一种冲压数据低成本获取方法及工艺能量图谱的构建方法

1.本发明属于冲压成形生产监测领域，具体涉及一种冲压数据低成本获取方法与系统，以及对应的数据处理设备，还涉及一种工艺能量图谱的构建方法以及冲压工件的加工质量在线监测方法。


背景技术：

2.在冲压加工工艺中，如何对加工过程进行质量监测一直是本领域技术人员面临的一个难题。由于冲压模具的封闭性，冲压工件通常在一个封闭的加工环境中快速完成；技术上难以实现对冲压加工质量的直接测量。现有技术通常是基于设备的运行参数或反馈信号对加工过程的冲压工件的厚度变化进行预测，进而实现对冲压工件加工质量的评估。
3.在此基础上，本发明的技术人员提出了一种基于工艺能量图谱的冲压工件加工质量的监测方法。该方案主要研究冲压工件加工过程中的厚度变化与工艺能量以及冲压深度之间的关系，并在后续质量监测过程中结合加工过程的冲压工件的工艺能量以及冲压深度变化预测冲压工件的厚度变化，然后根据冲压工件的最大增厚率和最大减薄率判断冲压工件是否发生起皱或破裂，进而得到冲压工件的加工质量评估结果。
4.基于工艺能量图谱的冲压工件加工质量在线监测方法具有很高的监测精度，但是也存在一个不容忽视的缺陷，即质量监测方案的精度非常依赖样本数据的规模。该方案需要对指定冲压工艺条件下的每一类冲压工件进行大量的实际测试，才能获得足够的样本数据，然后利用这些真实的样本数据创建工艺能量图谱，并指导实际生产。以构建材料为aa5052铝合金、冲压深度为28mm的类车门内板件的工艺能量图谱为例。技术人员需要以1mm为间隔，选取1mm至28mm的冲压深度确定工艺能量图谱的横坐标，每个冲压深度下设定16组工艺条件，则需要加工448个类车门内板件，采集448个类车门内板件的工艺能量与厚度变化数据。此外，材料类型或工件形状、结构及尺寸发生变化，技术人员又需要重复上述步骤。这些都大大增加了工艺能量图谱的构建成本。
5.由此可见：在通过实际冲压测试来获取样本数据的采集策略下，每个冲压深度下均需要完成一次冲压加工，加工完成后还需要对冲压工件进行切割以采集构建工艺能量图谱所需的厚度变化数据，这将造成人力资源与物质资源的极大消耗，大幅提高方案的应用成本，导致测试周期过长，测试成本高昂。基于此，本领域技术人员亟需一种可以低成本获取大量可靠的冲压数据的方式，来避免实际测试造成的低效和资源浪费的局面。


技术实现要素：

6.为了解决传统的通过实际冲压测试获取冲压数据的方式存在的效率低和成本高的问题，本发明提供一种冲压数据低成本获取方法及工艺能量图谱的构建方法。
7.本发明采用以下技术方案实现：
8.一种冲压数据低成本获取方法，其用于低成本获取构建工艺能量图谱所需的具有映射关系的工艺能量和厚度变化数据；厚度变化数据包括最大减薄率和增大增厚率。冲压
数据的低成本获取方法包括如下步骤：
9.s1：在预设的冲压工艺条件下，通过实际冲压测试获取若干离散的样本数据，样本数据包括测量冲压力与测量工艺能量。
10.s2：构建一个用于模拟冲压成形过程的仿真模型，仿真模型包括冲压几何模型和有限元模型。冲压几何模型用于反映冲压成形的模具与板料的形状、结构与尺寸。有限元模型用于模拟板料的冲压成形，从而获取冲压工件的厚度变化与工艺能量间的映射关系。
11.s3：利用仿真模型生成仿真最大减薄率、仿真最大增厚率与仿真工艺能量。
12.s4：计算仿真工艺能量与测量工艺能量间的偏差；然后做出如下决策：
13.a.当偏差大于修正阈值时，对冲压几何模型中需要人工输入的模型参数进行实际测量，并将模型参数的实际测量值输入冲压几何模型中进行冲压几何模型的修正；并对有限元模型中的摩擦系数μ进行迭代修正。
14.b.当偏差不大于修正阈值时，保存当前的仿真模型作为数值模型。
15.s5：以数值模型为工具，生成构建工艺能量图谱所需的具有映射关系的工艺能量和厚度变化数据。
16.作为本发明进一步的改进，步骤s4中，摩擦系数的修正策略如下：
17.s01：初始化摩擦系数种群μ(g)、突变概率fa、交叉概率cr、最大迭代次数ger、个体学习因子b1、种群学习因子b2和惯性权值q。
18.s02：计算当前摩擦系数种群μ(g)中每个原始摩擦系数个体μi(g)对应工艺能量的平均绝对百分比误差e
ma,i
(g)，并识别出平均绝对百分比误差最小的最优摩擦系数个体μm(g)。
19.s03：基于下式更新摩擦系数种群μ(g)中原始摩擦系数个体μi(g)的进化方向vi(g+1)：
[0020][0021]
上式中，r1与r2为0到1之间的随机值；e为单位矩阵；e
ma,m
(g)为最优摩擦系数个体的平均绝对百分比误差；μi(g)、μq(g)与μr(g)为摩擦系数种群μ(g)中随机选择的三个原始摩擦系数个体。
[0022]
s04：根据进化方向vi(g+1)选择当前摩擦种群μ(g)中的原始摩擦系数个体μi(g)进行变异，得到突变摩擦系数个体μ
i’(g)，变异操作的公式如下：
[0023][0024]
上式中，fa(g+1)为第g+1次迭代的突变概率。
[0025]
s05：对当前摩擦种群μ(g)中的突变摩擦系数个体μ
i’(g)与原始摩擦系数个体μi(g)进行交叉操作，产生新的摩擦系数个体，交叉操作的策略如下：
[0026]
[0027]
上式中，randi是原始摩擦系数个体μi(g)与突变摩擦系数个体μ
i’(g)进行交叉操作时产生的0到1之间的随机数。
[0028]
s06：比较突变摩擦系数个体μ
i’(g)与原始摩擦系数个体μi(g)的工艺能量平均绝对百分比误差，以更新摩擦系数个体获得g+1次迭代时的摩擦系数种群μ(g+1)：
[0029][0030]
上式中，e
ma,i’(g)为突变摩擦系数个体μ
i’(g)对应的工艺能量平均绝对百分比误差。
[0031]
s07：判断当前迭代次数g是否小于最大迭代次数ger：
[0032]
是则循环执行步骤s02～s06。
[0033]
否则结束迭代，输出当前摩擦系数种群μ(g)中工艺能量平均绝对百分比误差最小的最优摩擦系数个体μm(g)作为更新后的摩擦系数。
[0034]
本发明还包括一种工艺能量图谱的构建方法，其包括如下步骤：
[0035]
一、在预设的冲压工艺条件下，通过实际冲压测试获取若干离散的样本数据。
[0036]
二、采用如前述的冲压数据低成本获取方法，结合采集到的样本数据建立一个数值模型。
[0037]
该数值模型用于生成由具有映射关系的最大减薄率、最大增厚率与冲压深度、冲压力构成的数组。
[0038]
三、以冲压深度h
p
和工艺能量e分别为横纵坐标绘制空白的工艺能量图谱，并根据工艺对参数的约束，确定工艺能量图谱中的一个具有边界的待填充区。
[0039]
四、利用数值模型对空白的工艺能量图谱中的待填充区进行数据填充，过程如下：
[0040]
4.1：利用数值模型生成由关联的仿真冲压深度h
ps
、仿真冲压力fs、仿真最大增厚率δ
mtcs
、以及仿真最大减薄率δ
mtns
构成的第一数组u1：u1＝{h
ps
，fs，δ
mtcs
，δ
mtns
}。
[0041]
4.2：根据仿真冲压深度h
ps
和仿真冲压力fs计算对应的仿真工艺能量es：
[0042][0043]
上式中，fs(x)为仿真冲压力fs关于仿真冲压深度h
ps
的拟合函数；
[0044]
4.3：将第一数组u1转换为第二数组u2：u2＝{h
ps
，es，δ
mtcs
，δ
mtns
}。
[0045]
4.4：以第二数组中的仿真冲压深度h
ps
和仿真工艺能量es分别作为待填充区内像素点的横坐标和纵坐标，仿真最大增厚率δ
mtcs
与仿真最大减薄率δ
mtns
分别为对应像素点的第一属性值和第二属性值；完成对空白工艺能量图谱的像素填充。
[0046]
五、以纵标轴为对称轴，将以上步骤填充后的图像镜像为两个对称的部分；分别为起皱识别区和破裂识别区。
[0047]
六、按照预设的颜色映射关系，根据第一属性值对起皱识别区内的各个像素点进行着色，并根据第二属性值对破裂识别区内的各个像素点进行着色。
[0048]
七、根据预设的安全阈值，划分出起皱识别区中的起皱区和安全区的边界，以及破裂识别区中的破裂区和安全区的边界，得到所需的工艺能量图谱。
[0049]
本发明还包括一种冲压工件的加工质量在线监测方法，其包括如下步骤：
[0050]
步骤1：获取当前待加工冲压工件的采用如前述的工艺能量图谱的构建方法生成
的工艺能量图谱。
[0051]
步骤2：实时采集待加工冲压工件在实际加工过程中实时冲压深度h
real
和实时冲压力f
real
。
[0052]
步骤3：根据加工过程中的实时冲压深度h
real
和实时冲压力f
real
计算出实时工艺能量e
real
。
[0053]
步骤4：根据待加工冲压工件在加工过程中的实时冲压深度h
real
和实时工艺能量e
real
的状态变化，在工艺能量图谱的起皱识别区和破裂识别区绘制出对应的状态轨迹。
[0054]
步骤5：根据状态轨迹评估加工出的冲压工件加工质量：
[0055]
(1)当状态轨迹中任意一点经过破裂区时，判断加工出的冲压工件已发生破裂。
[0056]
(2)当状态轨迹的终点位于起皱区内时，判断加工出的冲压工件存在局部起皱。
[0057]
本发明还包括一种冲压数据低成本获取系统，其采用如前述的冲压数据低成本获取方法，结合测量工艺能量和仿真模型得到一个用于低成本获取冲压数据的数值模型。冲压数据低成本获取系统包括：测量工艺能量获取模块、仿真模型构建模块、误差计算模块、摩擦系数更新模块、以及数值模型修正模块。
[0058]
其中，测量工艺能量获取模块用于根据实际冲压测试获取的若干离散的样本数据计算出测量工艺能量。
[0059]
仿真模型构建模块包括冲压几何模型和有限元模型；冲压几何模型用于反映冲压成形的模具与板料的形状、结构与尺寸。有限元模型用于模拟板料的冲压变形，从而获取冲压工件的厚度变化与工艺能量间的映射关系。仿真模型用于生成仿真最大减薄率、仿真最大增厚率与仿真工艺能量。
[0060]
误差计算模块用于计算构建的仿真模型生成的仿真工艺能量与测量工艺能量间的偏差。
[0061]
摩擦系数更新模块用于在误差计算模块计算出的偏差超出修正阈值时，采用如前述的修正策略对有限元模型中的摩擦系数进行迭代修正。
[0062]
数值模型修正模块用于在误差计算模块计算出的偏差超出修正阈值时，对冲压几何模型中的人工输入的参数进行重置，并对有限元模型中的摩擦系数进行更新；在误差计算模块计算出的偏差未超出修正阈值时，保留对应的仿真模型中的参数，得到一个用于生成反映冲压工件的最大减薄率、最大增厚率与工艺能量间的映射关系的数值模型。
[0063]
本发明还包括一种数据处理设备，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，创建出如前述的冲压数据低成本获取系统；然后根据采集到的冲压测试过程中的若干离散的样本数据，自动创建出一个可以生成反映指定工艺条件下的冲压工件的最大减薄率、最大增厚率与工艺能量间的映射关系的数值模型。
[0064]
本发明提供的技术方案，具有如下有益效果：
[0065]
本发明提出的冲压数据低成本获取方法，通过构建高精度的冲压成形仿真模型来获取大量的工艺能量与厚度变化数据，进而用于低成本构建工艺能量图谱。利用工艺能量图谱可以实现对冲压工件的加工质量进行在线监测。
[0066]
在仿真模型的构建与修正过程中，为了保证仿真模型的准确性和可靠性，本发明设计了一种新的模型迭代修正策略，并设计了一种对有限元模型中的摩擦系数进行迭代寻
优的改进粒子群差分算法(pso-de)。本发明将冲压成形仿真模型的仿真工艺能量为动态响应，以摩擦系数为优化参数，通过改进后的算法对摩擦系数不断进行寻优，进而使得构建的仿真模型生成的仿真工艺能量与实际冲压测试得到的测量工艺能量趋于一致，以保证最终生成的工艺能量与厚度变化数据的准确性。
[0067]
本发明提供的冲压数据低成本获取方法中得到数值模型，可以代替传统工艺能量图谱构建过程中实际冲压测试得到的测量工艺能量与测量厚度变化数据，进而在保证相似的数据精度的条件下，大幅降低实际测量产生的高昂的数据采集成本，提高了构建出的工艺能量图谱的实用价值。
附图说明
[0068]
图1为本发明实施例1中提供的一种冲压数据低成本获取方法的步骤流程图。
[0069]
图2为本发明实施例1中获取测量工艺能量的步骤流程图。
[0070]
图3为本发明实施例1中仿真模型创建与应用过程的流程图。
[0071]
图4为本发明实施例1中冲压成形仿真模型准确性评估过程的原理图。
[0072]
图5为本发明实施例1的有限元模型中的摩擦系数迭代修正过程的步骤流程图。
[0073]
图6为本发明实施例2中提供的一种冲压数据低成本获取系统的框架图。
[0074]
图7为本发明实施例4中提供的一种工艺能量图谱的构建方法的步骤流程图。
[0075]
图8为本发明实施例4中工艺能量图谱的构建方法实施过程的案例图。
[0076]
图9为本发明实施例5中提供的一种冲压工件的加工质量在线监测方法的步骤流程图。
[0077]
图10为性能测试实验中，4类不同冲压控制参数组合(cb1、cb2、cb3、cb4)对应的仿真工艺能量及其误差图。
[0078]
图11为本发明中改进后的pso-de算法与传统的pso算法在寻找最优摩擦系数个体时的精度与运行速度的对比。
[0079]
其中，图11中(a)部分为两种算法得出的最优摩擦系数个体对应的工艺能量的平均绝对百分比误差，图11中(b)部分为两种算法的收敛曲线。
[0080]
图12为性能测试实验中，4类不同冲压控制参数组合(cb1、cb2、cb3、cb4)对应的仿真厚度变化及误差。
[0081]
图13为三种不同方式构建的工艺能量图谱的对比。
[0082]
其中，map1为利用大量测量冲压数据构建的工艺能量图谱；map2为利用本发明中数值模型生成的冲压数据构建的工艺能量图谱；map3为利用未经修正的初始仿真模型生成的冲压数据构建的工艺能量图谱。
[0083]
图14为map1～map3中不同工艺能量图谱的厚度变化监测结果的空间分布图。
[0084]
图15为map1～map3中不同工艺能量图谱的监测精度对比。
[0085]
其中，(a)部分对应不同监测结果的平均绝对百分比误差；(b)部分对应不同监测结果的缺陷识别准确率。
[0086]
图16为利用本发明构建的工艺能量图谱可视化的冲压工件厚度变化路径。
[0087]
图17为图16对应的不同工艺路径下，加工出的真实冲压工件的加工质量对比图。
具体实施方式
[0088]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步地详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0089]
实施例1
[0090]
本实施例提供一种冲压数据低成本获取方法，其用于低成本获取构建工艺能量图谱所需的具有映射关系的工艺能量和厚度变化数据；厚度变化数据包括最大减薄率和增大增厚率。如图1所示，冲压数据低成本获取方法包括如下过程：
[0091]
在预设的冲压工艺条件下，通过实际冲压测试获取若干离散的样本数据，样本数据包括测量冲压力与测量工艺能量。
[0092]
如图2所示，每组样本数据的采集方法如下：
[0093]
a.设置l个冲压深度。
[0094]
b.通过实际冲压测试测量冲压工件在l个冲压深度下对应的冲压力。
[0095]
c.根据l个冲压深度及其对应的冲压力计算出l个冲压深度对应的工艺能量：
[0096][0097]
上式中，e
l’为冲压深度为l时的测量工艺能量；f(x)为冲压力f关于冲压深度h
p
的拟合函数。
[0098]
构建一个用于模拟冲压成形过程的仿真模型，仿真模型包括冲压几何模型和有限元模型。冲压几何模型用于反映冲压成形的模具与板料的形状、结构与尺寸。有限元模型用于模拟板料的冲压成形，从而获取冲压工件的厚度变化与工艺能量间的映射关系。
[0099]
如图3所示，本实施例中的冲压几何模型采用包括solidworks、3dmax与unity等任意一种三维几何建模软件构建。构建冲压几何模型的参数主要包括模具的结构参数如凸模、凹模与压边圈的结构参数，还有板料的结构参数等。有限元模型采用包括dynaform、abaqus等任意一种有限元分析软件建立。为了驱动有限元模型的运行，需将冲压控制参数、材料的性能参数、摩擦系数等输入至有限元模型中，这些参数需要结合实际的冲压工件进行合理设计，在此不作赘述。
[0100]
利用仿真模型生成仿真最大减薄率、仿真最大增厚率与仿真工艺能量。
[0101]
在本实施例提供的方案中，工艺能量实际上为工艺能量图谱的纵坐标，其准确性直接决定图谱的监测范围。本实施例提供的仿真模型本质上是需要替代实际的冲压测试来生成相关的冲压数据，因此仿真模型得到的仿真工艺能量和仿真厚度变化与实际冲压测试中得到的测量工艺能量与测量厚度变化应当保持一致。在本实施例方案的后续工作中，主要的内容是通过迭代修正来对仿真模型进行修正，使得仿真模型生成的仿真工艺能量与仿真厚度变化与测量工艺能量与测量厚度变化更加趋同。
[0102]
如图4所示，对冲压成形仿真模型准确性进行评估，进而对有限元模型中的摩擦系数μ进行迭代修正，每轮迭代过程中先计算仿真工艺能量与测量工艺能量间的偏差；然后做出如下决策：
[0103]
a.当偏差大于修正阈值时，对冲压几何模型中需要人工输入的模型参数进行实际测量，并将模型参数的实际测量值输入冲压几何模型中进行冲压几何模型的修正；并利用
迭代后的摩擦系数对有限元模型进行修正。
[0104]
b.当偏差不大于修正阈值时，保存当前的仿真模型作为数值模型。
[0105]
在本实施例提供的方案中，仿真工艺能量与测量工艺能量间的偏差采用平均绝对百分比误差e
ma
来衡量，其具体计算公式如下：
[0106][0107]
其中，e
p,i’为冲压深度为i时的实际冲压测试得到的测量工艺能量；e
p,i
分别为冲压深度为i时仿真模型生成的仿真工艺能量；n为实际冲压测试得到的测量工艺能量的数据的组数。在本实施例中，预设的修正阈值为10％。
[0108]
在计算完仿真工艺能量与测量工艺能量的偏差后，若偏差大于设定的修正阈值则需要对冲压仿真模型进行修正。由于冲压成形的仿真模型与实际冲压测试得到的测量数据间的偏差主要来源于建模参数与实际冲压使用参数的不一致，因此冲压成形仿真模型的修正主要是对建模参数的修正。
[0109]
本实施例将仿真模型的修正分为两个部分：一是对冲压几何模型的修正，二是对有限元模型的修正。
[0110]
其中，冲压几何模型的结构参数可以根据对模具、板料等的精确测量来保证其与实际的一致性。对于有限元模型驱动参数中的控制参数如冲压速度、压边力等，由于其为主动输入参数，通常只需保证仿真模型的输入数值与实际输入数值一致即可，然而在实际成形过程中控制参数难免会出现波动，而导致仿真结果与测量结果出现偏差。为避免误判，可设定多组冲压速度与压边力组合，对不同控制参数组合下的仿真工艺能量与测量工艺能量进行对比，以消除由于偶然波动导致的偏差。对于板料的材料性能参数，由于每一块板料的材料性能均有可能存在区别，即便对某一次冲压成形过程中的材料性能参数进行修正，在下一次成形时，仍可能与实际存在偏差。因此，板料的材料性能参数使用默认值即可。
[0111]
在有限元模型的修正过程中，本实施例技术人员研究发现：对于模具与板料间的摩擦系数，尽管在不同的摩擦系数下，所构建的工艺能量图谱均可有效的监测冲压工件的厚度变化，然而摩擦系数的变化仍会影响工艺能量与厚度变化之间的量化关系，从而导致所构建的工艺能量图谱的监测精度下降。因此，对冲压的有限元模型中的摩擦系数进行修正，是保证数据精度的必要措施。
[0112]
在本实施例中，如果仅仅通过经验设定一个固定的摩擦系数，往往会与实际的摩擦系数存在偏差。此外，由于模具在运行过程中难免会磨损，人的经验往往也难以考虑该因素导致的摩擦系数的变化。因此，本实施例通过一个改进后粒子群差分算法(pso-de)来辅助完成摩擦系数的迭代寻优。在迭代过程，本实施例以冲压成形过程的工艺能量作为动态响应，以摩擦系数作为优化参数实现。如图5所示，本实施例在有限元模型修正过程中的对摩擦系数的迭代修正过程如下：
[0113]
s01：初始化摩擦系数种群μ(g)、突变概率fa、交叉概率cr、最大迭代次数ger、个体学习因子b1、种群学习因子b2和惯性权值q。
[0114]
其中，摩擦系数种群μ(g)为：
[0115]
μ(g)＝(μ1(g),μ2(g),
…
,μi(g),
…
,μ
τ
(g))
[0116]
上式中，g为迭代次数；当g＝1时，迭代处于初始状态；τ为摩擦系数种群μ(g)中原
始摩擦系数个体的数量。
[0117]
摩擦系数种群μ(g)中的第i个摩擦系数个体μi(g)为：
[0118]
μi(g)＝(μ
1,i
(g),μ
2,i
(g))
[0119]
上式中，μ
1,i
(g)为第i个原始摩擦系数个体μi(g)中板料与压边圈的摩擦系数；μ
2,i
(g)为第i个原始摩擦系数个体μi(g)中板料与凹模之间的摩擦系数。
[0120]
本实施例中，第i个原始摩擦系数个体μi(g)中板料与压边圈的摩擦系数μ
1,i
(g)和第i个原始摩擦系数个体μi(g)中板料与凹模之间的摩擦系数μ
2,i
(g)的值在预设的最大摩擦系数μ
max
与最小摩擦系数μ
min
之间随机选取，公式如下：
[0121][0122]
s02：计算当前摩擦系数种群μ(g)中每个原始摩擦系数个体μi(g)对应工艺能量的平均绝对百分比误差e
ma,i
(g)，并识别出平均绝对百分比误差最小的最优摩擦系数个体μm(g)。
[0123]
本实施例中，摩擦系数种群μ(g)中原始摩擦系数个体μi(g)对应的工艺能量的平均绝对百分比误差e
ma,i
(g)的计算公式为：
[0124][0125]
上式中，e
l
(μi(g))为冲压深度为l时，冲压成形仿真模型采用原始摩擦系数个体μi(g)作为摩擦系数时的工艺能量；h
p,max
为总冲压深度。
[0126]
s03：基于下式更新摩擦系数种群μ(g)中原始摩擦系数个体μi(g)的进化方向vi(g+1)：
[0127][0128]
上式中，r1与r2为0到1之间的随机值；e为单位矩阵；e
ma,m
(g)为最优摩擦系数个体的平均绝对百分比误差；μi(g)、μq(g)与μr(g)为摩擦系数种群μ(g)中随机选择的三个原始摩擦系数个体。
[0129]
s04：根据进化方向vi(g+1)选择当前摩擦种群μ(g)中的原始摩擦系数个体μi(g)进行变异，得到突变摩擦系数个体μ
i’(g)，变异操作的公式如下：
[0130][0131]
上式中，fa(g+1)为第g+1次迭代的突变概率。
[0132]
s05：对当前摩擦种群μ(g)中的突变摩擦系数个体μ
i’(g)与原始摩擦系数个体μi(g)进行交叉操作，产生新的摩擦系数个体，交叉操作的策略如下：
[0133]
[0134]
上式中，randi是原始摩擦系数个体μi(g)与突变摩擦系数个体μ
i’(g)进行交叉操作时产生的0到1之间的随机数。
[0135]
s06：比较突变摩擦系数个体μ
i’(g)与原始摩擦系数个体μi(g)的工艺能量平均绝对百分比误差，以更新摩擦系数个体获得g+1次迭代时的摩擦系数种群μ(g+1)：
[0136][0137]
上式中，e
ma,i’(g)为突变摩擦系数个体μ
i’(g)对应的工艺能量平均绝对百分比误差。
[0138]
s07：判断当前迭代次数g是否小于最大迭代次数ger：
[0139]
是则循环执行步骤s02～s06。
[0140]
否则结束迭代，输出当前摩擦系数种群μ(g)中工艺能量平均绝对百分比误差最小的最优摩擦系数个体μm(g)作为修正后的摩擦系数。
[0141]
最后，在达到最大迭代次数或修正后的仿真模型得到的仿真工艺能量与实际测量工艺能量间的偏差小于预先设定的修正阈值时，保存仿真模型作为所需的数值模型。然后以数值模型为工具，生成构建工艺能量图谱所需的具有映射关系的工艺能量和厚度变化数据。
[0142]
实施例2
[0143]
在实施例1中方案的基础上，本实施例进一步提供一种冲压数据低成本获取系统，如图6所示，其采用如实施例1中的冲压数据低成本获取方法，结合测量工艺能量和仿真模型得到一个用于低成本获取冲压数据的数值模型。本实施例中的冲压数据低成本获取系统包括：测量工艺能量获取模块、仿真模型构建模块、误差计算模块、摩擦系数更新模块、以及数值模型修正模块。
[0144]
其中，测量工艺能量获取模块用于根据实际冲压测试获取的若干离散的样本数据计算出测量工艺能量。
[0145]
仿真模型构建模块包括冲压几何模型和有限元模型；冲压几何模型用于反映冲压成形的模具与板料的形状、结构与尺寸。有限元模型用于模拟板料的冲压成形，从而获取冲压工件的厚度变化与工艺能量间的映射关系。所述仿真模型用于生成仿真最大减薄率、仿真最大增厚率与仿真工艺能量。
[0146]
误差计算模块用于计算构建的仿真模型生成的仿真工艺能量与测量工艺能量间的偏差。
[0147]
摩擦系数更新模块用于在误差计算模块计算出的偏差超出修正阈值时，采用如实施例1中的修正策略对有限元模型中的摩擦系数进行迭代修正。
[0148]
数值模型修正模块用于在误差计算模块计算出的偏差超出修正阈值时，对冲压几何模型中的人工输入的参数进行重置，并对有限元模型中的摩擦系数进行修正；在误差计算模块计算出的偏差未超出修正阈值时，保留对应的仿真模型中的参数，得到一个用于生成反映冲压工件的最大减薄率、最大增厚率与工艺能量间的映射关系的数值模型。
[0149]
实施例3
[0150]
本实施例提供一种数据处理设备，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，创建出如实施例2中的冲压数
据低成本获取系统；然后根据采集到的实际冲压测试获取的若干离散的样本数据，自动构建出一个可以生成反映指定工艺条件下的冲压工件的最大减薄率、最大增厚率与工艺能量间的映射关系的数值模型。该数值模型可以用于在工艺能量图谱构建过程中对图谱中的数据进行填充。
[0151]
本实施例提供的数据处理设备本质上是一种计算机设备，计算机设备可以是能执行程序的智能终端、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。
[0152]
本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器、处理器。
[0153]
本实施例中，存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。当然，存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器通常用于存储安装于计算机设备的操作系统和各类应用软件等。此外，存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0154]
处理器在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作。本实施例中，处理器用于运行存储器中存储的程序代码或者处理数据。
[0155]
实施例4
[0156]
在实施例1方案的基础上，本实施例进一步提供一种工艺能量图谱的构建方法，如图7和图8所示，其包括如下步骤：
[0157]
一、在预设的冲压工艺条件下，通过实际冲压测试获取若干离散的样本数据。
[0158]
二、采用如实施例1中的冲压数据低成本获取方法，结合采集到的样本数据建立一个数值模型。
[0159]
该数值模型用于生成由具有映射关系的最大减薄率、最大增厚率与冲压深度、冲压力构成的数组。
[0160]
三、以冲压深度h
p
和工艺能量e分别为横纵坐标绘制空白的工艺能量图谱，并根据工艺对参数的约束，确定工艺能量图谱中的一个具有边界的待填充区。得到的结果如图8中(a)部分所示。
[0161]
四、利用数值模型对空白的工艺能量图谱中的待填充区进行数据填充，过程如下：
[0162]
4.1：利用数值模型生成由关联的仿真冲压深度h
ps
、仿真冲压力fs、仿真最大增厚率δ
mtcs
、以及仿真最大减薄率δ
mtns
构成的第一数组u1：u1＝{h
ps
，fs，δ
mtcs
，δ
mtns
}。
[0163]
4.2：根据仿真冲压深度h
ps
和仿真冲压力fs计算对应的仿真工艺能量es：
[0164]
[0165]
上式中，fs(x)为仿真冲压力fs关于仿真冲压深度h
ps
的拟合函数。
[0166]
4.3：将第一数组中的仿真冲压力fs替换为仿真工艺能量es，进而转换为第二数组u2：u2＝{h
ps
，es，δ
mtcs
，δ
mtns
}。
[0167]
4.4：以第二数组中的仿真冲压深度h
ps
和仿真工艺能量es分别作为待填充区内像素点的横坐标和纵坐标，仿真最大增厚率δ
mtcs
与仿真最大减薄率δ
mtns
分别为对应像素点的第一属性值和第二属性值；完成对空白工艺能量图谱的像素填充。
[0168]
五、以纵坐标为对称轴，将以上步骤填充后的图谱镜像为两个对称的部分；分别为起皱识别区和破裂识别区。得到的结果如图8中的(b)部分所示。
[0169]
六、按照预设的颜色映射关系，根据第一属性值对起皱识别区内的各个像素点进行着色，并根据第二属性值对破裂识别区内的各个像素点进行着色。得到的结果如图8中的(c)部分所示。
[0170]
七、根据预设的安全阈值，划分出起皱识别区中的起皱区和安全区的边界，以及破裂识别区中的破裂区和安全区的边界，得到所需的工艺能量图谱。
[0171]
实施例5
[0172]
本实施例提供一种冲压工件的加工质量在线监测方法，如图9所示，其包括如下步骤：
[0173]
步骤1：获取当前待加工冲压工件的采用如实施例4中的工艺能量图谱构建方法生成的工艺能量图谱。
[0174]
步骤2：实时采集待加工冲压工件在实际加工过程中的实时冲压深度h
real
和实时冲压力f
real
。
[0175]
步骤3：根据加工过程中的实时冲压深度h
real
和实时冲压力f
real
计算出实时工艺能量e
real
。
[0176]
步骤4：根据待加工冲压工件在加工过程中的实时冲压深度h
real
和实时工艺能量e
real
的状态变化，在工艺能量图谱的起皱识别区和破裂识别区绘制出对应的状态轨迹。
[0177]
步骤5：根据状态轨迹评估加工出的冲压工件加工质量：
[0178]
(1)当状态轨迹中任意一点经过破裂区时，判断加工出的冲压工件已发生破裂。
[0179]
(2)当状态轨迹的终点位于起皱区内时，判断加工出的冲压工件存在局部起皱。
[0180]
性能测试
[0181]
为了验证本实施例提出的冲压数据低成本获取方法在工艺能量图谱构建成本降低及其在实际应用过程的有效性。以下以类车门内板件为例，选用aa5052铝合金作为其材料，制定一个构建工艺能量图谱的测试实验。测试实验以16组冲压速度与压边力组合而成的冲压工艺条件确定工艺能量图谱的轮廓。工艺能量图谱的横坐标即冲压深度，以1mm为间隔，选取1mm至28mm的冲压深度确定工艺能量图谱的横坐标。然后利用本实施例提供的冲压数据低成本获取方法得到的数值模型对工艺能量图谱中所需的数据进行填充。
[0182]
一、仿真模型的控制参数设置
[0183]
本实验在冲压成形仿真模型中将模具与板料间的摩擦系数的初始值设置为0.14，而测量工艺能量与厚度变化数据使用在16ml润滑油润滑下实际冲压测试得到的测量数据。
[0184]
在本案例中选取10％作为冲压成形仿真模型的修正阈值，避免因阈值选取过大导致基于仿真模型构建的工艺能量图谱不准确，同时防止阈值选取过小导致频繁修正带来人
力与物质资源的浪费。为避免由于控制参数波动导致对冲压成形仿真模型准确性评估造成误判，本实验还选取4种不同的控制参数组合即cb1(v＝2mm/s,fh＝6kn)、cb2(v＝10mm/s,fh＝18kn)、cb3(v＝22mm/s,fh＝36kn)与cb4(v＝30mm/s,fh＝48kn)下的测量工艺能量与初始冲压成形仿真模型得到的仿真工艺能量进行对比，其结果与偏差如图10所示。控制参数组合中v表示冲压速度，fh表示压边力。图10中，e
ma-修正后
表示修正后的冲压成形仿真模型的仿真工艺能量的平均绝对百分比误差，可计算为：
[0185][0186]
上式中，e
l’为冲压深度为l时的测量工艺能量；e
l-修正后
为冲压深度为l时，修正后的仿真模型得到的仿真工艺能量；h
p,max
为总冲压深度，在这里h
p,max
＝28mm；l为测量工艺能量数据的组数。e
ma-修正前
表示修正前的初始冲压成形仿真模型的仿真工艺能量的平均绝对百分比误差，可计算为：
[0187][0188]
上式中，e
l-修正前
为冲压深度为l时，修正前的初始仿真模型得到的仿真工艺能量。
[0189]
由图10中数据可知：不同控制参数组合下初始冲压成形仿真模型的仿真工艺能量均大于测量工艺能量且存在较大偏差。由于测量工艺能量是在润滑剂量为16ml的润滑条件下测得，而在初始冲压成形仿真模型中设定的摩擦系数为0.14，实际对应的应为8ml左右润滑剂量下的润滑条件。分析可知，润滑条件越差，需要更多的能量输入克服摩擦力，因此工艺能量越大。因此，初始冲压成形仿真模型的仿真工艺能量会大于测量工艺能量。且各控制参数组合下，修正前的初始冲压成形仿真模型的仿真工艺能量的平均绝对百分比误差均超过了10％即设定的修正阈值，因此需要对初始冲压成形仿真模型进行修正。
[0190]
二、仿真模型的修正
[0191]
由于控制参数组合cb1下的初始冲压仿真模型的仿真工艺能量偏差最大，本实验继续以cb1下的测量工艺能量为基准进行冲压成形仿真模型的摩擦系数修正。其中，将采用pso-de迭代算法的初始冲压成形仿真模型摩擦系数修正作为本实施例方案的实验组，实验组的参数设置如表1所示。
[0192]
表1：实验组中pso-de算法的初始参数设置
[0193][0194]
此外，本实施例还设置了经典的粒子群优化算法(pso)对初始冲压成形仿真模型的摩擦系数进行修正，以其作为本实施例方案的对照组。实验组和对照组在matlab中对算法执行200次，每一次执行的最优摩擦系数个体对应的仿真工艺能量平均绝对百分比误差如图11中(a)部分所示，二者的收敛曲线如图11中(b)部分所示。
[0195]
从图11中可以看出，pso-de算法的最优摩擦系数个体对应的仿真工艺能量平均绝对百分比误差在2％与5％之间稳定波动，而pso算法的最优摩擦系数个体对应的仿真工艺能量平均绝对百分比误差在4％与10％之间波动，pso-de算法优化出来的摩擦系数的精度
明显高于pso算法。此外，在pso-de算法与pso算法的收敛曲线中，pso-de算法大概在迭代10次以后收敛而pso算法大概在55次迭代后收敛，在运行速度方面，pso-de算法也明显优于pso算法。
[0196]
在pso-de算法200次运行得出的最优摩擦系数个体对应的仿真工艺能量平均绝对百分比误差中，识别其中的最小值及其所对应的最优摩擦系数即μ1＝0.077与μ2＝0.086；其中，μ1为板料与压边圈之间的摩擦系数，μ2为板料与凹模之间的摩擦系数。
[0197]
在获得最优摩擦系数后将该系数输入冲压成形仿真模型对模型进行修正，修正后的仿真模型在cb1、cb2、cb3与cb4下的仿真工艺能量如图12所示。从图12中看出，不同控制参数组合下，修正后的仿真模型获得的仿真工艺能量明显比初始仿真模型获得的仿真工艺能量更贴近于测量工艺能量。修正后的仿真模型获得的仿真工艺能量最大平均绝对百分比误差不超过4.51％，小于修正阈值10％。此外，修正前与修正后的仿真模型在cb1、cb2、cb3与cb4下的仿真最大减薄率与仿真最大增厚率对比如图12所示。从图12中看出，不同控制参数组合下，修正后的仿真模型获得的仿真最大减薄率与仿真最大增厚率明显比初始仿真模型获得的仿真最大减薄率与仿真最大增厚率更贴近于测量最大减薄率与测量最大增厚率。修正前后仿真模型得到的仿真工艺能量与仿真厚度变化对比均证明修正后的仿真模型已符合使用要求，可用于进一步的仿真工艺能量与仿真厚度变化数据的获取。这印证了本实施例提供的方案的有效性。
[0198]
三、基于修正后的仿真模型构建工艺能量图谱
[0199]
在获得修正后的冲压成形仿真模型后，便可将设定的冲压工艺条件输入至仿真模型中进行仿真工艺能量与仿真厚度变化数据的获取。在数据获取完成后，便对工艺能量图谱进行构建，构建完成的工艺能量图谱中，横坐标为冲压深度h
p
，纵坐标为工艺能量e；区间的像素点的颜色用来表征每个冲压深度及其工艺能量对应的冲压工件的厚度变化状态，冲压工件的厚度变化包括最大减薄率δ
mtn
、最大增厚率δ
mtc
，二者在两个坐标图中进行表示。本实施例基于修正后的冲压成形仿真模型构建出的工艺能量图谱，与其它两种不同数据获取方式构建的工艺能量图谱大致如图13所示。从中可以看出：map2的图像与map1的图像十分接近，且二者与map3的差异较大。
[0200]
四、工艺能量图谱的精度分析
[0201]
为验证利用本实施例提供的修正后的冲压成形仿真模型构建出的工艺能量图谱的有效性，本实验选取类车门内板件在27.5mm冲压深度条件下的测量厚度变化，对利用修正后的冲压成形的仿真模型构建的工艺能量图谱的监测精度与缺陷识别准确率进行识别。
[0202]
工艺能量图谱的监测结果如图14所示，从图14可以看出：本实施例方案监测的最大减薄率与最大增厚率结果均与测量结果十分接近。其中，仅4个未破裂件被图谱识别为破裂件，图谱对破裂的识别准确率为87.5％。有5个起皱件未被图谱正确识别，图谱的起皱识别准确率为84.4％。通过修正后的冲压成形仿真模型构建的工艺能量图谱可有效的识别冲压工件的缺陷。
[0203]
本实施例方案构建的工艺能量图谱监测结果的平均绝对百分比误差如图15(a)中map2所示，从图中可以看出其厚度变化监测误差最大不超过8％，显示了通过修正后的冲压成形仿真模型构建的工艺能量图谱对冲压工件厚度变化的高监测精度。本实施例方案对缺陷的识别准确率如图15(b)中map2所示，均超过了80％。
[0204]
此外，从图14中还可以发现：map1由于本身就是根据真实测量结果建立的，因此其监测结果事实上要更贴近于测量结果。而从图15又可以看出，map1对冲压工件最大减薄率的监测误差(即3.09％)要比map2的(即5.11％)低2.02％，map1对冲压工件最大增厚率的监测误差(即3.07％)要比map2(即7.81％)低4.74％。map1的破裂识别率(即93.75％)比map2(即87.5％)高6.25％，map1的起皱识别率(即93.75％)比map2(即84.4％)高9.35％。
[0205]
导致利用本实施例方法构建的工艺能量图谱监测误差和缺陷识别准确率不及map1的原因在于：在实际冲压成形过程中，板料与模具间的摩擦系数与板料的材料性能参数是在不断改变的。随着控制参数如压边力、冲压速度的改变，模具与板料间的摩擦状态也会不断的改变，从而影响冲压工件的工艺能量与厚度变化的量化关系。而在冲压成形仿真模型中，摩擦系数一旦设定便为定值，从而与实际冲压成形不一致，导致仿真模型获得的仿真工艺能量与仿真厚度变化存在一定误差，进而影响由仿真结果构建的工艺能量图谱的监测精度。此外，板料的材料性能在冲压成形过程中是不断改变的，改变的材料性能会影响冲压工件的工艺能量与厚度变化，而这些材料性能参数在冲压成形仿真模型中也为定值，从而也会导致由仿真结果构建的工艺能量图谱的监测精度下降。监测精度的下降也会带来缺陷识别准确率的下降。
[0206]
但是，从整体上看，本案结合冲压数据低成本获取方法构建的工艺能量图谱的监测误差仍低于8％，缺陷识别率均高于80％，保持了较高的水平，并显著优于map3。此外，通过本实施例方案构建的工艺能量图谱的构建成本还能得到大幅下降。具体的工艺能量和板材消耗对比如表2所示。
[0207]
表2：不同工艺能量图谱构建方式的成本对比
[0208][0209]
分析上表数据可知：传统基于测试数据的工艺能量图谱构建方式需冲压448个类车门内板件，每次冲压完后均需对所成形的冲压工件进行切割与厚度测量，既耗费物质资源如压力机运行所需电能、板料的材料消耗，也耗费人力资源。而对于通过本案方式构建的工艺能量图谱，其仅需冲压4个类车门内板件，相比于map1，map2的板材消耗率下降了99.11％。由于类车门内板件的每一次成形均需消耗一定的工艺能量，448次类车门内板件成形消耗了约111.43kj的工艺能量，而用于冲压成形仿真模型修正的4次类车门内板件冲压成形仅消耗了3.79kj，节约了107.64kj的工艺能量。基于现有对中型液压机的能效分析结果显示，液压机其工艺能量消耗约占压力机运行总消耗能量的7％，这意味着本案提供的构建的工艺能量图谱的方式在构建一个工艺能量图谱时，大约可以节约1537.71kj的能量。
[0210]
总得来说，通过本实施例提供的冲压数据低成本获取方法构建出的工艺能量图谱，可以在保持与传统基于测试数据的工艺能量图谱相近的监测精度的前提下，将工艺能量图谱的构建成本大大降低，并大幅缩短获取测试数据的测试周期，因而具有很好的使用价值，可产生良好的经济效益。
[0211]
五、本案构建的工艺能量图谱的应用
[0212]
利用本实施例方案构建的工艺能量图谱可以可视化加工过程中冲压工件的厚度
变化，从而支持冲压过程中的生产决策以避免缺陷件的产生。当冲压速度为14mm/s、压边力为42kn时，类车门内板件的厚度变化路径1如图16中圆圈1标示所示。可以看到冲压工件的最大减薄率在冲压深度为26mm时位于安全区，而在冲压至27mm时位于破裂区。冲压工件的最大减薄率在冲压至28mm时进一步向破裂区内部移动，意味着冲压工件在27mm时产生了破裂，且裂纹在冲压至28mm时进一步扩大。
[0213]
如图17所示，检查冲压工件的实际加工效果时发现：当该类车门内板件冲压至27mm时，在厚度变化路径1下，该冲压工件产生了明显的小裂纹，且在冲压至28mm时，该裂纹进一步扩展为大裂纹，证明了本实施例构建的工艺能量图谱对冲压工件厚度变化与缺陷监测的有效性与准确性。
[0214]
为了抑制冲压过程产生的缺陷，通过所构建的工艺能量图谱，技术人员可以对冲压加工过程执行过程控制。在冲压工件冲压至26mm将压边力降低10kn，该控制操作下冲压工件的厚度变化路径如图16中圆圈2标示所示，称为厚度变化路径2。在厚度变化路径2下，冲压工件在冲压至27mm与28mm时，尽管其起皱风险增大，即其最大增厚率趋近于起皱区，其最大减薄率均落在安全区。
[0215]
结合图17中实际加工效果的检测可以发现：厚度变化路径2下冲压工件在冲压至27mm与28mm时均未产生破裂和起皱，且冲压工件的测量最大减薄率下降了14.56％。
[0216]
这说明，利用本实施例提供的方案构建的工艺能量图谱，可以实现对冲压工件厚度变化的“可视化”，进而直观地观测到冲压工件的缺陷产生趋势，并对冲压加工过程进行及时的控制，有效的避免冲压工件缺陷的产生。
[0217]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种冲压数据低成本获取方法，其用于低成本获取构建工艺能量图谱所需的具有映射关系的工艺能量和厚度变化数据；所述厚度变化数据包括最大减薄率和最大增厚率；其特征在于，所述冲压数据低成本获取方法包括如下步骤：s1：在预设的冲压工艺条件下，通过实际冲压测试获取若干离散的样本数据，所述样本数据包括测量冲压力与测量工艺能量；s2：构建一个用于模拟冲压成形过程的仿真模型，所述仿真模型包括冲压几何模型和有限元模型；所述冲压几何模型用于反映冲压成形的模具和板料的形状、结构与尺寸；所述有限元模型用于模拟板料的冲压成形，从而获取冲压工件的厚度变化与工艺能量间的映射关系；s3：利用仿真模型生成仿真最大减薄率、仿真最大增厚率与仿真工艺能量；s4：计算仿真工艺能量与测量工艺能量间的偏差；然后做出如下决策：a.当偏差大于修正阈值时，对冲压几何模型中需要人工输入的模型参数进行实际测量，并将模型参数的实际测量值输入冲压几何模型中进行冲压几何模型的修正；并对有限元模型中的摩擦系数μ进行迭代修正；b.当偏差不大于修正阈值时，保存当前的仿真模型作为数值模型；s5：以所述数值模型为工具，生成构建工艺能量图谱所需的具有映射关系的工艺能量和厚度变化数据。2.如权利要求1所述的冲压数据低成本获取方法，其特征在于：步骤s1中，样本数据的获取方法如下：a.设置l个冲压深度；b.通过实际冲压测试测量冲压工件在l个冲压深度下对应的冲压力；c.根据所述l个冲压深度及其对应的冲压力计算出所述l个冲压深度对应的工艺能量：上式中，e
l’为冲压深度为l时的测量工艺能量；f(x)为冲压力f关于冲压深度h
p
的拟合函数。3.如权利要求1所述的冲压数据低成本获取方法，其特征在于：步骤s4中，摩擦系数μ的修正策略如下：s01：初始化摩擦系数种群μ(g)、突变概率f
a
、交叉概率cr、最大迭代次数ger、个体学习因子b1、种群学习因子b2和惯性权值q；s02：计算当前摩擦系数种群μ(g)中每个原始摩擦系数个体μ
i
(g)对应工艺能量的平均绝对百分比误差e
ma,i
(g)，并识别出平均绝对百分比误差最小的最优摩擦系数个体μ
m
(g)；s03：基于下式更新摩擦系数种群μ(g)中原始摩擦系数个体μ
i
(g)的进化方向v
i
(g+1)：上式中，r1与r2为0到1之间的随机值；e为单位矩阵；e
ma,m
(g)为最优摩擦系数个体的平均绝对百分比误差；μ
i
(g)、μ
q
(g)与μ
r
(g)为摩擦系数种群μ(g)中随机选择的三个原始摩擦系数个体；
s04：根据进化方向v
i
(g+1)选择当前摩擦系数种群μ(g)中的原始摩擦系数个体μ
i
(g)进行变异，得到突变摩擦系数个体μ
i’(g)，变异操作的公式如下：上式中，f
a
(g+1)为第g+1次迭代的突变概率；s05：对当前摩擦系数种群μ(g)中的突变摩擦系数个体μ
i’(g)与原始摩擦系数个体μ
i
(g)进行交叉操作，产生新的摩擦系数个体，交叉操作的策略如下：上式中，rand
i
是原始摩擦系数个体μ
i
(g)与突变摩擦系数个体μ
i’(g)进行交叉操作时产生的0到1之间的随机数；s06：比较突变摩擦系数个体μ
i’(g)与原始摩擦系数个体μ
i
(g)的工艺能量平均绝对百分比误差，以更新摩擦系数个体获得g+1次迭代时的摩擦系数种群μ(g+1)：上式中，e
ma,i’(g)为突变摩擦系数个体μ
i’(g)对应的工艺能量平均绝对百分比误差；s07：判断当前迭代次数g是否小于最大迭代次数ger：是则循环执行步骤s02～s06，否则结束迭代，输出当前摩擦系数种群μ(g)中工艺能量平均绝对百分比误差最小的最优摩擦系数个体μ
m
(g)作为修正后的摩擦系数。4.如权利要求3所述的冲压数据低成本获取方法，其特征在于：步骤s01中，摩擦系数种群μ(g)为：μ(g)＝(μ1(g),μ2(g),
…
,μ
i
(g),
…
,μ
τ
(g))上式中，g为迭代次数；当g＝1时，迭代处于初始状态；τ为摩擦系数种群μ(g)中原始摩擦系数个体的数量；其中，摩擦系数种群μ(g)中的第i个原始摩擦系数个体μ
i
(g)为：μ
i
(g)＝(μ
1,i
(g),μ
2,i
(g))上式中，μ
1,i
(g)为第i个原始摩擦系数个体μ
i
(g)中板料与压边圈的摩擦系数；μ
2,i
(g)为第i个原始摩擦系数个体μ
i
(g)中板料与凹模之间的摩擦系数。5.如权利要求4所述的冲压数据低成本获取方法，其特征在于：第i个原始摩擦系数个体μ
i
(g)中板料与压边圈的摩擦系数μ
1,i
(g)和第i个原始摩擦系数个体μ
i
(g)中板料与凹模之间的摩擦系数μ
2,i
(g)的值在预设的最大摩擦系数μ
max
与最小摩擦系数μ
min
之间随机选取，公式如下：6.如权利要求5所述的冲压数据低成本获取方法，其特征在于：步骤s02中，摩擦系数种群μ(g)中原始摩擦系数个体μ
i
(g)对应的工艺能量平均绝对百分比误差e
ma,i
(g)的计算公式
为：上式中，e
l
(μ
i
(g))为冲压深度为l时，冲压成形仿真模型采用原始摩擦系数个体μ
i
(g)作为摩擦系数时的工艺能量；h
p,max
为总冲压深度。7.一种工艺能量图谱的构建方法，其包括如下步骤：一、在预设的冲压工艺条件下，通过实际冲压测试获取若干离散的样本数据；二、采用如权利要求1-6中任意一项所述的冲压数据低成本获取方法，结合采集到的样本数据建立一个数值模型；所述数值模型用于生成由具有映射关系的最大减薄率、最大增厚率与冲压深度、冲压力构成的数组；三、以冲压深度h
p
和工艺能量e分别为横纵坐标绘制空白的工艺能量图谱，并根据工艺对参数的约束，确定工艺能量图谱中的一个具有边界的待填充区；四、利用所述数值模型对空白的工艺能量图谱中的待填充区进行数据填充，过程如下：4.1：利用所述数值模型生成由关联的仿真冲压深度h
ps
、仿真冲压力f
s
、仿真最大增厚率δ
mtcs
、以及仿真最大减薄率δ
mtns
构成的第一数组u1：u1＝{h
ps
，f
s
，δ
mtcs
，δ
mtns
}；4.2：根据仿真冲压深度h
ps
和仿真冲压力f
s
计算对应的仿真工艺能量e
s
：上式中，f
s
(x)为仿真冲压力f
s
关于仿真冲压深度h
ps
的拟合函数；4.3：将第一数组u1转换为第二数组u2：u2＝{h
ps
，e
s
，δ
mtcs
，δ
mtns
}；4.4：以第二数组中的仿真冲压深度h
ps
和仿真工艺能量e
s
分别作为待填充区内像素点的横坐标和纵坐标，仿真最大增厚率δ
mtcs
与仿真最大减薄率δ
mtns
分别为对应像素点的第一属性值和第二属性值；完成对空白工艺能量图谱的像素填充；五、以纵坐标为对称轴，将以上步骤填充后的图谱镜像为两个对称的部分；分别为起皱识别区和破裂识别区；六、按照预设的颜色映射关系，根据第一属性值对起皱识别区内的各个像素点进行着色，并根据第二属性值对破裂识别区内的各个像素点进行着色；七、根据预设的安全阈值，划分出起皱识别区中的起皱区和安全区的边界，以及破裂识别区中的破裂区和安全区的边界，得到所需的工艺能量图谱。8.一种冲压工件的加工质量在线监测方法，其特征在于，其包括如下步骤：步骤1：获取当前待加工冲压工件的采用如权利要求7所述工艺能量图谱构建方法生成的工艺能量图谱；步骤2：实时采集待加工冲压工件在实际加工过程中的实时冲压深度h
real
和实时冲压力f
real
；步骤3：根据加工过程中的实时冲压深度h
real
和实时冲压力f
real
计算出实时工艺能量e
real
；步骤4：根据待加工冲压工件在加工过程中的实时冲压深度h
real
和实时工艺能量e
real
的状态变化，在工艺能量图谱的起皱识别区和破裂识别区绘制出对应的状态轨迹；
步骤5：根据所述状态轨迹评估加工出的冲压工件的加工质量：(1)当所述状态轨迹中任意一点经过破裂区时，判断加工出的工件已发生破裂；(2)当所述状态轨迹的终点位于所述起皱区内时，判断加工出的工件存在局部起皱。9.一种冲压数据低成本获取系统，其特征在于：其采用如权利要求1～6中任意一项所述的冲压数据低成本获取方法，结合测量工艺能量和仿真模型得到一个用于低成本获取冲压数据的数值模型，其包括：测量工艺能量获取模块，其用于根据实际冲压测试获取的若干离散的样本数据计算出测量工艺能量；仿真模型构建模块，其包括冲压几何模型和有限元模型；所述冲压几何模型用于反映冲压成形的模具与板料的形状、结构与尺寸；所述有限元模型用于模拟板料的冲压成形，从而获取冲压工件的厚度变化与工艺能量间的映射关系；所述仿真模型用于生成仿真最大减薄率、仿真最大增厚率与仿真工艺能量；误差计算模块，其用于计算构建的仿真模型生成的仿真工艺能量与测量工艺能量间的偏差；摩擦系数更新模块，其用于在误差计算模块计算出的偏差超出修正阈值时，采用如权利要求3～6中任意一项包含的修正策略对有限元模型中的摩擦系数进行迭代修正；以及数值模型修正模块，其用于在误差计算模块计算出的偏差超出修正阈值时，对冲压几何模型中的人工输入的模型参数进行重置，并对有限元模型中的摩擦系数进行修正；在误差计算模块计算出的偏差未超出修正阈值时，保留对应的仿真模型中的参数，得到一个用于生成反映冲压工件的最大减薄率、最大增厚率与工艺能量间的映射关系的数值模型。10.一种数据处理设备，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时，创建出如权利要求9所述的冲压数据低成本获取系统；然后根据实际冲压测试获取的若干离散的样本数据，自动构建出一个可以生成反映指定工艺条件下的冲压工件的最大减薄率、最大增厚率与工艺能量间的映射关系的数值模型。

技术总结
本发明属于冲压成形生产监测领域，具体涉及一种冲压数据低成本获取方法及工艺能量图谱的构建方法。冲压数据低成本获取方法包括如下步骤：S1：通过实际冲压测试获取冲压过程中的若干离散的样本数据，包括测量冲压力与测量工艺能量。S2：构建一个用于模拟冲压成形过程的仿真模型，仿真模型包括冲压几何模型和有限元模型。S3：利用仿真模型生成仿真冲压数据，包括仿真工艺能量与仿真厚度变化。S4：计算仿真工艺能量与测量工艺能量间的偏差；对仿真模型进行迭代修正，得到所需的数值模型。S5：利用数值模型生成构建工艺能量图谱所需的仿真冲压数据。本发明解决了现有条件下难以低成本、准确的对冲压工件的加工质量进行在线监测的问题。题。题。


技术研发人员：黄海鸿 甘雷 李磊 刘志峰
受保护的技术使用者：合肥工业大学
技术研发日：2023.07.05
技术公布日：2023/10/11