冲压模具人机交互智能设计优化方法及系统与流程

本发明涉及冲压模具的，具体为冲压模具人机交互智能设计优化方法及系统。

背景技术：

1、在现代制造业领域，冲压模具设计和优化是一个关键的研究方向。冲压模具在各类工业产品的生产过程中扮演着重要角色，其设计的精度和质量直接影响产品的性能和生产效率。通过结合计算机辅助设计和仿真技术，实现对模具的智能化设计与优化。

2、在实际应用中，冲压模具的设计和优化面临诸多挑战。传统的仿真软件平台在处理复杂几何模型和大规模数据时，常常面临计算效率低下和结果不准确的问题。在执行仿真程序过程中，经常会出现应变集中区域，这些区域会导致模具局部应力过大，进而引发材料的疲劳损伤和早期失效。此外，缺乏智能化的设计优化手段，使得在遇到应变集中和疲劳损伤时，往往无法快速、有效地调整设计参数和优化方案，导致模具的使用寿命和生产效率降低。

技术实现思路

1、针对现有技术的不足，本发明提供了冲压模具人机交互智能设计优化方法及系统，解决了上述背景技术中的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：冲压模具人机交互智能设计优化系统，包括模型导入模块、数据采集模块、模拟分析模块及设计优化模块；

3、所述模型导入模块用于利用计算机辅助设计软件将待模拟的模具进行绘制，以获取三维模型，并将三维模型传输至仿真软件平台内进行网格划分，以生成若干组几何单元；

4、所述数据采集模块用于对若干组几何单元内的相关特性数据信息进行监测，并根据预先设定的加载条件数据对三维模型执行仿真程序，并在执行仿真程序时，实时监测模拟过程中的相关执行状态数据信息，并将相关特性数据信息及相关执行状态数据信息均上传至人机交互平台；

5、所述模拟分析模块用于依据卷积神经网络技术训练获取模具冲压预测模型，将人机交互平台中相关信息进行特征提取，以构建获取若干组几何单元内的应变分布系数yfxs，依据若干组几何单元内的应变分布系数yfxs数值大小，确定三维模型中的应变集中区域，并发出优化分析指令，当收到优化分析指令后，对应变集中区域展开相关劳损信息的监测与记录，并依据相关劳损信息构建疲劳系数plxs，结合模具冲压预测模型，将疲劳系数plxs与相应区域内的应变分布系数yfxs相关联，拟合获取相应区域内的综合评估指数zpzs；

6、所述设计优化模块用于预先设置评估阈值w，通过将所述综合评估指数zpzs与所述评估阈值w进行比对分析，以综合分析出当期区域内冲压程度，并根据冲压程度采取相应的优化手册。

7、优选的，所述模型导入模块包括绘制单元和划分单元；

8、所述绘制单元用于依照待模拟模具的规格，通过计算机辅助设计软件等比例绘制待模拟的模具，并在导出三维模型之前，检查三维模型的完整性，具体检查内容包括三维模型中是否存在悬空面或者重叠边界，所述计算机辅助设计软件包括但不限于cad软件和solidworks，在cad软件中以透明模式查看三维模型，手动检查是否有孤立的表面和未连接的部分；

9、所述划分单元用于以step文件格式将三维模型从计算机辅助设计软件中导出，再将导出的三维模型导入至仿真软件平台中，根据预先设置的网格尺寸和密度，并结合仿真软件平台中的自动网格生成功能，自动生成三维模型的网格，以生成若干组几何单元。

10、优选的，所述数据采集模块包括采集单元和监测单元；

11、所述采集单元用于对若干组几何单元内的相关特性数据信息进行监测与记录，同时预先设定待模拟模具的加载条件数据，其中所述相关特性数据信息包括若干组几何单元内的弹性模量txmz、泊松比bsb、密度、屈服强度以及拉伸强度，其中所述加载条件数据指的是在待模拟模具执行仿真程序时所施加的冲压力及冲压速度；

12、所述监测单元用于在执行仿真程序时，实时监测模拟过程中的相关执行状态数据信息，所述相关执行状态数据信息包括待模拟模具的原始长度l0及待模拟模具执行时长度的变化量△l。

13、优选的，所述模拟分析模块包括建模单元、初步分析单元、二次分析单元及综合分析单元；

14、所述建模单元用于使用卷积神经网络技术构建基础模型，并以相关特性数据信息、相关执行状态数据信息及相关劳损信息对基础模型进行训练和测试，并将训练后的基础模型作为冲压状态识别模型，分别获取冲压状态识别模型内的特征信息，并将获取的特征信息对冲压状态识别模型进行训练和测试，结合人机交互平台中呈现的优化分析指令，将训练后的冲压状态识别模型作为模具冲压预测模型。

15、优选的，所述初步分析单元用于依据相关特性数据信息及相关执行状态数据信息，通过将应变值ybz及相应几何单元内的弹性模量txmz做线性归一化处理，并将相应的数据值映射在区间[0,1]内，获取相应几何单元内的应变分布系数yfxs，以第i个几何单元内的应变分布系数yfxsi为例，其具体按照以下方式获取：

16、

17、式中，ybzi表示为第i个几何单元内的应变值，txmzi表示为第i个几何单元内的弹性模量，bsbi表示为第i个几何单元内的泊松比，k表示为第一修正常数，α及β均为权重系数。

18、优选的，依据上述获取第i个几何单元内的应变分布系数yfxsi的方式，分别对若干组几何单元内的应变分布系数yfxs进行获取，并依据统计学求均值算法，计算获取若干组应变分布系数的均值yfxsavg；

19、通过将若干组几何单元内的应变分布系数yfxs与均值yfxsavg进行大小比较，获取超过均值yfxsavg的相应几何单元内的应变分布系数yfxs，并将其均标记为应变集中区域，当应变集中区域超过几何单元总数10％时，此时通过人机交互平台向外发出优化分析指令。

20、优选的，所述二次分析单元用于在接收到优化分析指令之后，对应变集中区域展开相关劳损信息的监测，所述相关劳损信息包括循环载荷次数xhcs及循环载荷振幅xhzf；

21、并依据循环载荷次数xhcs及循环载荷振幅xhzf做线性归一化处理之后，获取疲劳系数plxs，所述疲劳系数plxs通过以下公式获取：

22、

23、式中，n表示为应变集中区域的数量，j＝1、2、3、...、n，xhcsj表示为第j应变集中区域的循环载荷次数，表示为所有应变集中区域内循环载荷次数的均值，xhzfj表示为第j应变集中区域的循环载荷振幅，表示为所有应变集中区域内循环载荷振幅的均值，ζ及λ均为权重系数。

24、优选的，所述综合分析单元用于依据初步分析单元及二次分析单元中获取的疲劳系数plxs与应变分布系数yfxs传输至模具冲压预测模型中，拟合获取相应区域内的综合评估指数zpzs，具体按照以下公式获取：

25、

26、式中，f1及f2均为权重系数，l表示为第二修正常数。

27、优选的，所述设计优化模块包括比对单元和优化单元；

28、所述比对单元用于依据相应区域内的综合评估指数zpzs与评估阈值w进行比对分析，以综合判断出当前区域内的冲压程度，具体内容如下：

29、若相应区域内的综合评估指数zpzs＞评估阈值w时，表示为当前应变集中区域内的冲压程度未处于正常状态，生成第一评估结果；

30、若相应区域内的综合评估指数zpzs＝评估阈值w时，表示为当前应变集中区域内的冲压程度未处于正常状态，当前执行仿真程序时所施加在模拟模具中的冲压力和冲压速度存在错误，生成第二评估结果；

31、若相应区域内的综合评估指数zpzs＜评估阈值w时，表示为当前应变集中区域内的冲压程度处于正常状态，生成第三评估结果；

32、所述优化单元用于依据比对单元中评估出的结果，采取相应的优化手册，具体优化内容如下：

33、若生成第一评估结果，当前执行仿真程序时所施加在模拟模具中的冲压力和冲压速度存在错误，此时将改变所施加的冲压力和冲压速度，进行循环分析，并在应变集中区域增配支撑结构，并优化冲压过程中的润滑条件；

34、若生成第二评估结果，此时将对应变集中区域进行局部表面处理，局部表面处理包括喷丸与激光硬化；

35、若生成第三评估结果，此时将保持当前的加载条件数据和模具设计，同时定期监控和维护，记录当前冲压参数和模具状态，并定期校准冲压设备和监测系统。

36、冲压模具人机交互智能设计优化方法，包括以下步骤，

37、步骤一、利用计算机辅助设计软件将待模拟的模具进行绘制，以获取三维模型，并将三维模型传输至仿真软件平台内进行网格划分，以生成若干组几何单元；

38、步骤二、对若干组几何单元内的相关特性数据信息进行监测，并根据预先设定的加载条件数据对三维模型执行仿真程序，并在执行仿真程序时，实时监测模拟过程中的相关执行状态数据信息，并将相关特性数据信息及相关执行状态数据信息均上传至人机交互平台；

39、步骤三、依据卷积神经网络技术训练获取模具冲压预测模型，将人机交互平台中相关信息进行特征提取，以构建获取若干组几何单元内的应变分布系数yfxs，依据若干组几何单元内的应变分布系数yfxs数值大小，确定三维模型中的应变集中区域，并发出优化分析指令，当收到优化分析指令后，对应变集中区域展开相关劳损信息的监测与记录，并依据相关劳损信息构建疲劳系数plxs，结合模具冲压预测模型，将疲劳系数plxs与相应区域内的应变分布系数yfxs相关联，拟合获取相应区域内的综合评估指数zpzs；

40、步骤四、预先设置评估阈值w，通过将所述综合评估指数zpzs与所述评估阈值w进行比对分析，以综合分析出当期区域内冲压程度，并根据冲压程度采取相应的优化手册。

41、本发明提供了冲压模具人机交互智能设计优化方法及系统，具备以下有益效果：

42、(1)通过利用计算机辅助设计软件绘制三维模型，并将模型传输至仿真软件平台内进行网格划分，进一步实现模具设计过程的自动化，以减少人工干预，提高设计效率和精度。数据采集模块能够在执行仿真程序时，实时监测若干组几何单元内的相关特性数据信息和模拟过程中的执行状态数据信息，并将这些数据上传至人机交互平台，这种实时监测和数据传输功能，进一步确保了仿真过程的高效性和准确性。模拟分析模块利用卷积神经网络技术训练模具冲压预测模型，对人机交互平台中的相关信息进行特征提取，构建应变分布系数yfxs，依据应变分布系数yfxs的数值大小，确定三维模型中的应变集中区域，并结合均值yfxsavg，分析出是否需要发送优化分析指令，此智能分析能力，进一步提升了仿真结果的可靠性和精度。模拟分析模块在收到优化分析指令后，展开对应变集中区域的劳损信息监测与记录，构建疲劳系数plxs，并结合模具冲压预测模型，将疲劳系数plxs与应变分布系数yfxs相关联，拟合获取综合评估指数zpzs，这种详细的疲劳分析，进一步帮助识别潜在失效区域，增强了模具设计的可靠性。设计优化模块通过预先设置评估阈值w，将综合评估指数zpzs与评估阈值w进行比对分析，综合判断当前区域的冲压程度，根据冲压程度采取相应的优化措施，以提高模具设计的科学性和合理性，确保模具在实际使用中的性能稳定和寿命延长。总之，该系统通过整合先进的计算机辅助设计、实时数据监测、智能仿真分析和优化决策技术，提供了一种高效、精准和智能的冲压模具设计优化系统，显著提升了模具设计和制造的整体水平。

43、(2)模拟分析模块通过建模单元使用卷积神经网络技术构建基础模型，并以相关特性数据信息、相关执行状态数据信息及相关劳损信息对基础模型进行训练和测试，最终形成冲压状态识别模型，该模型能够准确识别冲压状态，并进一步训练成为模具冲压预测模型，提升了仿真分析的智能化水平。综合分析单元结合人机交互平台中呈现的优化分析指令，对训练后的冲压状态识别模型进行进一步优化和测试，这种响应机制确保了仿真分析结果的及时优化和调整，提高了模具设计的精度和可靠性。通过对相关特性数据和执行状态数据的综合分析，系统能够快速识别模具设计中的问题并提出优化方案，这种高效的设计优化流程，有助于缩短设计周期，降低生产成本，提高模具的使用寿命和性能。

44、(3)初步分析单元通过统计学求均值算法计算多组几何单元内的应变分布系数的均值，并将超过均值的几何单元标记为应变集中区域，当应变集中区域占据几何单元总数的10％以上时，系统将通过人机交互平台发出优化分析指令，这种自动化的区域标记与识别过程，有效减少了人工干预的需要，提高了系统的智能化水平和操作效率。系统能够即时响应应变集中区域的识别，并通过人机交互平台实时发出优化分析指令，这种实时优化分析机制确保了模具设计过程中潜在问题的及时发现和解决，提高了设计的精度和效率，降低了设计周期和成本。二次分析单元对初步分析结果进行深入分析，这种多层次的分析方法，确保了仿真分析的全面性和准确性。

45、(4)通过对几何模型的网格进行均匀划分，以及对应变集中区域的识别与何时预警的分析，有效的降低了仿真结果出现偏差的可能，从而提升对模具的设计优化和生产效率。