【技术实现步骤摘要】
本专利技术涉及热模拟，尤其涉及基于magma铸造过程导热模拟方法。
技术介绍
1、热模拟技术是一个专门用于分析和预测材料在加热或冷却过程中热行为的领域。这项技术广泛应用于各种工程和科学问题，包括铸造、焊接、材料加工以及电子设备的热管理等。通过使用数值计算方法，热模拟可以模拟热能在固体、液体或气体介质中的传递过程。这些模拟通常依赖于有限元分析（fea）、计算流体动力学（cfd）或其他数值方法来解决热传导、对流和辐射等热传递模式。有效的热模拟不仅帮助工程师优化设计，降低能耗，还能预测和避免可能的热失效问题，从而提高产品性能和安全性。
2、其中，铸造过程导热模拟方法涉及使用计算模型来预测和分析铸造过程中金属和其他铸造材料的热行为。这种模拟主要用于优化铸件的结构和质量，通过精确控制材料在模具中的冷却速率来减少缺陷如热裂或收缩孔。此外，这种技术可以帮助确定最佳的铸造参数，如浇注温度、冷却时间和系统布局，从而提高生产效率和铸件的机械性能。在实际应用中，铸造过程导热模拟是通过高级软件工具实现的，这些工具能够模拟复杂的物理现象，如相变、热传导和流体流动，为铸造工艺的开发和优化提供科学依据。
3、现有热模拟技术通常依赖静态数据和固定参数，缺乏足够的灵活性来应对材料热行为的复杂多变性。尤其在铸造过程中，受材料特性、环境条件及生产过程变量影响大，固定模拟参数往往无法精确适应这些变化，导致模拟结果与实际生产状况存在较大偏差。缺少动态调整机制的热模拟方法难以实时反映生产中的实际变化，可能导致铸件出现结构缺陷，影响产品质量，并可能导
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的基于magma铸造过程导热模拟方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：基于magma铸造过程导热模拟方法，包括以下步骤：
3、s1：收集铸造模拟输出的时间序列热能分布数据，计算多个时间点上的数据熵变，量化后反馈系统状态的无序度变化，得到熵变量化结果；
4、s2：基于熵变量化结果，使用卡尔曼滤波器算法调整铸件冷却过程中的模拟参数，对实时采集的热数据进行状态估计和误差修正，得到动态参数调整结果；
5、s3：基于动态参数调整结果，对铸造历史数据进行逐项审查，识别关键参数的变化趋势，分析自动匹配差异化铸造条件，对熵变阈值进行调整，得到自适应熵变阈值结果；
6、s4：采用自适应熵变阈值结果进行magma模拟，通过重新运行模拟，测试调整后的参数效果，对比原始模拟结果与调整后的结果，得到模拟精度比对结果。
7、作为本专利技术的进一步方案，熵变量化结果的获取步骤具体为：
8、s111：通过铸造模拟收集时间序列的热能分布数据，定义为集合d，采用公式：
9、
10、计算数据集的熵值，生成熵值数据集；
11、其中，为热能分布数据集合，为数据点在数据集中的概率，为的误差项，为误差调节系数，为数据集的熵值；
12、s112：对熵值数据集进行时间序列分析，采用公式：
13、
14、加入绝对值项，计算时间点间的熵变，生成熵变序列；
15、其中，为时间点和之间的熵变，和为相邻时间点的数据集，为加权系数；
16、s113：对熵变序列进行量化处理，使用公式：
17、
18、应用根号函数以突出异常变化的影响，得到熵变量化结果；
19、其中，为熵变量化结果，为时间序列的总数据点数，为时间点的绝对熵变值。
20、作为本专利技术的进一步方案，动态参数调整结果的获取步骤具体为：
21、s211：利用熵变量化结果s初始化卡尔曼滤波器状态，设置状态变量和估计误差，采用公式：
22、
23、
24、生成初始状态估计和初始误差估计；
25、其中，是基于调整的初始状态估计，是小幅调整量，是初始估计误差，是假设的过程噪声方差，是用于调节误差估计的系数，根据的平方根调整；
26、s212：应用卡尔曼滤波器算法，通过当前时刻的实际测量值更新状态估计，使用公式：
27、
28、
29、更新状态估计；
30、其中，是当前时间点的实际热数据值，是更新后的状态估计，是前一状态估计，是卡尔曼增益，是上一预测误差，是测量噪声方差，和是调节状态更新敏感性的引入参数；
31、s213：利用更新后的状态估计进行误差修正，采用公式：
32、
33、生成误差修正后的新预测误差，并根据新预测误差调整铸件冷却过程的模拟参数，得到动态参数调整结果；
34、其中，为误差修正后的新预测误差，是卡尔曼增益，是增益调节系数。
35、作为本专利技术的进一步方案，关键参数的变化趋势的识别步骤具体为：
36、s311：从铸造系统中收集历史数据，包括熵变值、温度、冷却速率，记录每项数据的时间戳和操作条件，采用公式：
37、，time
38、生成历史数据集；
39、其中，表示熵变值，表示温度，表示冷却速率，time表示时间戳；
40、s312：利用历史数据集，进行数据清洗，剔除数据中的异常值，应用公式：
41、
42、生成清洗后的数据集；
43、其中，为筛选后的历史数据集，表示数据点的偏离度，是偏离度计算函数，是预设的最大偏离度；
44、s313：对清洗后的数据集进行时间序列分析，识别关键参数包括熵变、温度的变化趋势，采用改进的时间序列分析模型：
45、
46、生成关键参数的变化趋势；
47、其中，表示识别的关键参数趋势，是模型参数，调整以拟合数据的直线增长、递减的影响以及根号增长趋势，是时间变量，表示从历史数据开始到当前的时间长度。
48、作为本专利技术的进一步方案，自适应熵变阈值结果的获取步骤具体为：
49、s321：基于关键参数变化趋势，分析当前铸造条件与历史数据的趋势匹配度，采用公式：
50、
51、计算匹配度误差，生成匹配度结果；
52、其中，是当前铸造条件下的参数值，是历史趋势值，是偏差调节常数，增加稳定性，是非线性调节指数，强化偏差的敏感性；
53、s322：根据匹配度结果，评估是否需要调整铸造条件，采用公式：
54、
55、生成调整后的铸造条件；
56、其中，和分别代表调整前后的铸造条件集，是调整系数，影响调整的速度和幅度，是调整缓冲常数，减缓调整响应；
57、s323：对调整后的铸造条件进行当前熵变阈值设定，采用公式：本文档来自技高网...
【技术保护点】
1.基于MAGMA铸造过程导热模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1的基于MAGMA铸造过程导热模拟方法，其特征在于，熵变量化结果的获取步骤具体为：
3.根据权利要求1的基于MAGMA铸造过程导热模拟方法，其特征在于，动态参数调整结果的获取步骤具体为：
4.根据权利要求1的基于MAGMA铸造过程导热模拟方法，其特征在于，关键参数的变化趋势的识别步骤具体为：
5.根据权利要求1的基于MAGMA铸造过程导热模拟方法，其特征在于，自适应熵变阈值结果的获取步骤具体为：
6.根据权利要求1的基于MAGMA铸造过程导热模拟方法，其特征在于，测试调整后的参数效果的步骤具体为：
7.根据权利要求1的基于MAGMA铸造过程导热模拟方法，其特征在于，模拟精度比对结果的获取步骤具体为：
【技术特征摘要】
1.基于magma铸造过程导热模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1的基于magma铸造过程导热模拟方法，其特征在于，熵变量化结果的获取步骤具体为：
3.根据权利要求1的基于magma铸造过程导热模拟方法，其特征在于，动态参数调整结果的获取步骤具体为：
4.根据权利要求1的基于magma铸造过程导热模拟方法，其特征在于，关键参...
【专利技术属性】
技术研发人员：许玉松，张亚军，
申请(专利权)人：江苏宏德特种部件股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。