CN116822310A - 一种陶瓷烧结工艺的数字孪生*** - Google Patents
一种陶瓷烧结工艺的数字孪生*** Download PDFInfo
- Publication number
- CN116822310A CN116822310A CN202311076577.6A CN202311076577A CN116822310A CN 116822310 A CN116822310 A CN 116822310A CN 202311076577 A CN202311076577 A CN 202311076577A CN 116822310 A CN116822310 A CN 116822310A
- Authority
- CN
- China
- Prior art keywords
- model
- time
- sintering
- parameters
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005245 sintering Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 102
- 230000008569 process Effects 0.000 title claims abstract description 89
- 239000000919 ceramic Substances 0.000 title claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000012800 visualization Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012067 mathematical method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims 2
- 229910010293 ceramic material Inorganic materials 0.000 abstract description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000000280 densification Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012933 kinetic analysis Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012932 thermodynamic analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种陶瓷烧结工艺的数字孪生***,包括数据采集模块、孪生建模模块、过程监控模块和可视化模块。数据采集模块用于实时采集可视化烧结设备的实时参数,并将实时参数输出到孪生建模模块;孪生建模模块配置有多时空尺度数字孪生模型,用于基于多时空尺度数字孪生模型对实时参数进行处理,得到优化控制参数;过程监控模块用于基于优化控制参数对可视化烧结设备的烧结参数和工艺条件进行优化处理;可视化模块用于可视化显示实时参数和烧结过程及其结果。通过本方案可以实时捕捉和检测实际烧结过程的细节和变化,并实现烧结过程中根据细节和变化进行实时控制,从而提高了陶瓷材料的生产效率和烧结质量。
Description
技术领域
本申请涉及自动控制技术领域,更具体地说,涉及一种陶瓷烧结工艺的数字孪生***。
背景技术
陶瓷烧结是一种重要的制造工艺,用于将陶瓷粉末通过高温处理形成致密的陶瓷材料。该工艺过程涉及复杂的物理和化学变化,包括粉末颗粒的颗粒生长、扩散、相变和收缩等变化,烧结过程直接影响陶瓷材料的结构和性能。因此,对烧结过程进行精确控制对于提高最终产品的质量至关重要。
传统的陶瓷烧结工艺依赖于人工经验和试错方法,由于烧结过程中的多变因素和复杂相互作用,而传统的陶瓷烧结工艺往往无法实时捕捉和检测实际烧结过程的细节和变化,也就无法在烧结过程中根据细节和变化进行实时控制,从而导致最终得到的陶瓷材料性能较差。
发明内容
有鉴于此,本申请提供一种陶瓷烧结工艺的数字孪生***,用于精确模拟陶瓷烧结工艺的过程,以实现对陶瓷烧结工艺的细节和变化进行精确捕捉和检测,以便能够根据细节和变化对烧结工艺实现精确控制,从而提高陶瓷材料的生产效率和烧结质量。
为了实现上述目的,现提出的方案如下:
一种陶瓷烧结工艺的数字孪生***,所述数字孪生***与可视化烧结设备连接,所述数字孪生***包括数据采集模块、孪生建模模块、过程监控模块和可视化模块,其中:
所述数据采集模块用于实时采集所述可视化烧结设备的实时参数,并将所述实时参数输出到所述孪生建模模块;
所述孪生建模模块配置有多时空尺度数字孪生模型,所述多时空尺度数字孪生模型用于基于数学方法描述所述可视化烧结设备,所述孪生建模模块用于基于所述多时空尺度数字孪生模型对所述实时参数进行处理,得到优化控制参数;
所述过程监控模块用于基于所述优化控制参数对所述可视化烧结设备的烧结参数和工艺条件进行优化处理;
所述可视化模块用于可视化显示实时参数和烧结过程及其结果。
可选的,所述数据采集模块包括参数采集单元和处理分析单元,其中:
所述参数采集单元用于基于所述可视化烧结设备的传感器获取的原始参数;
所述处理分析单元用于对所述原始参数进行清洗和校正处理,得到所述实时参数,并将所述实时参数输出到所述孪生建模模块。
可选的,所述实时参数包括所述可视化烧结设备中陶瓷样品在烧结过程中的温度、变形参数和温度-热膨胀系数曲线。
可选的,所述孪生建模模块包括模型构建单元和验证优化单元,其中:
所述模型构建单元用于根据实验基础数据和所述可视化烧结设备的设备数据执行模型构建,得到所述多时空尺度数字孪生模型;
所述验证优化单元用于将理论烧结过程和实际烧结过程进行对比,验证所述多时空尺度数字孪生模型的准确性和可靠性,并根据对比结果对所述多时空尺度数字孪生模型进行调整和优化处理。
可选的,所述模型构建单元执行模型构建的手段包括微观尺度建模、宏观尺度建模和跨尺度建模。
可选的,所述多时空尺度数字孪生模型包括几何模型、物理模型、行为模型和规则模型。
可选的,所述几何模型用于描述陶瓷样品的几何参数,所述几何参数包括所述陶瓷样品的初始形状、颗粒分布和孔隙结构。
可选的,所述物理模型用于描述陶瓷样品在烧结过程中的物理特性和行为、热传导、质量转移和力学应力。
可选的,所述行为模型用于描述陶瓷样品在烧结过程中的材料行为和特性变化。
可选的,所述规则模型用于描述陶瓷样品在烧结过程中的规则要求和约束。
从上述的技术方案可以看出,本申请公开了一种陶瓷烧结工艺的数字孪生***,包括数据采集模块、孪生建模模块、过程监控模块和可视化模块。数据采集模块用于实时采集可视化烧结设备的实时参数,并将实时参数输出到孪生建模模块;孪生建模模块配置有多时空尺度数字孪生模型,用于基于多时空尺度数字孪生模型对实时参数进行处理,得到优化控制参数;过程监控模块用于基于优化控制参数对可视化烧结设备的烧结参数和工艺条件进行优化处理;可视化模块用于可视化显示实时参数和烧结过程及其结果。通过本方案可以实时捕捉和检测实际烧结过程的细节和变化,并实现烧结过程中根据细节和变化进行实时控制,从而提高了陶瓷材料的生产效率和烧结质量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种陶瓷烧结工艺的数字孪生***的框图;
图2为本申请实施例的另一种陶瓷烧结工艺的数字孪生***的框图;
图3为本申请实施例的陶瓷样品在各烧结温度下的图像;
图4为本申请实施例的又一种陶瓷烧结工艺的数字孪生***的框图;
图5为本申请实施例的一种电子设备的框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
数字孪生技术是近年来快速发展的一种先进技术,它通过将实体世界和数字世界相结合,实现对实体世界的实时建模、仿真和优化。其通过在虚拟环境中创建与实体对象相对应的数字模型,通过利用数字模型模拟和预测实体对象行为和性能,从而为决策制定和优化提供有力支持。基于此,本申请提供如下实施例。
实施例
图1为本申请实施例的一种陶瓷烧结工艺的数字孪生***的框图。
如图1所示,该数字孪生***用于参与可视化烧结设备的控制和优化,其具体通过与可视化烧结设备100连接的电子设备实现,该电子设备可以理解为具有数据计算能力和信息处理能力的计算机、服务器或者嵌入式设备。该数字孪生***包括数据采集模块10、孪生建模模块20、过程监控模块30和可视化模块40。
该数据采集模块用于从可视化烧结设备采集并处理得到该设备的实时参数,并将该实时参数输出到孪生建模模块,该数据采集模块至少包括参数采集单元11和处理分析单元12,如图2所示。
参数采集单元基于设置于该可视化烧结设备内的相应传感器得到该设备的部分或全部原始参数,即相应传感器输出的参数,包括但不限于温度、变形参数和图像等,其中所采集的陶瓷样品在不同烧结温度下的图像如图3所示。
处理分析单元用于对参数采集单元所获取的原始参数进行处理,处理过程包括但不限于清洗、校正和拟合等。从而得到前述的实时参数,这里的实时参数除经过处理的温度、变形参数和图像外,还包括温度-热膨胀系数曲线。
可视化烧结设备可对烧结过程中陶瓷样品的膨胀-收缩曲线包括长度、宽度和面积的变化,然后根据温度-收缩量拟合出陶瓷材料的热膨胀系数。具体来说,可以通过如下步骤实现该温度-热膨胀系数曲线的拟合。
首先,选择多项式建立收缩量ΔL和温度T的拟合方程:
其中ΔL为收缩量,T为温度,a0、a1、a2、......an为陶瓷样品的热膨胀系数及其他项的系数。
然后,使用最小二乘法对拟合方程进行参数拟合,以确定多项式的各个系数。步骤如下:
1)构建设计矩阵X:
设计矩阵X是一个n * (n+1) 的矩阵,其中每一行对应一个样本点的温度值,每一列对应一个参数(包括常数项a0)的幂次。第一列为全为1的列,用于计算常数项 a0。
2)构建响应矩阵Y。
响应矩阵Y是一个 n * 1 的矩阵,其中每一行对应一个样本点的收缩量。
3)计算参数向量A。
参数向量A是一个 (n+1) * 1 的列向量,表示拟合方程中的各个参数。通过以下公式计算参数向量A:
A = inv(X' * X) * X' * Y
其中,inv() 表示求逆矩阵,X' 表示 X 的转置矩阵。
4)得到前述拟合方程。
根据参数向量A的值,将其代入拟合方程中,即可得到最终的拟合方程。
拟合方程中的系数包括热膨胀系数及其他项的系数,最终得到热膨胀系数-温度曲线。
本实施例中还利用大数据技术和机器学习技术,实现对陶瓷烧结过程数据的高效处理、特征提取、模式识别和预测优化,为***的实时监测和反馈控制提供技术支撑。
在Python中进行数据处理的基本程序如下:
importnumpy as np
import pandas as pd
importmatplotlib.pyplot as plt
# 读取数据
data = pd.read_csv('data.csv')
# 数据清洗和预处理
data = data.dropna()
data = data.drop_duplicates()
# 数据分析和处理
mean_value = data['column'].mean()
filtered_data = data[data['column']>0]
# 数据可视化
plt.plot(data['x'], data['y'])
plt.scatter(data['x'], data['y'])
plt.hist(data['column'], bins=10)
plt.show()
本申请采用卷积神经网络进行特征提取和模式识别。该卷积神经网络包括卷积层、池化层和全连接层。
利用回归算法预测烧结过程中关键参数的数值,如烧结温度、时间等。并通过多项式关系对目标变量进行建模:
其中,y是目标变量,x是输入特征,β0、β1、β2, ..., βn是模型的系数,ε 是误差项。
孪生建模模块配置有多时空尺度数字孪生模型,该多时空尺度数字孪生模型用于基于数学方法描述可视化烧结设备,孪生建模模块用于基于多时空尺度数字孪生模型对实时参数进行处理,得到优化控制参数。该孪生建模模块包括模型构建单元21和验证优化单元22,如图4所示。
该模型构建单元用于根据实验基础数据和该可视化烧结设备的设备数据构建多时空尺度数字孪生模型,并通过接口技术将该数字孪生模型中的监测参数与对应的数据采集模块得到的实时参数进行关联。
在构建多时空尺度数字孪生模型过程中,可以利用如下手段实施,包括微观尺度建模、宏观尺度建模和跨尺度建模。其中:
微观尺度建模用于通过物理方程、统计模型或计算机模拟等方法,描述陶瓷材料的微观结构、晶体生长、相变等微观尺度的特征。本实施例中采用蒙特卡罗模型研究陶瓷烧结过程中的微观组织演变。其中的晶格点阵为六边形点阵;采用基于试验数据的模型将蒙特卡罗步数tMCS与真实时间t联系起来。模拟时间与温度和保温时间三者之间的关系:
L为模拟的平均晶粒半径,λ为晶格点阵间距,Qa为激活能,TS为烧结温度,n、K1为模型常数,R为气体常数。
宏观尺度建模用于通过热传导方程、动力学方程、质量守恒方程和计算机模拟,描述陶瓷烧结过程中温度分布、应力分布、材料密度变化和形态变化等宏观尺度的特征。
采用有限元模型研究陶瓷烧结过程中的温度场和应力场。有限元模型涉及热-力耦合,其中稳态热模块用于获得初始温度分布,瞬态热模块用于获得烧结过程中的温度场分布,瞬态结构模块用于获得烧结过程中的应力场分布。
微观-宏观跨尺度建模用于通过将微观尺度的变量和参数传递给宏观尺度模型,通过将微观尺度模型与宏观尺度模型进行耦合,可以实现对烧结过程的全面建模和分析。蒙特卡罗法计算有限单元中心附近的微观结构变化,获得应变收缩率,将其输入到有限元模型中计算宏观变形。
本实施例中的数字孪生模型包括几何模型、物理模型、行为模型和规则模型。
几何模型用于描述陶瓷样品的几何尺寸,陶瓷材料的初始形状、颗粒分布、孔隙结构等几何参数;陶瓷样品的几何尺寸为10 mm * 10 mm * 10 mm。陶瓷材料的初始形状、颗粒分布、孔隙结构通过蒙特卡罗模型设置。
物理模型用于通过陶瓷烧结过程的热力学与动力学分析,描述陶瓷烧结过程中的物理特性和行为,描述烧结过程中的热传导、质量转移、力学应力等物理现象。
热传导的数学模型为:
其中ρ为密度,c为比热,T为温度,t为时间,k为热传导系数,τ为物体边界,T0表示均匀的初始温度,f(t)表示不均匀的初始温度。
晶粒生长动力学方程:
其中G为平均晶粒尺寸,G0为初始晶粒尺寸,n为晶粒生长指数,t为时间。k为反应速率常数,k0为常数,Qg为晶粒生长表观活化能,R为通用气体常数,T为绝对温度。
利用对数形式的这个关系,n取2~3,得到Qg。
致密化动力学方程:
其中,ρ为材料的体积密度,T为温度,T’为升温速率,R为气体常数,C为与材料致密度和晶粒尺寸有关的常数。
通过线性回归分析即可获得材料致密化表观烧结活化能Q。
行为模型用于描述陶瓷烧结过程中的材料行为和特性变化。包括陶瓷材料的相变、晶体生长、材料密度变化等行为,以及与温度、升温速率、保温时间、降温速率等因素的关系;
规则模型用于描述陶瓷烧结过程中的规则要求和约束。包括产品质量指标、工艺参数限制、安全规范等规则要求。
验证优化单元用于在实际烧结过程进行对比,验证该数字孪生模型的准确性和可靠性,并根据对比结果对该数字孪生模型的参数进行调整和优化。具体的,本实施例采用平均绝对误差函数(MAE)衡量实际观测值和模型预测值之间的差异:
其中,n 是观测值的数量, 是实际观测值,/> 是模型预测值。
采用梯度下降法调整模型参数,使得误差函数达到最小值:
其中,θk 是第 k 次迭代时的模型参数向量,α 是学习率(控制参数更新的步长),∇E(θk) 是误差函数 E 关于参数向量 θ 在点 θk处的梯度。
本申请将模型应用于模型验证数据集,与实际烧结过程的数据进行对比和验证;通过比较模型的预测结果与实际数据的差异,评估模型的准确性和可靠性;可以使用统计指标、误差分析和可视化方法进行验证。根据模型验证的结果进行模型的优化和参数调整;使用优化算法和自适应学习技术,通过对模型的迭代调整和训练,从而提高该数字孪生模型的预测能力和准确性。
过程监控模块用于基于上述的优化控制参数对可视化烧结设备的烧结参数和工艺条件进行优化处理,实现闭环控制。即实现将优化的参数设置或控制策略实时反馈给实际烧结过程,并确保实际烧结过程与优化结果的一致性。
在实际控制中,采用PID控制算法,目标设定值为陶瓷烧结过程中的最大主应力:
其中,u(t) 是控制器的输出信号,e(t) 是目标设定值与模型输出之间的误差,Kp、Ki和Kd是控制器的比例、积分和微分增益。
通过反馈控制算法,实现对烧结过程的实时调节,以确保过程的稳定性和目标的实现。在出现异常情况或超过设定阈值时,***可发出报警信号,及时提醒相关人员采取必要的措施。
可视化模块用于实时监测和显示关键参数、数据可视化、3D可视化、模拟预览等功能,以提供直观、交互式的界面,帮助操作人员监控和优化烧结过程。能够实时监测和显示烧结过程中的关键参数,如温度、热膨胀等,并对实时数据进行可视化展示。
对于陶瓷烧结过程中的几何模型和物理模型,可视化模块可以实现3D可视化展示。通过将模型呈现在三维空间中,操作人员可以直观地观察和分析烧结过程的温度分布、应力分布和收缩变形。可视化模块可以模拟预览功能,通过模型和数据的可视化呈现,模拟展示烧结过程中关键参数的变化和影响。可视化模块提供交互式界面,允许操作人员与***进行交互。通过操作界面上的按钮、滑块、下拉菜单等元素,操作人员可以调整参数、查看特定时间段的数据、切换显示模式等,实现个性化的数据显示和操作需求。
从上述技术方案可以看出,本实施例提供了一种陶瓷烧结工艺的数字孪生***,包括数据采集模块、孪生建模模块、过程监控模块和可视化模块。数据采集模块用于实时采集可视化烧结设备的实时参数,并将实时参数输出到孪生建模模块;孪生建模模块配置有多时空尺度数字孪生模型,用于基于多时空尺度数字孪生模型对实时参数进行处理,得到优化控制参数;过程监控模块用于基于优化控制参数对可视化烧结设备的烧结参数和工艺条件进行优化处理;可视化模块用于可视化显示实时参数和烧结过程及其结果。通过本方案可以实时捕捉和检测实际烧结过程的细节和变化,并实现烧结过程中根据细节和变化进行实时控制,从而提高了陶瓷材料的生产效率和烧结质量。
参考图5所示,其示出了适于用来实现本公开实施例中的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。该电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
电子设备可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器ROM502中的程序或者从输入装置506加载到随机访问存储器RAM503中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种陶瓷烧结工艺的数字孪生***,所述数字孪生***与可视化烧结设备连接,其特征在于,所述数字孪生***包括数据采集模块、孪生建模模块、过程监控模块和可视化模块,其中:
所述数据采集模块用于实时采集所述可视化烧结设备的实时参数,并将所述实时参数输出到所述孪生建模模块;
所述孪生建模模块配置有多时空尺度数字孪生模型,所述多时空尺度数字孪生模型用于基于数学方法描述所述可视化烧结设备,所述孪生建模模块用于基于所述多时空尺度数字孪生模型对所述实时参数进行处理,得到优化控制参数;
所述过程监控模块用于基于所述优化控制参数对所述可视化烧结设备的烧结参数和工艺条件进行优化处理;
所述可视化模块用于可视化显示实时参数和烧结过程及其结果。
2.如权利要求1所述的数字孪生***,其特征在于,所述数据采集模块包括参数采集单元和处理分析单元,其中:
所述参数采集单元用于基于所述可视化烧结设备的传感器获取的原始参数;
所述处理分析单元用于对所述原始参数进行清洗和校正处理,得到所述实时参数,并将所述实时参数输出到所述孪生建模模块。
3.如权利要求2所述的数字孪生***,其特征在于,所述实时参数包括所述可视化烧结设备中陶瓷样品在烧结过程中的温度、变形参数和温度-热膨胀系数曲线。
4.如权利要求1所述的数字孪生***,其特征在于,所述孪生建模模块包括模型构建单元和验证优化单元,其中:
所述模型构建单元用于根据实验基础数据和所述可视化烧结设备的设备数据执行模型构建,得到所述多时空尺度数字孪生模型;
所述验证优化单元用于将理论烧结过程和实际烧结过程进行对比,验证所述多时空尺度数字孪生模型的准确性和可靠性,并根据对比结果对所述多时空尺度数字孪生模型进行调整和优化处理。
5.如权利要求4所述的数字孪生***,其特征在于,所述模型构建单元执行模型构建的手段包括微观尺度建模、宏观尺度建模和跨尺度建模。
6.如权利要求5所述的数字孪生***,其特征在于,所述多时空尺度数字孪生模型包括几何模型、物理模型、行为模型和规则模型。
7.如权利要求6所述的数字孪生***,其特征在于,所述几何模型用于描述陶瓷样品的几何参数,所述几何参数包括所述陶瓷样品的初始形状、颗粒分布和孔隙结构。
8.如权利要求6所述的数字孪生***,其特征在于,所述物理模型用于描述陶瓷样品在烧结过程中的物理特性和行为、热传导、质量转移和力学应力。
9.如权利要求6所述的数字孪生***,其特征在于,所述行为模型用于描述陶瓷样品在烧结过程中的材料行为和特性变化。
10.如权利要求6所述的数字孪生***,其特征在于,所述规则模型用于描述陶瓷样品在烧结过程中的规则要求和约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311076577.6A CN116822310B (zh) | 2023-08-24 | 2023-08-24 | 一种陶瓷烧结工艺的数字孪生*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311076577.6A CN116822310B (zh) | 2023-08-24 | 2023-08-24 | 一种陶瓷烧结工艺的数字孪生*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822310A true CN116822310A (zh) | 2023-09-29 |
CN116822310B CN116822310B (zh) | 2024-02-09 |
Family
ID=88118763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311076577.6A Active CN116822310B (zh) | 2023-08-24 | 2023-08-24 | 一种陶瓷烧结工艺的数字孪生*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822310B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化***及其构建方法 |
CN112507569A (zh) * | 2020-12-25 | 2021-03-16 | 昆山莱士阁工业科技有限公司 | 一种数字孪生*** |
CN113126569A (zh) * | 2021-04-19 | 2021-07-16 | 北京航空航天大学 | 一种数字孪生装备构建方法和*** |
CN113168891A (zh) * | 2018-09-14 | 2021-07-23 | 西北大学 | 用于材料***的设计优化和/或性能预测的数据驱动的表示和聚类离散化方法及***及其应用 |
CN115374670A (zh) * | 2022-08-11 | 2022-11-22 | 北京航空航天大学 | 一种基于数字孪生的粉末压制过程工艺参数优化方法 |
CN115494406A (zh) * | 2022-10-28 | 2022-12-20 | 北京航空航天大学 | 电池参数辨识方法、装置及电子设备 |
CN115952636A (zh) * | 2022-09-05 | 2023-04-11 | 浙江大学 | 一种基于数字孪生的烧结过程智能配矿方法 |
CN116341204A (zh) * | 2023-02-21 | 2023-06-27 | 东北大学 | 一种基于数字孪生的蒸汽管网仿真***优化调度方法 |
-
2023
- 2023-08-24 CN CN202311076577.6A patent/CN116822310B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化***及其构建方法 |
CN113168891A (zh) * | 2018-09-14 | 2021-07-23 | 西北大学 | 用于材料***的设计优化和/或性能预测的数据驱动的表示和聚类离散化方法及***及其应用 |
CN112507569A (zh) * | 2020-12-25 | 2021-03-16 | 昆山莱士阁工业科技有限公司 | 一种数字孪生*** |
CN113126569A (zh) * | 2021-04-19 | 2021-07-16 | 北京航空航天大学 | 一种数字孪生装备构建方法和*** |
CN115374670A (zh) * | 2022-08-11 | 2022-11-22 | 北京航空航天大学 | 一种基于数字孪生的粉末压制过程工艺参数优化方法 |
CN115952636A (zh) * | 2022-09-05 | 2023-04-11 | 浙江大学 | 一种基于数字孪生的烧结过程智能配矿方法 |
CN115494406A (zh) * | 2022-10-28 | 2022-12-20 | 北京航空航天大学 | 电池参数辨识方法、装置及电子设备 |
CN116341204A (zh) * | 2023-02-21 | 2023-06-27 | 东北大学 | 一种基于数字孪生的蒸汽管网仿真***优化调度方法 |
Non-Patent Citations (2)
Title |
---|
王东;赵军;曹岩;薛超;: "微纳米复合陶瓷刀具材料计算机辅助设计和制备", 机械工程学报, no. 07 * |
马非;申倩倩;贾虎生;王淑花;许并社;: "用改进的Monte Carlo算法模拟多孔Al_2O_3陶瓷烧结过程中的晶粒生长", 人工晶体学报, no. 05 * |
Also Published As
Publication number | Publication date |
---|---|
CN116822310B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xinhua et al. | An investigation on distortion of PLA thin-plate part in the FDM process | |
Li et al. | Integration of physically-based and data-driven approaches for thermal field prediction in additive manufacturing | |
US20210162541A1 (en) | Simulation method for developing a production process | |
EP2998803B1 (en) | Simulation method | |
Miao et al. | Cyber-physical system for thermal stress prevention in 3D printing process | |
KR20210110661A (ko) | 해석 시스템 및 해석 방법 | |
CN107633106A (zh) | 一种基于全局差分法的非均匀温度场下热模态灵敏度分析方法 | |
CN114169189B (zh) | 一种近α型钛合金热塑性大变形过程中的织构预测方法 | |
CN116822310B (zh) | 一种陶瓷烧结工艺的数字孪生*** | |
CN116384193A (zh) | 基于数字孪生技术和数据融合的裂纹扩展预测方法 | |
Wang et al. | Accurate descriptions of hot flow behaviors across β transus of Ti-6Al-4V alloy by intelligence algorithm GA-SVR | |
Shen et al. | Soft sensor modeling of blast furnace wall temperature based on temporal–spatial dimensional finite-element extrapolation | |
CN104531932B (zh) | 一种高炉内表面温度分布模型建立方法及装置 | |
CN113011068B (zh) | 一种步进梁式板坯加热三维模拟仿真方法 | |
JP6206368B2 (ja) | 高炉内状態推定装置および高炉内状態推定方法 | |
CN111665882B (zh) | 温度控制方法及*** | |
JP2012093818A (ja) | 加熱処理制御装置および加熱処理制御方法 | |
Baxendale et al. | Data center temperature control using PI system and MATLAB | |
CN111442852A (zh) | 柱形腔体内发热件表面温度的检测装置及方法 | |
Gerber et al. | CFD-based predictive control of melt temperature in plastic injection molding | |
Saurin et al. | Variational approach to adaptive control design for distributed heating systems under disturbances | |
CN114417664A (zh) | 一种基于元胞自动机的钢材热轧微观组织演化在线模拟和可视化方法 | |
EP3863827B1 (en) | Method and system for improving the production of a cased device | |
Clark et al. | Validation of a Finite Element Model for Fused Filament Fabrication Additive Manufacturing | |
Seo et al. | Comprehensive Online Control Strategies for Plastic Injection Molding Process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |