[发明专利]用于降低原始成型腔在用于批量运行中之前的再加工耗费的方法和设备

权利要求书

1.一种用于确定优化的造型数据(32，14b')的方法，所述优化的造型数据表示原始成型的工件(60；60')的造型和/或原始成型工具(64；64')的原始成型腔(62；62')的造型，其中原始成型的工件(60；60')由在进行原始成型的成型过程中能流动地输入所述原始成型腔(62；62')中的原始成型材料形成，其中所述原始成型材料根据至少一个凝固参数来硬化，其中该方法包括：

a)提供初始造型数据(14)，所述初始造型数据表示待以原始成型的方式制造的工件(60)的和/或待用于所述工件的原始成型的初始腔(62)的初始造型(14a)，

b)提供材料数据(16)，所述材料数据表示所述原始成型材料，

c)提供原始成型工艺数据(18)，所述原始成型工艺数据表示原始成型工艺，

d)提供工具数据(20)，所述工具数据表示超出原始成型腔(62；62')的初始造型的、关于体现所述原始成型腔(62；62')的工具(64；64')的信息，

e)基于模型输出数据，借助于电子的数据处理设施(24)通过仿真原始成型工艺来确定预测造型数据(26)，所述模型输出数据包括至少一个凝固参数和在步骤a)、b)、c)和d)中所提供的初始造型数据(14)、材料数据(16)、原始成型工艺数据(18)和工具数据(20)，

f)基于至少一个在步骤e)中确定的预测造型数据(26)以及基于第一KI输出数据，借助于电子的数据处理设施(30)产生优化的预测造型数据(32)作为优化的造型数据，所述第一KI输出数据包括至少一个凝固参数和在步骤a)、b)、c)和d)中所提供的初始造型数据(14)、材料数据(16)、原始成型工艺数据(18)和工具数据(20)，其中所述电子的数据处理设施(30)构成为针对优化所述预测造型数据(26)来训练的人工神经仿真优化网络(28)。

2.根据权利要求1所述的方法，

其特征在于，

所述方法包括下述其他步骤：

g)基于至少在步骤f)中确定的、优化的预测造型数据(32)以及第二KI输出数据，借助于电子的数据处理设施(38)产生修改的造型数据(14b')作为进一步优化的造型数据，其中所述修改的造型数据(14b')表示所述原始成型工具(64')的原始成型腔(62')的经修改的造型，所述第二KI输出数据包括至少一个凝固参数和在步骤a)、b)、c)和d)中提供的初始造型数据(14)、材料数据(16)、原始成型工艺数据(18)和工具数据(20)，所述电子的数据处理设施构成为针对造型优化而训练的人工神经造型优化网络(36)。

3.根据权利要求2所述的方法，

其特征在于，

所述第二KI输出数据的至少一部分，优选大部分，也是第一KI输出数据。

4.根据权利要求2或3所述的方法，

其特征在于，

所述人工神经仿真优化网络(28)是所述人工神经造型优化网络(36)。

5.根据上述权利要求中任一项所述的方法，

其特征在于，

所述模型输出数据的至少一部分，优选大部分，也是KI输出数据，使得优选地，执行所述仿真的电子的数据处理设施(24)和所述经训练的人工神经仿真优化网络(28)从同一数据源调用其出自模型输出数据和KI输出数据的相应的输出数据。

6.根据上述权利要求中任一项所述的方法，其特征在于，构成用于仿真所述原始成型工艺的电子的数据处理设施(24)通过基于模型的仿真来确定所述预测造型数据(26)，优选利用数字模型，尤其数字有限元模型或/和数字有限体积模型或/和数字有限差分模型。

7.根据上述权利要求中任一项所述的方法，

其特征在于，

所述初始造型数据(14)包括所述工件(60)的或/和初始腔(62；62')的额定尺寸，例如长度尺寸或/和角度尺寸或/和曲率参数。