发明名称 基于仿真的单晶涡轮叶片精铸工艺参数优化方法
摘要 本发明公开了一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法,用于解决现有的单晶涡轮叶片精铸工艺参数优化方法优化效果差的技术问题。技术方案是通过设计单晶涡轮叶片浇注系统模型,采用有限元分析方法对浇注系统模型进行单元划分,对叶片精铸工艺参数提取与辨析,并通过单因素工艺试验得到对精铸叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围;根据建立的试验表格进行浇注过程的数值模拟;通过数据处理与分析,评估铸件相对于设计模型的变形情况,通过建立BP神经网络模型,采用采用小步长搜索方法,逐渐缩小精铸工艺参数优化的搜索范围。提高了单晶涡轮叶片精铸工艺参数优化方法的优化效果。
申请公布号 CN102819651A 申请公布日期 2012.12.12
申请号 CN201210296628.1 申请日期 2012.08.20
申请人 西北工业大学 发明人 傅将威;陈晨;卜昆;周丽敏;乔燕;董一巍;邱飞;高斌;王鲁;丁肖艺
分类号 G06F17/50(2006.01)I;G06N3/02(2006.01)I 主分类号 G06F17/50(2006.01)I
代理机构 西北工业大学专利中心 61204 代理人 王鲜凯
主权项 一种基于仿真的单晶涡轮叶片精铸工艺参数优化方法,其特征在于包括以下步骤:步骤一:建立单晶涡轮叶片浇注系统模型,采用有限元分析方法对浇注系统模型进行单元划分;步骤二:对单晶涡轮叶片精铸工艺参数提取与辨析,并通过单因素工艺试验得到对单晶涡轮叶片型面尺寸精度影响较大的精铸工艺参数及合理参数变化范围;步骤三:根据步骤二中的精铸工艺参数设计交互正交试验表格;步骤四:根据建立的交互正交试验表格进行浇注过程的数值模拟,以获取浇注过程中的涡轮叶片铸件变形情况;首先施加数值模拟边界条件,包括合金材料与模壳材料的热物性参数、初始浇注的合金温度、中止数值计算的合金温度、合金材料与精铸模壳间的界面换热系数、模型位移的约束条件;通过精铸过程应力场的求解,得出精铸过程涡轮叶片网格模型各节点的应力分布,进而导出各节点的位移量,建立位移场模型;步骤五:根据步骤三得到的仿真结果进行数据处理与分析;用等参数法截取叶片不同高度上的多个二维截面,采用对应点的方法计算铸件截面的二维位移分布,再由多个截面的二维位移分布集合来表达铸件的三维位移场,评估铸件相对于设计模型的变形情况;结合步骤三中的交互正交试验表格得到神经网络训练样本及最佳精铸工艺参数;具体步骤如下:[1]通过ProCAST的ViewCAST模块将叶片仿真模型导出,数据格式为“*.sm”;[2]将“*.sm”格式转换为“*.STL”格式;[3]将步骤一建立单晶涡轮叶片浇注系统模型与单晶涡轮叶片蜡模CAD模型导入进行三维配准;[4]经三维配准以后,沿着模型高度方向截取5~8条截面线,得到单晶涡轮叶片浇注系统模型与单晶涡轮叶片蜡模CAD模型在同一高度的二维截面,同时导出截面线;[5]对截取的截面线进行等参数离散,并将离散点排序,应用UG二次开发模块将离散点读入计算对应离散点之间的位移量;[6]结合步骤三中的交互正交试验表格,对数据作归一化处理及极差分析,得到神经网络训练样本和最佳精铸工艺参数组合;步骤六:建立BP神经网络模型,用步骤五中得到的神经网络训练样本训练神经 网络;步骤七:结合步骤六中建立的BP神经网络模型,采用采用小步长搜索办法,逐渐缩小精铸工艺参数优化的搜索范围,最终使优化参数对应的型面位移量小于要求数值;小步长搜索优化方法过程如下:[1]在已得到的最值点附近对每个变量增加和减小微小步长δi(i=1,2,3,4),把这些参数搭配成多组精铸工艺参数的组合,即生成新的正交表;[2]通过BP神经网络模型计算得到一系列叶片型面位移量△Z;[3]查找得到更小叶片型面位移量对应的精铸工艺参数组合;返回步骤[1]直到叶片型面位移量△Z数值达到要求为止。
地址 710072 陕西省西安市友谊西路127号