(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210584757.4 (22)申请日 2022.05.26 (71)申请人 南京航空航天大 学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 舒磊　孙硕　张丹　葛旺　周潜　 毕博　罗煦飞　马仁智　罗宇　 王淼　赵欣　杨闻韬　李潇涵　 赵天予　徐锋　 (74)专利代理 机构 南京天华专利代理有限责任 公司 32218 专利代理师 瞿网兰 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于有限元仿真和RNN神经网络的贮箱 内撑夹具装调质量预测方法 (57)摘要 一种基于有限元仿真和RNN神经网络的贮箱 内撑夹具装调质量预测方法， 其特征在于包括以 下步骤： 步骤1： 构建贮箱筒段和内撑夹具的三维 模型， 并对其装调过程进行有限元分析； 步骤2： 构建装调质量参数数据集； 对数据进行初筛和归 一化； 步骤3： 使用训练集构建机器学习预测模 型； 步骤4： 采用测试集测试验证机器学习预测模 型的精度并以评价指标进行评价。 本发明可以减 少工人劳动量， 显著缩减生产周期， 提高生产效 率。 权利要求书1页 说明书4页 附图3页 CN 114997004 A 2022.09.02 CN 114997004 A 1.一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法， 其特征在 于包括以下步骤： 步骤1： 构建贮箱筒段和内撑夹具的三维模型， 并对其装调过程进行有限元分析， 得到 内撑夹具不同伸缩量条件下仿真后的筒段工件形状， 提取特征后计算其装调质量参数:圆 度， 贴胎度， 错边量； 步骤2： 构建装调质量参数数据集； 对数据进行初筛和归一化， 将数据集内数据按比例 8： 1： 1划分为训练集， 交叉验证集和 测试集； 步骤3： 使用训练集构建机器学习预测模型， 未焊接筒段的初始形状参数以及内撑夹具 的16个伸缩量作为输入参数， 通过RNN神经网络预测模型计算装调后的环缝圆度， 贴胎度， 错边量以及各质量指标最大值对应的位置， 以评价指标评价 RNN神经网络预测模 型的精度， 采用交叉验证评估RN N神经网络预测模型的泛化能力； 步骤4： .采用测试集测试验证机器学习预测模型的精度并以评价指标进行评价， 当精 度达标时则输出RNN神经网络预测模型， 当精度不达标时则重复步骤3直至精度达标； 精度 达标后输出RN N神经网络预测模型， 即为贮箱内撑 夹具装调质量预测模型。 2.根据权利要求1所述的方法， 其特征在于所述的贮箱内撑夹具的有限元分析方法包 括以下步骤： 步骤1， 前处理关键部分： 使用模型的简化方法， 由于贮箱筒段属于薄壁圆件， 焊接过程 中厚度基本不变， 所以能用一群延径向距离不等的离散点依次连接， 形成多边形， 代替圆形 筒段， 将三维仿真简化 为二维仿真； 步骤2， 有限元分析， 边界条件设定时， 将向外凸起点设置为固定约束； 设置内撑夹具刚 接触筒段时伸缩量为零； 对调节伸缩量压紧工件过程进行动力学隐式分析， 两相邻筒段同 时被压紧； 步骤3， 后处理阶段， 输出量均与位移相关， 设置输出位移场即可， 从输出位移场中计算 圆度， 错边量， 贴胎度以及最大值对应位置； 提取相邻两筒段截面位移变化情况， 取圆度为 两截面形状中圆度最大的一个； 提取两截面对应位置上两离散点之 间的距离的最大值作为 错边量； 提取两截面上各离散点到内撑夹具压板距离的最大值作为贴胎度； 同时获取各最 大值对应离 散点位置。 3.根据权利要求1所述的方法， 其特征在于所述的数据集由以下参数组成： 内撑夹具有 16个伸缩杆， 未焊接的筒段有初始状态6个参数： 圆度、 粗糙度、 错边量以及相应最大值对应 位置， 共22个输入参数， 通过改变16个伸缩杆的伸缩量的调节得到装调后的圆度、 粗糙度、 错边量以及相应最大值对应的、 用于反映需要调节位置的离 散点序号， 共6个输出参数。 4.根据权利要求1所述的方法， 其特征在于： 所述的使用训练集构建机器学习预测模型 时机器学习方法选择RNN神经网络； 16个伸缩杆的伸缩量两两之间互相影响， 错边量， 贴胎 度越小， 圆度必然越小， 输入参数之间有相互影响关系， RNN符合这一特征； 输入层为16+6， 输出层为6， 隐层设置为5； 同时为了改善RNN梯度小时问题， 采用GEU单元， 改变RNN隐藏层， 使其能够更好的捕捉深层的连接 。权　利　要　求　书 1/1 页 2 CN 114997004 A 2一种基于有限元仿真和RN N神经网络的贮箱内撑夹具装调质 量预测方 法 技术领域 [0001]本发明涉及一种夹具装调质量的预测方法， 尤其是一种用有限元和RNN神经网络 进行预测的技术， 具体来说是一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质 量预测方法。 背景技术 [0002]随着焊接技术的发展， 搅拌摩擦焊技术应运而生， 搅拌摩擦焊技术广泛用于航空 航天， 轨道交通等领域。 比如火箭燃料贮箱环缝焊接。 火箭贮箱多采用铝镁合金， 铝锂合金 材料， 贮箱结构的体积大， 重量大， 弱刚性， 加工过程中易变形， 加工难度大。 所以在焊接加 工过程中需要内撑夹具保证其焊接质量。 目前在火箭燃料贮箱内撑夹具 的装调过程中， 由 于内撑夹具结构复杂， 完全依赖于人工装调， 经验 试错的方法， 效率低， 人工 劳动量大， 这也 拉长了火箭燃料贮箱的生产周期 。 如何加快装调速度， 提高装调效率， 是火箭贮箱制造的一 大难题。 [0003]在火箭燃料贮箱进行搅拌摩擦焊焊接过程中， 由于搅拌摩擦焊的搅拌头会产生很 大的下压力， 所以内部采用内撑夹具支撑。 内撑夹具一般为十六个伸缩杆和每个伸缩杆上 的弧形压板组成， 为了保证加工质量， 装调夹具时要调节到圆度， 错边量和贴胎度能达到合 格要求。 [0004]目前装调工作人员均 采用试错方法， 依次调节每个杆的伸缩量， 然后测量其圆度， 错边量和贴胎度。 该方法存在装调效率低， 工作负荷大， 装调质量不稳定的问题。 为了实现 燃料贮箱内撑 夹具的自动化装调， 急需解决贮箱内撑 夹具装调质量的预测难题。 发明内容 [0005]本发明的目的是针对现有的贮箱内撑夹具装调过程工作量大， 周期长 的问题， 提 出了一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法， 该方法能够 有效的进行夹具装调质量的预测。 [0006]本发明的技 术方案是： [0007]一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法， 通过对 贮箱内撑夹具的装调过程的进 行有限元刚柔耦合动力学仿 真获得装调后的质量参数。 将仿 真获得的数据进行初筛和归一化， 将数据划分为训练集， 测试集和交叉验证集； 采用训练集 构建RNN神经网络预测模型， 采用交叉验证评估RNN神经网络预测模型的泛化能力； 采用 测 试集测试RN N神经网络预测模型的精度并进行指标评价， 具体步骤如下： [0008]步骤1： 使用SOLIDWORKS构建燃料贮箱环 缝在搅拌摩擦焊接时 的内撑夹具模型， 以 及构建贮箱筒段简化模型。 [0009]步骤2： 使用有限元仿真软件ABAQUS 导入模型， 赋予工件及夹具材料属性并进行 网 格划分， 在划分网格时对接触区域部分进行网格细化， 以保证仿真结果的精度。说　明　书 1/4 页 3 CN 114997004 A 3