关键词:
三通管
有限元
机器学习
随机森林
梯度提升
摘要:
为了满足三通管液压成形过程的监测和过程控制的需求,构建了一个基于有限元数据驱动的机器学习框架用于多物理场的实时预测,包括:数据生成模型构建,建立能够准确描述塑性成形过程的有限元模型;数据集生成,结合成形工艺特点和成形设备参数范围要求进行实验设计,同时通过有限元模拟创建数据集,用于机器学习模型的训练;模型训练,选择机器学习算法就有限元模拟生成的数据集进行学习,建立边界位移与材料内部位移场的映射;多物理场计算,基于预测位移场推导材料内部应变、应力以及厚度场等的分布。采用该框架构建了基于CPB06屈服准则的纯钛三通管液压成形有限元模型,在此基础上通过加载路径全因子模拟实验生成了机器学习数据集,并采用随机森林和梯度提升算法实现了材料内部位移的实时预测,计算出了等效应变、等效应力和管材壁厚的分布。将上述预测模型用于全新工况的三通管液压成形,结果表明,预测误差不超过5%,说明构建的集成有限元方法的机器学习框架可以解决有限元模型无法在线分析的问题,实现对塑性加工过程中多物理场的实时预测。