买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了一种透平叶片电弧增材实时温度场预测方法，包括：基于型面特征尺寸建立模拟透平叶片增材过程温度场；基于温度场建立一个焊接模拟数据库，将温度场计算结果作为模拟样本存储于数据库中；基于焊接模拟数据库和实际焊接数据，搭建一个焊接数据平台；基于焊接数据平台建立BP神经网络的温度场预测模型；对所建立的温度场预测模型进行训练与验证。本发明通过输入模型与分层厚度，实时快速计算得到每层成形路径以及所需电弧热输入功率，实现对透平叶片电弧增材制造热过程的预测，有效降低热量消耗，提高加工效率。

主权项：1.一种透平叶片电弧增材实时温度场预测方法，其特征在于：包括，基于型面特征尺寸建立模拟透平叶片增材过程温度场；基于所述温度场建立一个焊接模拟数据库，将温度场计算结果作为模拟样本存储于数据库中；基于焊接模拟数据库和实际焊接数据，搭建一个焊接数据平台；基于所述焊接数据平台建立BP神经网络的温度场预测模型；BP神经网络为误差反向传播的多层网络，通过输出层误差向前计算前面每一层误差；所述BP神经网络中神经元的工作过程表达式表示为： 其中，x1～xm表示m个输入变量，ω1～ωm是连接权值，Σ表示求和，b为偏置值，f为激活函数，y为输出变量；所述BP神经网络输入变量为叶根形式、叶冠形式、分层厚度、进出汽缘半径、截面位置和曲线参数，输出变量为温度；针对不同型号的叶片，提取型面特征尺寸，包括进出气半径、弦宽来确定输入变量，确定隐含层节点数的基本原则是：在满足精度的前提下,取尽可能紧凑的结构,即取尽可能少的隐含层节点数；确定隐含层后，在BP神经网络学习过程中选择双曲正切S型函数作为激活函数，将网络迭代次数设置为100次，网络学习率设置为0.01；学习结果和样本之间的差值定义为loss值，在避免过拟合的情况下，通过测试效果决定迭代次数；对所建立的温度场预测模型进行训练与验证包括，数据的构造：将几组叶片模拟分析获得的数据通过服务器存储于数据库中；数据的格式化：将数据分为两个独立的数据文件对数据进行再组织，其中一个数据文件用于训练，另一个用于测试，并保证与神经网络输入格式一致；判断收敛：当系统满意地收敛且确认误差临界值得到满足，那么存储ANN参数以备测试，当系统未收敛，那么须修改训练参数直到获得满意结果；寻找最优解：用数据测试文件测试解，在后台处理期间在预测过程中使用具有最小误差的解。

全文数据：

权利要求：

百度查询： 江南大学 一种透平叶片电弧增材实时温度场预测方法