[发明专利]一种板料回弹模型参数优化方法、装置、终端及存储介质

说明书

本申请提供了一种板料回弹模型参数优化方法、装置、终端及存储介质，本申请通过SFS变量筛选方式将影响板料弯曲回弹的特征变量进行变量组合筛选，并根据筛选的变量组合进行训练，再根据由不同变量组合测出的测试工件参数与参考工件参数进行对比，从而确定出最优的建模变量组合，解决了现有的有限元法需要引入大量的参数导致分析板料回弹的过程极其复杂，且实施非常耗时的技术问题。

技术领域

本申请涉及加工工艺领域，尤其涉及一种板料回弹模型参数优化方法。

背景技术

金属板料工件是工业生产中的常见零件，其中，常用的金属板料工件包括V型工件。影响金属板料工件弯曲回弹的因素众多，工件尺寸，力学性能和负载条件等都使得板料的弯曲回弹难以得到有效控制。为了解决这种高度复杂的非线性控制问题，目前，在实际工程应用中常用的分析方法包括有限元法。但是，由于影响参数较多，用现有的有限元法分析板料回弹的过程极其复杂，且实施非常耗时。

因此，如何提高板料回弹分析的效率和精度成为了本领域技术人员亟需解决的技术问题。

发明内容

本申请提供了一种板料回弹模型参数优化方法、装置、终端及存储介质，用于解决现有的有限元法需要引入大量的参数导致分析板料回弹的过程极其复杂，且实施非常耗时的技术问题。

有鉴于此，本申请第一方面提供了一种板料回弹模型参数优化方法，包括：

S1：获取板料加工的特征变量，并建立初始状态为空集的特征变量集合；

S2：通过SFS变量筛选方式，从所述特征变量中确定一个新增变量，并将所述新增变量添加至所述特征变量集合中；

S3：以所述特征变量集合为模型输入，通过SVR模型进行模型训练和测试，得到当前的特征变量集合的测试工件参数；

S4：判断当前的所述特征变量集合中是否包含有所有的所述特征变量，若是，则执行步骤S5，若否，则返回步骤S2；

S5：将各个所述测试工件参数逐一与参考工件参数进行对比，分别得到各个所述测试工件参数对应的均方误差和决定系数，其中，所述参考工件参数为根据所述特征变量通过有限元法得到的工件参数或通过实际加工测出的工件参数；

S6：根据均方误差和决定系数的差值，确定差值最大的测试工件参数对应的目标特征变量集合。

可选地，所述步骤S2具体包括：

S21：根据预置的SFS新增变量筛选公式，从所述特征变量中确定一个新增变量，其中所述SFS新增变量筛选公式具体为：

式中，X⁺为所述新增变量，J(Y_k+X⁺)为变量筛选的目标函数，Y_k为所述特征变量集合；

S22：将所述新增变量添加至所述特征变量集合中。

可选地，所述步骤S6之后还包括：

S7：以所述目标特征变量集合中的特征变量为输入变量，并输入样本数据进行模型训练，得到板料回弹模型。

可选地，所述特征变量具体包括：板料长度、板料宽度、板料厚度、上模具圆角半径、上模具压下量、力学参数、上模具长度、模具单边间隙、上模具行进速度。

可选地，所述测试工件参数和所述参考工件参数均包括：张开角和最小弯曲回弹半径。

本申请第二方面提供了一种板料回弹模型参数优化装置，包括：

变量获取单元，用于获取板料加工的特征变量，并建立初始状态为空集的特征变量集合；