[发明专利]变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法

权利要求书

1.一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法，其特征在于，包括：

以任一理想金属晶粒尺寸和取向作为目标，将当前时刻的变向锻造工艺参数输入神经网络模型，输出金属晶粒尺寸和取向的预测值，计算预测值与目标之间的距离；

通过调整下一时刻的变向锻造工艺参数，计算前后时刻距离的倒数之差作为奖励，以从当前时刻到最终时刻累积奖励最大时对应的各时刻的变向锻造工艺参数作为最佳工艺路径，在最佳工艺路径下对金属进行变向锻造，最终得到理想金属晶粒尺寸和取向；

所述神经网络模型通过如下方式训练得到：

通过仿真模拟获取金属在不同变向锻造工艺参数下，形成的晶粒尺寸和取向，将不同变向锻造工艺参数输入神经网络模型，输出各变向锻造工艺参数下的晶粒尺寸和取向，计算神经网络模型输出的晶粒尺寸和取向的加权和与仿真模拟形成的晶粒尺寸和取向的加权和之间的误差，反向传播更新神经网络模型的权重参数，训练至收敛，得到训练好的神经网络模型。

2.如权利要求1所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法，其特征在于，所述变向锻造工艺参数包括变形方向和变形参数，所述神经网络模型的训练数据通过如下方式构造：

通过金属在不同变形方向和不同变形参数下进行压缩的力学响应和微观表征数据，拟合晶体塑性模型和微观组织状态方程；

对金属进行有限元模拟，提取不同变形方向和不同变形参数下锻造形成的金属心部有限单元上积分点的变形梯度，将变形梯度代入晶体塑性模型，计算金属各个晶粒的位错滑移、变形孪晶，得到应力应变分布和位错密度；

将应力应变分布和位错密度代入金属的微观组织状态方程，计算再结晶分数和晶粒尺寸，将位错密度减去用于再结晶的位错密度，得到新的位错密度，将新的位错密度带入晶体塑性模型，得到取向；

将不同变形方向、不同变形参数作为训练数据，将不同变形方向、不同变形参数下锻造金属，形成的晶粒尺寸和取向作为训练数据的模拟输出，用于与神经网络模型的输出进行对比。

3.如权利要求2所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法，其特征在于，所述将新的位错密度带入晶体塑性模型，得到用于描述取向的欧拉角，所述取向通过如下方式描述：

其中，为对称广义谐波函数，是对称广义谐波函数的系数，l为阶数，u为晶体坐标系中的水平方向，v为晶体坐标系中的垂直方向，M(l)和N(l)描述了晶体对称性和金属对称性的线性独立谐波数，为晶体坐标系中的欧拉角，分别表示章动角，进动角，自转角。

4.如权利要求2所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法，其特征在于，所述变形方向包括：轧向、横向和厚度方向，所述变形参数包括：应变量、应变速率和变形温度，所述训练数据以及训练数据的模拟输出均进行归一化处理。

5.如权利要求4所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法，其特征在于，所述应变量的取值范围是0~1，所述应变速率的取值范围是0.001~1s^-1，所述变形温度的取值范围是金属的再结晶温度~金属的熔点以下100℃。

6.如权利要求4所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法，其特征在于，所述晶粒尺寸和取向的加权和为：归一化后的晶粒尺寸×权重系数+归一化后的取向×（1-权重系数），其中，权重系数的取值范围是0.4-0.6。