是本发明方法所用某型号涡轮动力叶片凝固过程的温度场示意图。图6是本发明方法BP神经网络训练流程图。
图7是本发明方法小步长的搜索优化流程图。
具体实施例方式以下实施例参照图I 7。步骤I :采用某型号涡轮动力叶片，其主要参数为叶身长106. IOmm,最大弦长56. 21mm,最大内切圆半径5. 7mm,前缘半径4. 12mm,后缘半径I. 25mm。叶片选用第二代单晶高温合金DD6，模壳选用硅砂。根据铸造补缩理论和实际生产经验，针对动力叶片设计叶片铸造工艺及浇注系统，采用顶注式，2片一组。步骤2 :采用商用有限元前处理软件Hypermesh (美国Altair公司的产品)基于非均匀网格剖分技术对模型进行单元划分，首先将浇注系统模型导入Hypermesh中，将其离散为四面体单元，单元质量满足一般企业有限元分析质量要求，在本实施例中，要求95%以上的单元质量满足单元翅曲小于5. O、单元长短边比值小于5. O、偏斜小于60. O、单元雅克比大于O. 7。四面体单元总数73万7千。步骤3 :提取出对涡轮叶片精铸型面精度尺寸影响比较大的精铸工艺参数，如抽拉速度、浇注温度、模壳预热温度、冷铜温度、模壳厚度、保温温度等等，本发明仅对前四个参数进行研究，其余参数在试验中保持固定值。采用单因素工艺试验研究精铸工艺参数对涡轮叶片型面精度尺寸的影响。试验表格及试验结果如表I所示。表I单因素工艺试验表及结果
烧注温度模壳预热温度抽拉速度冷铜温度型面位移量
行CO__(0C)(mm/min) (V) (mm)
~I 4500.244224
214800.227044
31500 15004.5150.21111
415500.217439
51600_____0.221258
~6 4500.210655
715000.210812
F00391815500.228672
_9___1600____0.216732
"!O40.230661~
114 50.224799
12, c_n, ^aa51C 0.223875
13155015005.515 0.233489
1460.236672
15____6J___0.237312
~l6B0.22249~
17155015004.520 0.235353
18丨_^_I_ 25 I 0.21326
为了能够更直观地看到各个工艺参数对精铸型面尺寸的影响及其规律，采用绘图工具，以精铸工艺参数为横坐标，随之变化的型面位移量为纵坐标进行绘图。根据绘制的曲线图，可以发现随着精铸工艺参数的变化，叶片型面尺寸呈现明显的变化规律，以此来确定参数的合理选取值及正交试验的因素水平表，如表2所示。表2因素水平表
权利要求
1.一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法，其特征在于包括以下步骤 步骤一建立单晶涡轮叶片浇注系统模型，采用有限元分析方法对浇注系统模型进行单元划分； 步骤二 对单晶涡轮叶片精铸工艺参数提取与辨析，并通过单因素工艺试验得到对单晶涡轮叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围； 步骤三根据步骤二中的精铸工艺参数设计交互正交试验表格； 步骤四根据建立的交互正交试验表格进行浇注过程的数值模拟，以获取浇注过程中的涡轮叶片铸件变形情况；首先施加数值模拟边界条件，包括合金材料与模壳材料的热物性参数、初始浇注的合金温度、中止数值计算的合金温度、合金材料与精铸模壳间的界面换热系数、模型位移的约束条件；通过精铸过程应力场的求解，得出精铸过程涡轮叶片网格模型各节点的应力分布，进而导出各节点的位移量，建立位移场模型； 步骤五根据步骤三得到的仿真结果进行数据处理与分析；用等参数法截取叶片不同高度上的多个二维截面，采用对应点的方法计算铸件截面的二维位移分布，再由多个截面的二维位移分布集合来表达铸件的三维位移场，评估铸件相对于设计模型的变形情况；结合步骤三中的交互正交试验表格得到神经网络训练样本及最佳精铸工艺参数；具体步骤如下 [1]通过ProCAST的ViewCAST模块将叶片仿真模型导出，数据格式为“*·sm” ； [2]将sm”格式转换为STL”格式； [3]将步骤一建立单晶涡轮叶片浇注系统模型与单晶涡轮叶片蜡模CAD模型导入进行三维配准； [4]经三维配准以后，沿着模型高度方向截取5 8条截面线，得到单晶涡轮叶片浇注系统模型与单晶涡轮叶片蜡模CAD模型在同一高度的二维截面，同时导出截面线； [5]对截取的截面线进行等参数离散，并将离散点排序，应用UG二次开发模块将离散点读入计算对应离散点之间的位移量； [6]结合步骤三中的交互正交试验表格，对数据作归一化处理及极差分析，得到神经网络训练样本和最佳精铸工艺参数组合； 步骤六建立BP神经网络模型，用步骤五中得到的神经网络训练样本训练神经网络； 步骤七结合步骤六中建立的BP神经网络模型，采用采用小步长搜索办法，逐渐缩小精铸工艺参数优化的搜索范围，最终使优化参数对应的型面位移量小于要求数值；小步长搜索优化方法过程如下 [1]在已得到的最值点附近对每个变量增加和减小微小步长\(i=l，2，3，4)，把这些参数搭配成多组精铸工艺参数的组合，即生成新的正交表； [2]通过BP神经网络模型计算得到一系列叶片型面位移量ΛZ ； [3]查找得到更小叶片型面位移量对应的精铸工艺参数组合； 返回步骤[I]直到叶片型面位移量Λ Z数值达到要求为止。
全文摘要
本发明公开了一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法，用于解决现有的单晶涡轮叶片精铸工艺参数优化方法优化效果差的技术问题。技术方案是通过设计单晶涡轮叶片浇注系统模型，采用有限元分析方法对浇注系统模型进行单元划分，对叶片精铸工艺参数提取与辨析，并通过单因素工艺试验得到对精铸叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围；根据建立的试验表格进行浇注过程的数值模拟；通过数据处理与分析，评估铸件相对于设计模型的变形情况，通过建立BP神经网络模型，采用采用小步长搜索方法，逐渐缩小精铸工艺参数优化的搜索范围。提高了单晶涡轮叶片精铸工艺参数优化方法的优化效果。
文档编号G06N3/02GK102819651SQ201210296628
公开日2012年12月12日 申请日期2012年8月20日 优先权日2012年8月20日
发明者傅将威, 陈晨, 卜昆, 周丽敏, 乔燕, 董一巍, 邱飞, 高斌, 王鲁, 丁肖艺 申请人:西北工业大学