《基于ANN的涡轮盘等温成形过程模拟电路模型》由会员分享，可在线阅读，更多相关《基于ANN的涡轮盘等温成形过程模拟电路模型（7页珍藏版）》请在金锄头文库上搜索。
1、2012-07-19基#于#A#N#N #的#涡#轮#盘#2等01温2-0成7-形19过#程#模#拟#电2路01模2-型073-19#刘刘玉玉红红1 3 3, 李付李付国国2 , 张连张连洪洪1(11 天津大学 机械工程学院 , 天津 300072 ; 21 西北工业大学 材料科学与工程学院 , 陕西 西安 710072)摘要摘要 : 为提高锻件质量和成品率 , 有必要建立一种适合于实时控制的锻件成形过程模型 。利用有限元模拟技术对涡轮盘的等温成形过程进行了虚拟正交试验 , 通过对成形过程的载荷 行程曲线的分析 , 建立了粉末高温合金涡 轮盘件等温成形过程的人工神经网络 ( A NN) 模型
2、, 并将其映射成模拟电路模型 。以此模拟电路模型为参考模型 , 应用于模型参考自适应控制 ( M RAC) 系统 , 对涡轮盘件等温成形过程进行控制 。结果表明 , 所建立的 A N N 模型 及其模拟电路模型对粉末高温合金涡轮盘件等温成形过程的拟合精度很高 , 且控制参数始终与模型输出相吻合 , 为实现盘件成形过程的实时控制奠定了基础 。关关键键词词 : 涡轮盘 ; 人工神经网络 ; 模拟电路 ; 等温锻造中中图图分分类类号号 : TG3161 8文献文献标标识码识码 :文文章章编编号号 : 100023940 ( 2007) 0320111205Analog2c ircuit model
3、f or isothermal f orging process of P/ M turbine discs ba sed onart if ic ial neural net workL IU Yu2hong1 , L I Fu2guo2 , ZHANG L ian2hong1(11 School of Mechanical Engineering , Tianjin U niver sit y , Tia njin 300072 , China ; 21 School ofMat erial s Science a nd Engineering , No rt hwe ster n Pol
4、yt echnical U niver sit y , Xia n 710072 , China)Abstract : In o r der to increa se fo r ging qualities a nd yield of po wder metall ur gical ( P/ M) t ur bine di sc , it i s necessa r y to e sta bli sh a dyna mic mo del fit ting fo r real2time co nt rol of P/ M t ur bine di sc i so t her mal fo r g
5、i ng p roce ss1 In t he p re sent wo r k , t he virt ual o rt ho go nal experimental ( VO E) of P/ M t ur bi ne di sc i so t her mal fo r ging wa s acco mpli shed using finite element simulatio n1 The defo r matio n law of t he material wa s a nalyzed1 The a rtificial neural net wo r k mo del of P/
6、M t ur2 bine di sc i so t her mal fo r ging p roce ss wa s o btai ned by using t he dat a of VO E to t rain t he B P (Back Prop agation) net2 wo r k1 Then t he a nalo g2circuit mo del of P/ M t ur bine di sc i so t her mal fo rging p roce ss wa s e sta bli shed by using t he lea r n2 ing result s of
7、 A N N1 The a nalo g2circuit mo del wa s applied to t he ref erence mo del of mo del ref erence adap tive co nt rol syst em to realize real2time co nt rol1 The result s sho w t hat t he A N N mo del and t he a nalo g2ci rcuit mo del have high fit p reci sio n fo r P/ M t ur bine di sc i so t her mal
8、 fo r gi ng p roce ss1 The co nt rolling pa rameter s a re always coi ncidence wit h t he o utp ut of mo del s1Key words : t ur bine di sc ; a rtificial neural net wo r k ; analo g ci rcuit ; i so t her mal fo r ging工神经网络 ( A N N) 1 ,2 建立盘件等温成形过程的模拟电路模型3 , 以该模型作为参考模型 , 构成模型1引言粉末高温合金 ( P/ M 合金) 由于其具有
9、屈服强系 统 4 ,5 , 参考自适 应 控 制 ( M RA C)为 提 高 锻 件 度高 、疲劳性能好 、使用温度高等诸多优点 , 而成为高性能航空发动机涡轮盘的首选材料 。涡轮盘形 状复杂 、精度要求高 , 加之 P/ M 合金变形时热力参 数容差小 , 锻后组织对锻造热力参数敏感且难以控 制 , 由此造成了涡轮盘件的成品率降低 ; 针对上述 问题 , 本文以粉末高 温 合金 涡轮 盘件 为 研究 对象 ,对其等温成形过程进行虚拟正交试验设计 , 利用人质量和成品率提供了强有力的保障 。2虚拟正交试验及分析对粉末高温合金涡轮盘件的成形条件进行虚拟 正交试验设计 , 具体方案见表 1 。采
10、用有限元法对每一方案进行数值模拟 。图 1 是坯料在预锻和终锻过程中的载荷 上模 行程曲线 。从图 1 中可以看出 , 在坯料与模具侧壁 2012-07-13 9津#大#学#青年#教#师#基#金#资助项#目 #(5#110#10#5) #和#航#空基2础0科1学2-0接7触-之19前#(#F、#F之#前#) ,#载荷2增0长1得2较-为0平7缓-1,当9#表表 1 虚虚拟拟正交正交试试验验方案表方案表Ta ble 1 Scheme of orthogonal exper iment 可控参数 , 不能直接进行控制 。因此 , 对应变速率和应变的控制可转化为对相应宏观可控参数的控制 。 对应变速
11、率的控制转化为对液压机活动横梁压下速 度的控制 , 对应变的控制转化为对液压机活动横梁 位移的控制 。通过上述转化之后 , B P 网络的输入参数为 : 锻造温 度 ( T) 、活 动 横 梁 的 压 下 速 度 ( v )变形速度 v/ (m s - 1 )试验号变形温度 T/ K1 ( 1403)1 ( 1403)1 ( 1403)2 ( 1373)2 ( 1373)2 ( 1373)3 ( 1343)3 ( 1343)3 ( 1343)1 ( 0 . 5 10 - 3 )2 ( 1 . 0 10 - 3 )3 ( 5 . 0 10 - 3 )1 ( 0 . 5 10 - 3 )2 ( 1
12、 . 0 10 - 3 )3 ( 5 . 0 10 - 3 )1 ( 0 . 5 10 - 3 )2 ( 1 . 0 10 - 3 )3 ( 5 . 0 10 - 3 )123456789和活动横梁位移 () 。B P 网络的输出参数为成形载荷 ( P) 。31 2学学习样习样本本的的选选取及取及处处理理 根据虚拟正交试验结果 , 将不同变形温度和变 形速度下载荷随活 动横 梁位 移 变化 的数 据 作为 B P 网络的学习样本 。并根据 B P 网络对输入输出数据 的要求 ,理 :将 输 入 和 输 出 参 数 按 下 式 进 行 归 一 化 处荷的增大是由于坯料与模具的接触面积逐渐增大所致
13、 。当坯料与模具侧壁接触后 , 坯料的变形主要以 挤压的方式流向这些角落 , 因而金属流动的阻力突 然增大 。而在变形最后结束时刻 , 绝大部分金属已 不流动 , 属精压阶段 , 需更大的力才能使小部分的金属以蠕变的方式充满模具型腔 。= 2 ( S - S min )S n- 1( 1)S max - S min式中S 对应于输入参数 ( T 、v 、 ) 和输出参数 P 归一化前的数据值S n S 归一化后的数据值Smax 、Smin 相应数据 S 的最大值和最小值BP 网网络结络结构构31 3B P 网络结 构 选为 3 7 3 1 , 如 图 2 所 示 。 输入层有三个节点 , 输入
14、变量为变形温度 T 、活动 横梁速度 v 和活动横梁位移。第二层和第三层为 隐 层 , 传递函数为正切 S 型函数 ( t a n si g) :2- 1 。输出层有一个节点 , 输出y = f ( x) =1 + e - 2 x变量为成形载荷 P , 传递函数为线性函数 。图 1 预锻和终锻时的载荷 - 压下量曲线( 变形温度 : 1373 K , 变形速度 : 01 0001 m s - 1 )Fig1 1 Cur ve s of load2di splacement duri ng p re2fo r gi ng a nd fi ni sh fo r gi ng ( Defo r mat
15、io n t e mp erat ure : 1373 K , defo r matio nvelocit y : 01 0001 m s - 1 )3 A N N 模型31 1输输入入输输出参出参数数的的选择选择由试验结果及文献 6 , 7 可知 , 涡轮盘件等 温成形过程中的成形载荷及锻件的锻后组织等都是 变形工艺参数 ( 如变形温度 、应 变 速率 及应 变 等) 的非线性函数 , 这种函数很难用特定的数学形式来 表达 。本文选用 B P 网络8 ,9 来建立涡轮盘件等温成 形过程的模型 。由上述分析知 , B P 网络的输入应为 变形温度 、应变速率和应变 。但是 , 在实际生产控制中 , 变形温度 (如锻造温度) 属于宏观可控参数 ,图 2 神经网络拓扑结构Fig1 2 Sche matic of A N N wit h t wo hidden layer s31 4学学习结习结果果 网络的学习规则为 Delt a 学习规则 , 误差指标 为 01 0002 。图 3 为 B P 网络学习预锻和终锻成形过 程结果与有限元模拟结果的对比 。从图中可以看出 , 神经网络对粉末高温合金盘件等温成形过程这一非 线性系统的逼近程度相当理想 。误差分析结果表明 ,绝对误差均
