[发明专利]一种融合机理模型和学习模型的加工变形预测方法

权利要求书

1.一种融合机理模型和学习模型的加工变形预测方法，其特征在于：以易于测量的变形力预测难以测量的残余应力引起的变形量；根据变形力F、变形量d和残余应力σ之间的力学关系建立关联关系：

d＝Function(σ,S) (1)

F＝Function′(σ,S) (2)

其中Function为变形量与残余应力的力学关系式；Function′为变形力与残余应力的力学关系式；S为零件信息，以难以测量的残余应力σ作为潜变量Z，进而构建学习模型架构：

Z＝f(d,S) (3)

Z＝g(F,S) (4)

d＝h(Z,S) (5)

在该架构中，以由变形量和变形力推断的Z服从同一概率分布构建约束项，以由潜变量Z推断d为目标，同时训练映射f、映射g和映射h，建立变形量预测学习模型，模型训练完成后，基于上述公式(4)和(5)得到的映射关系预测零件的加工变形量，即通过变形力F得到潜变量Z，然后通过潜变量Z得到变形量d。

2.根据权利要求1所述的预测方法，其特征在于：所述的零件信息S包括零件的几何信息和变形力测量位置信息。

3.根据权利要求1所述的预测方法，其特征在于：所述的变形量预测学习模型包括编码模块和解码模块，编码模块输入零件信息与变形力，输出潜变量，即拟合映射f和映射g；解码模块输入零件信息和潜变量，输出对应零件位置的变形量，即拟合映射h，编码模块和解码模块的实现方式为神经网络。

4.根据权利要求1所述的预测方法，其特征在于：所述的变形量预测学习模型的输入包括变形力、零件几何信息、变形力测量位置信息。