基于自适应专家系统的金属材料锻造微观组织软测量方法与流程

本发明属于金属材料加工工程技术领域，涉及一种基于自适应专家系统的金属材料锻造微观组织软测量方法。

背景技术：
：

由于镍基高温合金、铝合金、镁合金等金属材料具有优异的机械性能及其它服役性能，已经广泛应用于航天、航空、航海及核能领域。金属材料的微观组织(再结晶晶粒尺寸和再结晶分数)是影响其各项性能的关键因素。如何在加工过程中准确地测量金属材料的微观组织是一个亟待解决的难题。

研究表明金属材料在锻造过程中的微观组织演变极为复杂，显著受到变形温度，应变速率和应变等工艺参数的综合影响。此外，在锻造过程中，现有的测量设备无法实时测量金属材料的微观组织。针对这种难以测量的物理量，可以采用软测量方法估计。目前，常用的软测量方法主要包括：基于数据驱动建模和基于过程机理建模的软测量方法。在锻造过程中，金属材料的微观组织演变极为复杂，难以建立准确的机理模型。随着智能方法的发展，神经网络、模糊集和专家系统等方法逐渐引入到多种材料微观组织和流变行为的预测建模中，并取得了良好的效果。因此，可以基于智能方法提出一种简单、快速、高效的金属材料锻造微观组织软测量方法。

本发明方法基于自适应专家系统，结合模糊推理方法，提出了一种简单、快速、高效的金属材料锻造微观组织软测量方法，解决了金属材料锻造微观组织无法在线测量的难题。

技术实现要素：
：

本发明的目的在于提供一种金属材料锻造微观组织软测量方法，解决了金属材料锻造微观组织无法在线测量的难题。

本发明解决上述难题的方案是：

基于自适应专家系统的金属材料锻造微观组织软测量方法，该方法包括如下步骤：

步骤1：根据历史的锻造工艺参数(上模具速度和位移、锻造温度)和金属材料微观组织数据(再结晶分数和再结晶晶粒尺寸)建立初始的专家系统，主要包括数据库、推理机和学习机；

步骤2：将实际锻造的与数据库中的工艺参数比较得到工艺参数误差向量，根据推理机中的模糊推理方法计算工艺参数匹配度；

步骤3：利用工艺参数匹配度和数据库中的微观组织数据估算当前的微观组织；

步骤4：专家系统自学习，若估算的当前的微观组织是新的微观组织，则新的工艺参数和微观组织数据保存到数据库中；否则，结束。

按照上述方案，步骤1中所述专家系统主要包括数据库、推理机和学习机，其作用分别为：

数据库：用于存储锻造工艺参数和金属材料微观组织数据，为推理机提供工艺参数误差向量，进而估算金属材料微观组织；

推理机：基于模糊推理系统，根据工艺参数误差向量计算实际锻造工艺参数的匹配度，以用于软测量金属材料微观组织；

学习机：判断软测量微观组织是否是新的微观组织，并且将新的微观组织以及对应的锻造工艺参数补充到数据库中，以完善数据库，提高软测量精度。

按照上述方案，步骤1中所述数据库是根据历史锻造工艺参数(上模具速度和位移)和微观组织数据(再结晶晶粒尺寸和再结晶分数)建立的，该数据库包括前置条件和微观组织两部分，其中，前置条件为4个工艺参数，即第k步和k+1步的上模具速度和位移；微观组织为第k+1步的再结晶晶粒尺寸和再结晶分数。

按照上述方案，步骤2中所述工艺参数误差向量是实际锻造工艺参数与数据库中工艺参数(前置条件)的差值，可以表示为：

E_i＝[s_p(k)-s_e(k),s_p(k+1)-s_e(k+1),v_p(k)-v_e(k),v_p(k+1)-v_e(k+1)] i＝1,2,…,m (1)

其中，s_p和v_p分别表示实际锻造工艺参数(上模具的位移和速度),s_e和v_e分别表示数据库中的工艺参数(上模具的位移和速度)，E_i为第i个工艺参数误差向量，m是工艺参数误差向量的个数。

按照上述方案，步骤2中所述模糊推理方法是软测量方法的核心，其过程为：

如果工艺参数误差向量中所有误差都为0，说明该锻造工艺参数与数据库中某一个工艺参数的匹配度为1，则该工艺参数对应的微观组织即为软测量的结果；

如果工艺参数误差向量中所有误差不都为0，说明需要用模糊推理方法计算工艺参数的匹配度，由于工艺参数误差向量包括上模具速度和上模具位移的误差，这两个工况参数的数量级是不相同的，因此需要对工况参数误差向量进行归一化，归一化公式为：

其中，x是归一化之前的值,x_n是归一化之后的值,x_min和x_max是最大值和最小值。

工艺参数误差向量中每一个工艺参数的匹配度是用三角形隶属度函数计算的，其表达式为：

其中，p为工艺参数的匹配度,e是归一化的误差，三角形隶属度函数参数b＝0.05。

在计算得到4个工艺参数的匹配度之后，工艺参数误差向量的匹配度是此4个匹配度的积：

p_v＝p₁×p₂×p₃×p₄ (4)

其中，p_v工艺参数误差向量的匹配度,p₁、p₂、p₃和p₄是4个工艺参数的匹配度。

在得到所有的误差向量匹配度之后，为了保证总的匹配度之和为1，需要对所有的误差向量匹配度进行归一化，归一化公式为：

其中，p_i是归一化之前的第i个匹配度,p_in是归一化之后的第i个匹配度，m是工艺参数误差向量的个数。

按照上述方案，步骤3中所述利用工艺参数匹配度和数据库中的微观组织数据估算微观组织可以描述为：将所有的工艺参数误差向量匹配度和数据库中的微观组织都用向量形式表示：

P＝[p_1n,p_2n,……,p_mn]，G＝[g₁,g₂,……,g_m]，F＝[f₁,f₂,……,f_m] (6)

其中，P是工艺参数误差向量匹配度，G是再结晶晶粒尺寸向量，F是再结晶分数向量，则软测量的微观组织(再结晶晶粒尺寸g_m，再结晶分数f_m)可以表示为：

g_m＝P·G^T (7)

f_m＝P·F^T (8)

按照上述方案，步骤4中所述专家系统自学习过程可以描述为：判断估算的微观组织是否是新的微观组织，若是新的微观组织，则新的工艺参数和微观组织数据保存到数据库中；否则，结束。

按照上述方案，利用历史锻造工艺数据和金属材料微观组织数据建立的专家系统，通过工业现场采集的锻造工艺参数可以实现金属材料微观组织的在线测量。

本发明的有益效果：本发明针对实际工业生产过程中金属材料微观组织难以在线测量的难题，根据历史锻造工艺数据和金属材料微观组织数据建立了自适应专家系统，精准快速地实现了金属材料锻造微观组织的软测量，能够应用到金属材料模锻和自由锻造加工中，为准确测量金属材料微观组织提供新方法。该方法的发明和推广应用对准确测量金属材料微观组织有重要工程意义。

附图说明：

图1基于自适应专家系统的金属材料微观组织软测量方法流程图；

图2数据库结构图；

图3模糊推理流程图；

图4三角形隶属度函数；

图5专家系统自学习之前镍基高温合金微观组织软测量结果；

图6专家系统自学习之后镍基高温合金微观组织软测量结果。

具体实施方式：

下面结合附图和具体实施方式对本发明进行详细的说明。

本发明是一种金属材料微观组织软测量方法，其流程图如图1所示。下面详细介绍本发明涉及的金属材料微观组织软测量方法的实施细节，其方法包括：

步骤1：根据历史的锻造工艺参数(上模具速度和位移、锻造温度)和金属材料微观组织数据(再结晶分数和再结晶晶粒尺寸)建立初始的专家系统，主要包括数据库、推理机和学习机；

数据库是根据历史的锻造工艺参数(上模具速度和位移、锻造温度)和微观组织数据(再结晶晶粒尺寸和再结晶分数)建立的，其结构如图2所示，该数据库包括前置条件和微观组织两部分，其中，前置条件为4个工艺参数，即第k步和k+1步的上模具速度和位移；微观组织为第k+1步的再结晶晶粒尺寸和再结晶分数。

步骤2：将实际锻造的与数据库中的工艺参数比较得到工艺参数误差向量，根据推理机中的模糊推理方法计算工艺参数匹配度；

工艺参数误差向量是实际锻造工艺参数与数据库中工艺参数(前置条件)的差值，可以表示为：

E_i＝[s_p(k)-s_e(k),s_p(k+1)-s_e(k+1),v_p(k)-v_e(k),v_p(k+1)-v_e(k+1)] i＝1,2,…,m (9)

其中，s_p和v_p分别表示实际锻造工艺参数(上模具的位移和速度),s_e和v_e分别表示数据库中的工艺参数(上模具的位移和速度)，E_i为第i个工艺参数误差向量，m是工艺参数误差向量的个数。

推理机中的模糊推理方法是软测量方法的核心，其流程如图3所示，可以表述为：如果工艺参数误差向量中所有误差都为0，说明该锻造工艺参数与数据库中某一个工艺参数的匹配度为1，则该工艺参数对应的微观组织即为软测量的结果；如果工艺参数误差向量中所有误差不都为0，说明需要用模糊推理方法计算工艺参数的匹配度，由于工艺参数误差向量包括上模具速度和上模具位移的误差，这两个工况参数的数量级是不相同的，因此需要对工况参数误差向量进行归一化，归一化公式为：

其中，x是归一化之前的值,x_n是归一化之后的值,x_min和x_max是最大值和最小值。

工艺参数误差向量中每一个工艺参数的匹配度是用三角形隶属度函数(如图4所示)计算的，其表达式为：

其中，p为工艺参数的匹配度,e是归一化的误差，三角形隶属度函数参数b＝0.05。

在计算得到4个工艺参数的匹配度之后，工艺参数误差向量的匹配度是此4个匹配度的积：

p_v＝p₁×p₂×p₃×p₄ (12)

其中，p_v工艺参数误差向量的匹配度,p₁、p₂、p₃和p₄是4个工艺参数的匹配度。

在得到所有的误差向量匹配度之后，为了保证总的匹配度之和为1，需要对所有的误差向量匹配度进行归一化，归一化公式为：

其中，p_i是归一化之前的第i个匹配度,p_in是归一化之后的第i个匹配度，m是工艺参数误差向量的个数。

步骤3：利用工艺参数匹配度和数据库中的微观组织数据估算当前的微观组织；

将所有的工艺参数误差向量匹配度和数据库中的微观组织都用向量形式表示：

P＝[p_1n,p_2n,……,p_mn]，G＝[g₁,g₂,……,g_m]，F＝[f₁,f₂,……,f_m] (14)

其中，P是工艺参数误差向量匹配度，G是再结晶晶粒尺寸向量，F是再结晶分数向量，则软测量当前的微观组织(再结晶晶粒尺寸g_m，再结晶分数f_m)可以表示为：

g_m＝P·G^T (15)

f_m＝P·F^T (16)

步骤4：专家系统自学习，若估算的当前的微观组织是新的微观组织，则新的工艺参数和微观组织数据保存到数据库中；否则，结束。

根据在线感知的锻造工艺数据，可以利用建立的自适应专家系统在线测量金属材料微观组织，软测量结果如图5所示，可以发现软测量结果比较准确，足以达到工业要求；通过专家系统自学习之后，软测量结果如图6所示，可以发现软测量结果十分精确。这说明当专家系统通过自学之后，可以很好地补充数据库，极大地提高软测量精度，故本发明提出的专家系统越用越精确，越用越好用。

从上述结果可以发现，本发明提出的方法能够快速、准确地软测量锻造过程中金属材料微观组织，为准确描述锻造过程中金属材料微观组织提供了可靠的技术途径。

上面结合附图对本发明的实例进行了说明，但本发明不局限于上述具体的实施方式，上述的具体实施方式仅是示例性的。任何不超过本发明权利要求的发明，均在本发明的保护范围之内。