[发明专利]压铸生产代理模型的构建方法、装置、设备及存储介质

说明书

本发明公开了压铸生产代理模型的构建方法、装置、设备及存储介质，所述方法包括：根据压铸相关设备的输入参数类型及可行域，基于拉丁超立方采样法进行采样，得到输入数据AA，经压铸过程生产试验或仿真分析，得到对应输入数据AA的每一项样本的输出数据BB，最终得到一组输入输出采样{AA:BB}；构建用于训练代理模型的神经网络，通过启发式算法对神经网络的结构进行优化；基于{AA:BB}，对代理模型进行训练，最终得到训练后的代理模型。本发明相较于有限元分析法，能够以较快的速度和较低运算资源生成代理模型，对压铸生产工艺参数进行验证。使用本方法，能够快速对设计得到的修改结果进行初步认证，以便于迭代设计的进行。

技术领域

本发明涉及模型构建技术领域，具体涉及一种压铸生产代理模型的构建方法、装置、设备及存储介质。

背景技术

在压铸产品设计、生产过程中，压铸机、模具及压铸周边设备的工艺参数，对批量生产的良品率与单件产品的缺陷与性能有较大的影响。对于现有压铸产品，往往使用模流分析等有限元分析方法结合试生产实验，对产品的生产状态进行分析，协助验证工艺参数的有效性。对于尺寸较大、成本较高的产品与模具，开机实验的成本较高，且需要承担模具发生损坏的风险。而使用有限元分析法进行仿真，耗时较长，难以在长线的产品迭代修改过程中反复进行。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的上述缺陷，从而提供一种压铸生产代理模型的构建方法、装置、设备及存储介质。

本发明提供了一种压铸生产代理模型的构建方法，所述方法具体包括如下步骤：

S1：根据压铸相关设备的输入参数类型及可行域，基于拉丁超立方采样法进行采样，得到输入数据AA，经压铸过程生产试验或仿真分析，得到对应输入数据AA的每一项样本的输出数据BB，最终得到一组输入输出采样；

S2：构建用于训练代理模型的神经网络，通过启发式算法对神经网络的结构进行优化；

S3：基于，对代理模型进行训练，最终得到训练后的代理模型。

优选地，步骤S1具体包括如下步骤：

S11：记可操作的输入参数为输入，其对应范围为；需要优化的产品性能为输出，其对应范围为，经压铸过程生产试验或仿真分析得到的精确模型为，满足：，；

S12：以其中一组最优解为中心，根据所需数据集大小，基于拉丁超立方采样法进行采样，得到输入数据，使得：

；

S13：经压铸过程生产试验或仿真分析，得到对应输入数据的每一项样本的输出数据BB，即：，最终得到一组输入输出采样，用于建模。

优选地，步骤S2具体包括如下步骤：

S21：构建用于训练代理模型的反向传播神经网络BP；

S22：通过遗传算法GA对反向传播神经网络BP的结构进行优化。

优选地，步骤S22具体包括如下步骤：

S221：分别以神经网络的结构与初始权重作为遗传算法GA的输入，以神经网络的训练过程作为遗传算法GA的系统，以神经网络优化后的误差作为遗传算法GA的评价值；

S222：按照的格式生成一系列随机染色体，经过系统计算后对输出结果进行评价，得到输入染色体的评价值；

S223：舍弃评价值低的个体，评价值高的个体之间经过交叉、变异得到下一代种群，进行进一步的生成迭代，最终评价值达到趋于稳定或达到预期范围；

S224：经优化得到神经网络的结构与初始权重的最优解，进一步进行训练即可获得最优代理模型。