[发明专利]一种实现锻压机智能自主学习和调控的方法

权利要求书

1.一种实现锻压机智能自主学习和调控的方法，其特征在于，该方法包括下列步骤：

(a)采集并获取在锻压的特征参数下成形的工件尺寸，以此形成特征参数与工件尺寸对应的初始样本库；构建神经网络模型，利用所述初始样本库中的数据训练，获得特征参数与工件尺寸的非线性关系，其中，所述特征参数包括坯料特征参数和锻压机加工特征参数；其中，所述坯料特征参数是坯料温度及坯料的定位偏差；所述锻压机加工特征参数是锻压机下压速度和保压时间；

(b)设定锻压期望工件尺寸，测量坯料特征参数，将该坯料特征参数与期望工件尺寸输入所述特征参数与工件尺寸的非线性关系中，并利用优化算法进行计算，以此获得在期望工件尺寸下锻压机加工特征参数，锻压机按照所述坯料特征参数和获得的锻压机加工特征参数锻压工件，测量获得的工件尺寸，以此获得工件的实际尺寸；

(c)将步骤(b)中的坯料特征参数、锻压机加工特征参数和实际尺寸增加到所述初始样本库中，以此更新所述初始样本库，然后计算步骤(b)中的工件实际尺寸和工件期望尺寸的尺寸偏差，当该尺寸偏差不在可接受阈值内时，利用更新后的初始样本库重新训练所述神经网络模型，以此对步骤(a)中的非线性关系进行修正，否则，不修正；由此实现智能锻压机自主学习和调控。

2.如权利要求1所述的一种实现锻压机智能自主学习和调控的方法，其特征在于，在步骤(a)中，所述神经网络模型采用BP神经网络模型。

3.如权利要求1所述的一种实现锻压机智能自主学习和调控的方法，其特征在于，在步骤(a)中，所述采集并获取在锻压的特征参数下成形的工件尺寸采用通过CAE模拟获得。

4.如权利要求1所述的一种实现锻压机智能自主学习和调控的方法，其特征在于，在步骤(b)中，所述优化算法采用遗传算法。

5.如权利要求1所述的一种实现锻压机智能自主学习和调控的方法，其特征在于，在步骤(c)中，所述尺寸偏差通过工件实际尺寸与期望尺寸做差获得，所述可接受阈值根据实际需求设定。