利用数字孪生系统对铜箔进行机械性能测试的方法及系统与流程

本技术涉及性能测试，尤其涉及一种利用数字孪生系统对铜箔进行机械性能测试的方法及系统。

背景技术：

1、随着现代工业的快速发展，材料的机械性能测试一直是科学和工程领域的重要研究方向。铜箔作为一种重要的材料，在电子设备、通信技术和新能源领域中扮演着关键角色。在过去的几十年里，机械性能测试方法逐渐从传统的实验室试验发展到数字化、自动化的阶段。早期的机械性能测试主要依赖于万能材料试验机等设备，对材料的拉伸、压缩等性能进行简单测量。随着计算机技术和数值模拟的发展，数字孪生系统应运而生，为机械性能测试提供了更为先进和全面的方法。

2、目前，对于铜箔机械性能的测试主要通过实验室试验和传统的材料力学测试方法来完成。实验室试验涉及到样品制备、机械性能测试设备的运用，例如拉伸试验机、硬度计等，以获取铜箔在静态条件下的机械性能参数。传统的材料力学测试方法则主要关注应力-应变曲线、屈服强度、抗拉强度等指标，最后计算出铜箔的形变量以评估铜箔的力学性能。

3、然而传统方法难以全面反映铜箔在动态、多轴等复杂条件下的性能表现，从而导致在实际应用中铜箔的机械性能测试不够准确。

技术实现思路

1、本技术提供了一种利用数字孪生系统对铜箔进行机械性能测试的方法及系统，本技术结合了传统试验和数字模拟的优势，克服了传统方法在复杂条件下的局限性，使得对铜箔机械性能的评估更加全面和准确。本技术提供如下技术方案：

2、第一方面，本技术提供一种利用数字孪生系统对铜箔进行机械性能测试的方法，所述方法包括：

3、采集铜箔数据，基于铜箔数据构建铜箔的数字孪生模型；

4、使用拉伸试验机对铜箔进行机械性能测试并获取铜箔的实际形变量；

5、在与拉伸试验机的相同条件下利用数字孪生模型模拟机械性能测试并获取铜箔的模拟形变量；

6、收集铜箔的历史试验数据，基于历史实验数据构建形变量预测模型，获取铜箔的预测形变量；

7、基于实际形变量、模拟形变量以及预测形变量生成最终的形变量作为性能测试结果。

8、在一个具体的可实施方案中，所述采集铜箔数据，基于铜箔数据构建铜箔的数字孪生模型包括：

9、建立铜箔的材料模型，收集铜箔的材料性质数据；

10、利用收集到的数据建立铜箔的材料模型；

11、定义不同加载条件，选择适当的数值模拟工具在计算机上模拟铜箔在各种条件下的力学行为，并利用数值模拟工具设计模拟实验；

12、运行数字孪生系统的仿真实验，模拟铜箔在各种加载条件下的机械性能行为。

13、在一个具体的可实施方案中，所述使用拉伸试验机对铜箔进行机械性能测试并获取铜箔的实际形变量包括：

14、设置拉伸试验机的参数，将铜箔夹持在拉伸试验机上；

15、加载铜箔并通过拉伸试验机施加拉力，记录加载过程中的载荷和形变数据，通过实时监测加载过程中的载荷和形变，绘制应力-应变曲线；

16、从应力-应变曲线中提取关键的机械性能参数，使用表面光栅方法，通过对铜箔表面施加光栅，并测量光栅的形变来获得铜箔的实际形变量。

17、在一个具体的可实施方案中，所述收集铜箔的历史试验数据，基于历史实验数据构建形变量预测模型包括：

18、收集铜箔的历史试验数据，其中历史试验数据包括历史铜箔参数以及对应的历史形变量；

19、选取合适的神经网络模型，以历史铜箔参数作为模型的输入，对应的历史形变量作为模型的输出对神经网络模型进行训练，生成形变量预测模型，生成的形变量预测模型包括多个隐含层。

20、在一个具体的可实施方案中，所述收集铜箔的历史试验数据，基于历史实验数据构建形变量预测模型之后还包括：

21、形变量预测模型生成之后，将历史试验数据中的历史铜箔参数输入至形变量预测模型，生成预测值，然后基于预测值、真实值以及原有的隐含层数对形变量预测模型的隐含层数进行调整，隐含层数的调整公式如下：

22、新隐含层数＝原有隐含层数+α·σ(γ·δy)

23、其中δy为预测值与真实值的差值，α是学习率，σ是sigmoid函数，用于控制函数的斜率和平移，使用默认值1，γ是控制项，用于调整规则幅度的超参数，初始值设定为0.1。

24、在一个具体的可实施方案中，所述基于实际形变量、模拟形变量以及预测形变量生成最终的形变量作为性能测试结果包括：

25、获取到实际形变量、模拟形变量以及预测形变量之后，使用下列公式计算出最终的形变量作为性能测试结果：

26、

27、其中slast为最终形变量，s1为实际形变量，s2为模拟形变量，s3为预测形变量，β为非负的调整系数，用于控制正弦函数的幅度和频率，μ为非负的系数，用于调整非线性关系的强度。

28、在一个具体的可实施方案中，所述基于实际形变量、模拟形变量以及预测形变量生成最终的形变量作为性能测试结果包括：

29、分别计算实际形变量与模拟形变量以及预测形变量的差值并取绝对值，分别记为第一差值和第二差值；

30、将第一差值与第二差值进行比对，若是第一差值大于第二差值，赋予预测形变量更大的权重对实际形变量进行校正，若是第一差值小于第二差值，赋予模拟形变量更大的权重对实际形变量进行校正；

31、具体的，当第一差值大于第二差值时，使用以下公式进行计算：

32、

33、当第一差值小于第二差值时，使用以下公式进行计算：

34、

35、其中slast为最终形变量，s1为实际形变量，s2为模拟形变量，s3为预测形变量。

36、第二方面，本技术提供一种利用数字孪生系统对铜箔进行机械性能测试的系统，采用如下的技术方案：

37、一种利用数字孪生系统对铜箔进行机械性能测试的系统，包括：

38、数字孪生模块，用于采集铜箔数据，基于铜箔数据构建铜箔的数字孪生模型；

39、形变测量模块，用于使用拉伸试验机对铜箔进行机械性能测试并获取铜箔的实际形变量；

40、形变模拟模块，用于在与拉伸试验机的相同条件下利用数字孪生模型模拟机械性能测试并获取铜箔的模拟形变量；

41、形变预测模块，用于收集铜箔的历史试验数据，基于历史实验数据构建形变量预测模型，获取铜箔的预测形变量；

42、结果生成模块，用于基于实际形变量、模拟形变量以及预测形变量生成最终的形变量作为性能测试结果。

43、第三方面，本技术提供一种电子设备，所述设备包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如第一方面所述的一种利用数字孪生系统对铜箔进行机械性能测试的方法。

44、第四方面，本技术提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序被处理器执行时用于实现如第一方面所述的一种利用数字孪生系统对铜箔进行机械性能测试的方法。

45、综上所述，本技术的有益效果至少包括：

46、(1)使用数字孪生系统，你可以模拟多种测试情境，包括动态、多轴等复杂条件下的性能表现，相较于传统方法能够更全面地评估铜箔的机械性能。

47、(2)动态选择使用预测形变量或模拟形变量进行校正，使得校正更加智能和适应性更强。此外通过对两种形变量权重的动态调整，可以适应不同情况下形变变化的特性，提高了方法的灵活性。

48、(3)调整形变量预测模型时使用sigmoid函数作为调整器引入了非线性元素，使得隐含层数的调整不是线性关系，sigmoid函数的特性使得调整的幅度受形变大小的影响，从而在不同形变程度下提供更好的适应性，sigmoid函数的平滑特性有助于在形变小的情况下提供平滑的过渡，而在形变大的情况下提供更大的调整。

49、本技术首先采集铜箔数据，基于铜箔数据构建铜箔的数字孪生模型。然后使用拉伸试验机对铜箔进行机械性能测试并获取铜箔的实际形变量。并在与拉伸试验机的相同条件下利用数字孪生模型模拟机械性能测试并获取铜箔的模拟形变量。随后收集铜箔的历史试验数据，基于历史实验数据构建形变量预测模型，获取铜箔的预测形变量。最后基于实际形变量、模拟形变量以及预测形变量生成最终的形变量作为性能测试结果。本技术结合了传统试验和数字模拟的优势，克服了传统方法在复杂条件下的局限性，使得对铜箔机械性能的评估更加全面和准确。

50、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，并可依照说明书的内容予以实施，以下以本技术的较佳实施例并配合附图详细说明如后。