预测冷锻过程中壁厚变化：一种集成有限元法与神经网络的方法
机器学习
2024-11-22 v2
摘要
本研究提出了一种预测缩口过程中管壁厚度变化的新方法。具体来说，我们首先对缩口过程及其影响参数进行了全面分析。我们进一步建立了有限元法(FEM)模拟，以更好地分析不同工艺参数的影响。然而，传统的FEM模拟虽然准确，但耗时且计算密集，使其无法应用于实时场景，因此我们提出了一种基于专门设计的图神经网络作为替代模型的新建模框架。为此，我们通过直接加入关于缩口过程的信息来扩展神经网络架构，添加不同类型的边及其对应的编码器来建模对象交互。这种增强提高了模型准确性，并为在闭环生产过程中使用精确的替代模型开辟了可能性。所提方法使用一种新的评估指标——厚度曲线间面积(ABTC)进行评估。结果展示了有前景的性能，并突显了神经网络作为替代模型在预测缩口锻造过程中壁厚变化的潜力。
引用
@article{arxiv.2411.13366,
title = {Predicting Wall Thickness Changes in Cold Forging Processes: An Integrated FEM and Neural Network approach},
author = {Sasa Ilic and Abdulkerim Karaman and Johannes Pöppelbaum and Jan Niclas Reimann and Michael Marré and Andreas Schwung},
journal= {arXiv preprint arXiv:2411.13366},
year = {2024}
}