热冲压成形构件快速可行性评估：一种深度学习方法
计算工程、金融与科学
2021-04-28 v1
摘要
新型非等温热成形与冷模淬火（HFQ）工艺能够以低成本生产复杂形状的高强度铝合金面板构件。然而，针对该新工艺的设计经验匮乏阻碍了其工业领域的广泛应用。近期研究致力于开发用于有限元模拟的先进材料模型，以评估 HFQ 工艺下新构件设计的可行性。但有限元模拟发生于设计流程后期，需要成形工艺专业知识，且不适用于早期设计探索。为克服这些局限，本研究提出一种基于卷积神经网络（CNN）代理模型的新型应用，作为采用 HFQ 工艺成形构件快速制造可行性评估的手段。我们生成并使用了包含构件几何、坯料形状及工艺参数变化以及相应物理场的多样化数据集来训练模型。结果表明，与 HFQ 模拟相比，该模型可实时获得几乎难以区分的全场预测。该技术为 HFQ 条件下复杂形状构件设计初期的构件设计与决策提供了宝贵工具。
引用
@article{arxiv.2104.13199,
title = {Rapid feasibility assessment of components formed through hot stamping: A deep learning approach},
author = {Hamid Reza Attar and Haosu Zhou and Alistair Foster and Nan Li},
journal= {arXiv preprint arXiv:2104.13199},
year = {2021}
}