[发明专利]一种挤压铸造工艺温度参数设计方法

说明书

本发明提供一种挤压铸造工艺温度参数设计方法，属于挤压铸造技术领域，工艺参数设计方法首先基于KNN算法参考相近材料铸件的温度工艺参数从材料成分层面对浇注温度和模具预热温度进行初始设计。然后结合铸型参数和广义回归神经网络(GRNN)对设计误差较大的模具预热温度进行修正，建立了误差修正模型。该设计方法基于已有的研究数据，充分参考利用了现有的相关研究成果，无需进行繁琐的实验研究且工艺参数的设计精度较高。相比于现有的工艺参数设计方法，节省了大量的时间成本和实验成本。该方法具有普适性，不仅适用于挤压铸造工艺参数的设计，对于其它类似领域的参数设计同样适用。

技术领域

本发明涉及挤压铸造技术领域，尤其涉及一种挤压铸造工艺温度参数设计方法。

背景技术

挤压铸造工艺参数直接影响着铸件的力学性能和微观组织结构，合理的工艺参数是生产具有上述优势的挤压铸件的前提和关键。其中温度参数(浇注温度和模具预热温度)是最重要的参数之一，合理温度下铸件才能顺利凝固，产出成形完整的高质量铸件。不合适的温度会造成金属液流动性不足，导致浇不足或过早凝固，凝固区域分布不均匀，产生缩孔、缩松等缺陷，影响挤压铸件的力学性能。

现有的挤压铸造工艺参数设计方法主要有完全基于实验研究获取工艺参参数、基于实验数据建模优化获取工艺参数和理论计算三种。完全基于实验研究获取工艺参数方法和基于实验数据建模优化获取工艺参数的方法都需要进行实验，依赖于实验数据，且每次只能针对单一材料和铸件进行实验，而材料成分组成和铸件几何形状多种多样，因此其适应性和柔性差(即使是数值模拟，更换铸件需要重新建模、设计模具，迭代，耗时长)；且成本较高，获取工艺参数的时间较长。而对第三种方法，当前只有部分工艺参数设计公式，也多针对某一具有统一特性的一类铸件，局限性较大会，忽略了工艺参数之间的耦合作用，鲜有兼顾工艺参数间的相互作用，导致理论和实际存在较大误差。可见，现有工艺参数设计方法均有各自的缺点，难以满足挤压铸造工艺参数快速发展和评级应用的需求。

随着大数据时代的来临，数据成为一种生产资料，迫切需要加强对已有挤压铸造工艺数据的应用，及参考已有工艺参数数据构建数据驱动的工艺参数设计方法，以提高挤压铸造工艺参数的设计效率、降低成本。

发明内容

本发明的目的在于提供一种挤压铸造工艺温度参数设计方法，解决现有挤压铸造工艺计效率低和成本高的技术问题。

该温度工艺参数设计方法首先基于KNN算法参考相近材料铸件的温度工艺参数从材料成分层面对浇注温度和模具预热温度进行初始设计。然后结合铸型参数和广义回归神经网络(GRNN)对设计误差较大的模具预热温度进行修正，建立了误差修正模型。该设计方法基于已有的研究数据，充分参考利用了现有的相关研究成果，无需进行繁琐的实验研究且工艺参数的设计精度较高。相比于现有的工艺参数设计方法，节省了大量的时间成本和实验成本。该方法具有普适性，不仅适用于挤压铸造工艺参数的设计，对于其它类似领域的参数设计同样适用。

根据本发明的挤压铸造工艺参数设计方法，综合考虑了挤压铸造工艺参数的影响因素及其权重，实现了浇注温度和模具预热温度的工艺参数设计。

该方法结合了K-Nearest Neighbor(KNN)算法和广义回归神经网络(GRNN)。前者初步设计挤压铸造温度参数的初始值，后者修正初始设计值误差较大工艺参数，最终求解所需的工艺参数。所提出的温度工艺参数设计方法，无需进行繁琐的实验研究，降低了工艺参数的获取成本，达到快速设计工艺参数的目的。不仅适用于挤压铸造领域的工艺参数设计，对于其它类似领域的工艺参数设计同样适用，具有普适性。此外，该方法有助于加强对现有数据的应用，符合大数据时代背景下强调数据利用的时代潮流，有助于制造领域的数字化、智能化制造。

为了实现上述目的，本发明采用的技术方案如下：

一种挤压铸造工艺温度参数设计方法，所述方法包括如下步骤：