[发明专利]一种导管数控弯曲成形质量的预测方法及装置

权利要求书

1.一种导管数控弯曲成形质量的预测方法，其特征在于，包括如下步骤：

步骤一，建立用以模拟导管数控弯曲成形工艺过程的有限元模型；

步骤二，利用所述有限元模型，组织导管数控弯曲成形的有限元数值模拟试验，获得第一试验结果，根据所述第一试验结果确定出对导管数控弯曲成形质量影响显著的工艺参数和导管设计参数；

步骤三，以所述确定出的对导管数控弯曲成形质量影响显著的工艺参数和导管设计参数作为输入参数，以预定的质量指标作为输出参数，来建立人工神经网络模型；

步骤四，对所述人工神经网络模型进行训练，并利用经训练的人工神经网络模型进行导管数控弯曲成形质量的预测。

2.根据权利要求1所述的方法，其特征在于，所述步骤四之前，还包括：

以所述确定出的对导管数控弯曲成形质量影响显著的工艺参数和导管设计参数作为设计因子，组织导管数控弯曲成形的实验或有限元的数值模拟试验，以为所述人工神经网络模型提供初始训练样本。

3.根据权利要求1或2所述的方法，其特征在于，基于正交设计方法组织所述导管数控弯曲成形有限元的数值模拟试验。

4.根据权利要求1所述的方法，其特征在于，所述步骤三中，所述人工神经网络模型为：径向基人工神经网络模型。

5.根据权利要求2所述的方法，其特征在于，所述步骤四中，

在对所述人工神经网络模型进行训练前，还包括：对所述初始训练样本数据进行归一化处理；

所述利用所述经训练的人工神经网络模型进行导管数控弯曲成形质量的预测的步骤包括：在将输入参数值输入所述人工神经网络模型前，先进行归一化处理；及，在获得所述人工神经网络模型的输出值后，对所述输出值进行反归一化处理后获得所述导管的数控弯曲成形的质量指标值。

6.根据权利要求1或2所述的方法，其特征在于，所述步骤三中，所述建立人工神经网络模型的步骤包括：

根据导管材料的不同和/或导管的几何参数的不同分段建立多个人工神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述导管的几何参数包括：导管外径。

8.根据权利要求1或2所述的方法，其特征在于，所述对导管数控弯曲成形质量影响显著的工艺参数包括：压模压力、助推力、芯轴伸出量和芯轴间隙；所述对导管数控弯曲成形质量影响显著的导管设计参数包括：导管外径、壁厚、弯曲半径和弯曲角度。

9.一种导管数控弯曲成形质量的预测装置，其特征在于，包括：

有限元模型建立模块，用于建立用以模拟导管数控弯曲成形工艺过程的有限元模型；

参数确定模块，用于利用所述有限元模型，组织导管数控弯曲成形的有限元数值模拟试验，获得第一试验结果，根据所述第一试验结果确定出对导管数控弯曲成形质量影响显著的工艺参数和导管设计参数；

神经网络模块，用于以所述确定出的对导管数控弯曲成形质量影响显著的工艺参数和导管设计参数作为输入参数，以预定的质量指标作为输出参数，来建立人工神经网络模型；

预测模块，用于对所述人工神经网络模型进行训练，并利用经训练的人工神经网络模型进行导管数控弯曲成形质量的预测。

10.根据权利要求9所述的预测装置，其特征在于，所述预测模块中，用于对所述人工神经网络模型进行训练的初始训练样本为：

通过以所述确定出的对导管数控弯曲成形质量影响显著的工艺参数和导管设计参数作为设计因子、组织的导管数控弯曲成形的实验或有限元的数值模拟试验获得。

11.根据权利要求9或10所述的预测装置，其特征在于，所述导管数控弯曲成形有限元的数值模拟试验时基于正交设计方法组织的。

12.根据权利要求9所述的预测装置，其特征在于，所述神经网络模块建立的所述人工神经网络模型为：径向基人工神经网络模型。

13.根据权利要求9或10所述的预测装置，其特征在于，所述神经网络模块，进一步用于根据导管材料的不同和/或导管的几何参数的不同分段建立多个人工神经网络模型。

14.根据权利要求9或10所述的预测装置，其特征在于，所述参数确定模块确定出的所述对导管数控弯曲成形质量影响显著的工艺参数包括：压模压力、助推力、芯轴伸出量和芯轴间隙；所述对导管数控弯曲成形质量影响显著的导管设计参数包括：导管外径、壁厚、弯曲半径和弯曲角度。