【技术实现步骤摘要】
本专利技术属于复材构件固化成型，尤其是涉及一种基于流形神经算子的复材构件成型模具补偿方法。
技术介绍
1、先进树脂基复合材料是由有机高分子基体材料与高性能纤维增强材料复合形成的一体化材料，具有质量轻，比强度比模量高，耐腐蚀强等特点，已被广泛应用于航空航天领域。复合材料构件制造通常包括赋形过程和固化过程，赋形过程中将基体与增强体结合制成的预浸料铺放在成型模具上，固化过程中材料在高温高压下发生一系列的物理化学变化固化成型，固化时材料状态也会发生较大的变化，由于基体与增强体热膨胀差异、固化收缩、温度分布不均等因素导致脱模后复合材料构件形状尺寸与设计形状存在偏差。
2、为了控制复合材料构件脱模后的形状与所要求形状的偏差在允许范围内，最直接有效的方式就是对模具型面进行补偿。复材构件固化时的模具型面通常设计为复合材料构件的靠模面，模具型面补偿方法依据构件固化变形结果修整模具型面，使得变形后的构件形状满足精度要求。专利cn114889159a公开了一种复合材料固化成型的可调节模具及补偿方法，该模具能够通过角度调节机构和型面弧度调节机构调整模具型面对复合材料c型工件的夹角变化和型面的翘曲变形等进行补偿，但是该模具可优化调整的自由度有限、形状单一，难以适用于至其他构件形状。专利cn 115438394a公开了一种复合材料结构件成型模具补偿方法，通过有限元软件对复材构件进行固化变形仿真，得到仿真计算结果，并提取模具型面上节点的初始坐标和变形量，利用镜像补偿原理将节点变形量反向施加给节点初始坐标，从而实现对模具型面的补偿。然而镜像补偿方法
技术实现思路
1、本专利技术的目的是提供一种基于流形神经算子的复材构件成型模具补偿方法，通过流形神经算子构建复材构件固化变形预测代理模型，显著提高复材构件固化变形预测的效率，以此为基础与智能优化算法相结合，可支撑成型模具型面的海量迭代优化设计，从而显著提高复材构件固化变形控制效果，且适用范围广、效率高。
2、为实现上述目的，本专利技术提供一种基于流形神经算子的复材构件成型模具补偿方法，包括以下步骤：
3、步骤1、获取复材构件的三维模型作为目标形状，并根据三维模型确定复材构件固化成型时的靠模面；
4、步骤2、对靠模面进行参数化表示，确定设计变量和设计变量的取值范围；
5、步骤3、在设计空间内通过采样方法获取若干靠模面设计方案，得到每个靠模面设计方案所对应的复材构件形状，对复材构件形状进行固化变形仿真，得到复材构件形状对应的固化变形后形状，建立固化变形数据集；
6、步骤4、建立以复材构件形状为输入、固化变形后形状为输出的流形神经算子模型，并利用固化变形数据集进行训练，得到固化变形预测代理模型；
7、步骤5、以固化变形后形状与目标形状间的差异最小化为优化目标，利用智能优化算法对设计变量进行优化，优化过程中采用固化变形预测代理模型计算固化变形后形状，得到满足复材构件固化变形要求的复材构件形状，进而以其对应的靠模面作为成型模具曲面。
8、优选的，步骤2中对靠模面进行参数化表示采取以下方法之一：基于贝塞尔函数对靠模面进行参数化表示；基于角度、长度、点坐标的几何参数对靠模面进行参数化表示；基于自由变形技术对靠模面进行参数化表示。
9、优选的，步骤3中的采样方法为随机采样或拉丁超立方采样。
10、优选的，步骤3中的对复材构件形状进行固化变形仿真具体包括：根据实际成型过程中的固化工艺，采用有限元法、有限差分法或商业仿真软件对复材构件形状进行固化变形仿真。
11、优选的，步骤3中的固化变形数据集中的每个数据由复材构件形状和对应的固化变形后形状组成，具体为对复材构件形状和固化变形后形状进行网格或点云离散，以形状上节点的坐标场作为形状的数据表示。
12、优选的，步骤4中的流形神经算子模型由特征升维映射模块、一个或多个拉普拉斯核积分模块及特征降维映射模块构成，其中，拉普拉斯核积分模块包含频域变换，线性变换和非线性激活三个模块，频域变换模块包括编码、参数化和解码三个模块，编码模块利用拉普拉斯算子特征函数将定义在复材构件上的函数转化为频域空间中的坐标；参数化模块对编码后的坐标进行映射；解码模块利用拉普拉斯算子特征函数将参数化后的频域空间坐标还原为定义在复材构件上的函数。
13、优选的，拉普拉斯算子特征函数的获取方式为：按照复材构件形状和固化变形后形状的数据离散形式定义拉普拉斯算子，求解拉普拉斯算子的特征值问题，得到拉普拉斯算子特征函数。
14、优选的，步骤5中的固化变形后形状与目标形状间的差异具体计算方法包括：计算固化变形后形状与目标形状间的最大变形量；在固化变形后形状与目标形状上取多个点，计算多个点变形量的平均值、均方差、均方根误差或相对误差；计算固化变形后形状与目标形状上相应位置的角度或距离之间的差异。
15、优选的，步骤5中的智能优化算法为遗传算法、贝叶斯优化、粒子群优化算法、退火算法中的一种。
16、因此，本专利技术采用上述一种基于流形神经算子的复材构件成型模具补偿方法，具有以下有益效果：
17、（1）本专利技术靠模面设计空间由对靠模面参数化的有限个参数及其参数化方式决定，合适的参数化方式将使靠模面的设计空间包含任意三维复杂几何，而不仅限于夹角和型面弧度变化，从而实现任意复杂几何的复材构件的模具型面补偿；
18、（2）本专利技术基于流形神经算子模型，构建了复材构件固化变形预测代理模型，相比使用仿真预测效率高；并基于固化变形预测代理模型在智能算法中进行优化迭代，得到的靠模面将使复材构件固化变形后形状与目标形状间的差异更小。
19、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，步骤2中对靠模面进行参数化表示采取以下方法之一：基于贝塞尔函数对靠模面进行参数化表示；基于角度、长度、点坐标的几何参数对靠模面进行参数化表示；基于自由变形技术对靠模面进行参数化表示。
3.根据权利要求2所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤3中的采样方法为随机采样或拉丁超立方采样。
4.根据权利要求3所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，步骤3中的对复材构件形状进行固化变形仿真具体包括：根据实际成型过程中的固化工艺，采用有限元法、有限差分法或商业仿真软件对复材构件形状进行固化变形仿真。
5.根据权利要求4所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤3中的固化变形数据集中的每个数据由复材构件形状和对应的固化变形后形状组成，具体为对复材构件形状和固化变形后形状进行网格或点云离散，以形状上节点
6.根据权利要求5所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤4中的流形神经算子模型由特征升维映射模块、一个或多个拉普拉斯核积分模块及特征降维映射模块构成，其中，拉普拉斯核积分模块包含频域变换，线性变换和非线性激活三个模块，频域变换模块包括编码、参数化和解码三个模块，编码模块利用拉普拉斯算子特征函数将定义在复材构件上的函数转化为频域空间中的坐标；参数化模块对编码后的坐标进行映射；解码模块利用拉普拉斯算子特征函数将参数化后的频域空间坐标还原为定义在复材构件上的函数。
7.根据权利要求6所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，拉普拉斯算子特征函数的获取方式为：按照复材构件形状和固化变形后形状的数据离散形式定义拉普拉斯算子，求解拉普拉斯算子的特征值问题，得到拉普拉斯算子特征函数。
8.根据权利要求7所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，步骤5中的固化变形后形状与目标形状间的差异具体计算方法包括：计算固化变形后形状与目标形状间的最大变形量；在固化变形后形状与目标形状上取多个点，计算多个点变形量的平均值、均方差、均方根误差或相对误差；计算固化变形后形状与目标形状上相应位置的角度或距离之间的差异。
9.根据权利要求8所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤5中的智能优化算法为遗传算法、贝叶斯优化、粒子群优化算法、退火算法中的一种。
...【技术特征摘要】
1.一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，步骤2中对靠模面进行参数化表示采取以下方法之一：基于贝塞尔函数对靠模面进行参数化表示；基于角度、长度、点坐标的几何参数对靠模面进行参数化表示；基于自由变形技术对靠模面进行参数化表示。
3.根据权利要求2所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤3中的采样方法为随机采样或拉丁超立方采样。
4.根据权利要求3所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于，步骤3中的对复材构件形状进行固化变形仿真具体包括：根据实际成型过程中的固化工艺，采用有限元法、有限差分法或商业仿真软件对复材构件形状进行固化变形仿真。
5.根据权利要求4所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤3中的固化变形数据集中的每个数据由复材构件形状和对应的固化变形后形状组成，具体为对复材构件形状和固化变形后形状进行网格或点云离散，以形状上节点的坐标场作为形状的数据表示。
6.根据权利要求5所述的一种基于流形神经算子的复材构件成型模具补偿方法，其特征在于：步骤4中的流形神经算子模型由特征升维映射...
【专利技术属性】
技术研发人员：李迎光，刘旭，隋少春，胡琳，陈璐，陈耿祥，程英豪，郝小忠，
申请(专利权)人：南京航空航天大学，
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。