智能传感网络支持下的复杂模具温度场动态调控与成型质量优化OA

复杂模具成型中热平衡是至关重要的问题。热压罐工艺具有成型质量稳定的优点,是目前主要成型方法之一。固化过程中,热压罐内温度场分布的均匀性对于复合材料的结构性能、强度等方面具有重要影响。成型时,模具作为与复合材料直接接触的载体,其型面温度分布均匀性直接决定了复合材料构件的成型质量。本文基于智能传感网络,设计了结合机器学习(ML)和遗传算法(GA)的复杂模具温度场动态调控与成型质量优化模型。首先基于K最近邻(KNN)算法参考相近材料铸件的温度工艺参数,从材料成分层面对热压罐内温度场进行初始设计。然后结合铸型参数和广义回归神经网络(GRNN)对设计误差较大的模具预热温度进行修正,建立了误差修正模型。最后,通过GA对其成型工艺参数进行全局寻优。仿真实验显示,本文模型能够提高模具成型质量。