用于快速预测和自主控制铝合金航空部件压铸力的数字模型

《International Journal of Minerals Metallurgy and Materials》：Digital model for rapid prediction and autonomous control of die forging force for aluminum alloy aviation components

数字建模与自主控制技术用于AA2014铝合金冲压成型过程，通过有限元模拟与贝叶斯优化迭代实验建立支持向量回归预测模型，将冲压力预测误差降至1.5%。结合遗传算法设计自主优化策略，有效应对-20至-40°C温降扰动，维持目标冲压力180吨误差±3.1%。

　　

摘要

数字建模和模具锻造过程的自主控制是实现高质量智能锻造组件的关键挑战。以AA2014铝合金的模具锻造为例，提出了一种基于机器学习的辅助方法，用于锻造力的数字建模以及对锻造参数扰动的自主控制。首先，在不同的摩擦系数、模具温度、坯料温度和锻造速度条件下进行了锻造过程的有限元仿真，并收集了包括工艺参数和不同锻造行程下的锻造力在内的样本数据。利用支持向量回归算法建立了锻造力的预测模型。预测误差（即填充模具型腔所需的锻造力）低至4.1%。为了进一步提高模型对实际锻造力的预测精度，采用了贝叶斯优化算法进行了两轮迭代锻造实验，使锻造力的预测误差从6.0%降低到1.5%。最后，将锻造力预测模型与遗传算法结合，制定了在坯料和模具温度受到扰动时，每个锻造行程阶段的锻造速度自主优化策略，从而实现了对扰动的自主控制。当模具和坯料温度降低20°C或40°C时，采用自主优化策略进行的锻造实验使测得的锻造力保持在目标值180吨附近，相对误差范围为-1.3%至+3.1%。本研究为锻造过程中质量因素的数字建模和自主优化控制提供了参考。