本发明属于辊式矫直的,具体涉及一种金属基复合板矫直率的预测方法。
背景技术:
1、在现代工业中,金属基复合板因其具有多金属材料优异性能以及相对降低的生产成本得到了广泛应用。由于金属基复合板的服役范围越发广泛,服役条件越发严苛,对金属基复合板材料的成形工艺要求也越发严格。矫直工艺可以有效地减少金属基复合板轧制过程后的板形缺陷,降低板材的应力集中现象,从而提高金属基复合板的使用范围和寿命,因此,矫直工艺成为金属基复合板加工工艺中一项必备的流程。
2、在金属基复合板矫直工艺中,检验是否对金属基复合板矫直成功往往是通过测量板形不平度和残余应力。目前,检测板形不平度可以通过激光扫描实时测量,测量残余应力分为有损测试(即对其进行打孔)和无损测试(只能测量表面)。在实际生产中无法有效明确指出板材的最大残余应力是否符合服役条件。
技术实现思路
1、为解决上述问题本发明公开一种金属基复合板矫直率的预测方法,从大数据出发,不需要破坏金属基复合板从而预测矫直成功率的方法,从而满足板材在后续的服役要求,对提高矫直精度和产品质量有着重要意义。
2、为达到上述目的,本发明采用如下技术方案:
3、一种金属基复合板矫直率的预测方法,所述预测方法包括以下步骤:
4、s1:收集金属基复合板矫直过程中的实验数据以及矫后的板材不平度和最大残余应力值,生成bp网络的训练集数据和测试集数据;
5、s2:根据bp网络的训练集数据和测试集数据构建两个bp神经网络的拓扑结构,确定输入层、隐含层、输出层神经元个数、选择神经网络的激活函数;
6、s3:初始化bp神经网络的权值和阈值,利用预测函数对其经行评价,确定多目标函数,作为pso的基本函数;
7、s4:初始化pso粒子位置和速度向量的维度,设置多目标pso算法的基本参数,粒子数、粒子的长度、粒子范围、最大速度、学习因子、终止条件、惯性权重;
8、s5:计算粒子个体最优值,随机输入一个粒子,计算初始适应度值,得到每个粒子的个体最优解;
9、s6:计算粒子群体最优值,根据支配关系,寻找pareto最优解,选择帕雷托前沿点最少的作为选择leader,即全局最优最优解;
10、s7:更新粒子的位置和速度更新公式,更新每个粒子的位置和速度,并考虑更新后的速度和位置是否在限定的范围之内;再根据重新计算粒子的适应度值,去更新粒子的个体最优值和群体最优值;
11、s8:判断是否满足迭代停止条件,如不满足,则重新检测支配关系,对计算粒子的适应度值的迭代直到满足条件为止。
12、与现有技术相比本发明的有益效果在于:
13、本发明以金属基复合板矫后的不平度和最大残余应力为目标函数,以矫直机的矫直力、辊径、辊距、辊速、辊长和各材料的屈服强度、厚度为自变量,对其进行数据分析以及归一化处理。然后依据不同目标函数,计算个体最优解和群体最优解,从而完成多目标pso-bp训练,得到复合板的矫直率;
14、本发明的方法采用多目标粒子群-神经网络(pso-bp)的方法,不仅具有bp解决非线性映射的优势,还降低了bp预测精度差、不稳定的问题,以板材的不平度和残余应力为目标值,预测金属基复合板的矫直成功率。从大数据出发,不需要破坏金属基复合板从而预测矫直成功率的方法,从而满足板材在后续的服役要求,对提高矫直精度和产品质量有着重要意义。
1.一种金属基复合板矫直率的预测方法,其特征在于,所述预测方法包括以下步骤: