知识工程在材料成形领域的应用

彭颖红^*1，唐伟琴¹，赵冰冰²，张澜庭²，李大永¹

1 上海交通大学 机械与动力工程学院 上海200240

2 上海交通大学 材料科学与工程学院 上海 200240

摘要

本文针对材料设计、制备和成形中蕴涵的大量隐含数据和知识，采用基于知识工程的方法进行挖掘、学习、分析和管理。建立了面向成形过程仿真数据的混合智能优化方法和面向实验数据的相图自动分类方法，获得材料-工艺-性能的内在联系和规律，从而加快材料设计与成形工艺开发的周期。是采用材料基因技术——材料信息技术的有益尝试和探索。重点介绍了3个应用实例：(1) 针对大规模优化设计中由于计算量太大而难以实施优化的问题，提出基于归纳学习和响应面设计的智能优化方法，有效缩减了优化设计空间，并通过知识繁衍技术提高了响应面精度，从而可以通过更少次数的仿真计算获得优化设计解，实现辊弯成形中的孔型和辊形大小的高效精确设计；(2) 采用基于归纳学习的混合智能优化方法，对挤压锻造模具形状进行优化设计，在有限的仿真次数下获得了最优化的模具形状。既避免了基于梯度的优化方法容易陷入局部最优的缺点，又比全局非梯度方法如遗传算法、模拟退火法等算法有更高的效率，最终可在全局范围内获得较好的优化效果；(3) 针对三元合金Fe-Co-Ni同步辐射XRD表征数据量大且不规则性的特性，提出一种基于规则的神经网络构造方法，该方法对XRD谱图数据实现了较高精度的相图自动分类。

 DOI: 10.12110/firstfmge.20171121.420