[发明专利]一种基于数字孪生的熔铸装药成型工艺参数优化方法及系统

权利要求书

1.一种基于数字孪生的熔铸装药成型工艺参数优化方法，其特征在于，包括以下步骤：

S1.通过基于CART回归树的GBRT算法对熔铸装药成型工艺参数与成型质量优化目标进行非线性耦合预测；

S2.对于选定的熔铸装药成型工艺参数和成型质量优化目标，根据熔铸装药成型数字孪生数据采集感知技术采集的相关数据，在步骤S1构建的耦合预测模型基础上，采用多目标智能优化算法进行寻优，获得局部最优解集；

S3.在步骤S2获得的局部最优解集的基础上，采用智能决策分析方法对局部最优解集进行量化评价，输出全局最优的成型工艺参数；

S4.验证步骤S3获得的全局最优熔铸装药成型工艺参数优化结果的准确性，并将全局最优熔铸装药成型工艺参数传输到实体生产设备中，实现熔铸装药成型工艺参数的闭环控制。

2.根据权利要求1所述的一种基于数字孪生的熔铸装药成型工艺参数优化方法，其特征在于，选取炸药药液浇注温度T_z、弹体预热温度T_r、水浴凝固护理温度T_h、水浴水位上升速度V、凝固压力P五个熔铸装药成型工艺参数为输入变量，以熔铸装药成型后药柱的装药密度ρ(x)、密度差λ(x)两个成型质量性能指标参数为输出目标函数，构建熔铸装药成型工艺参数和装药成型质量性能指标间的非线性映射关系模型如下：

式(1)中，T_z为炸药药液浇注温度，T_r为弹体预热温度，T_h为水浴凝固护理温度，V为水浴水位上升速度，P为凝固压力；a_e(e＝1,2,...,5)为对应输入变量(T_z,T_r,T_h,V,P)的取值下限，b_e(e＝1,2,...,5)为对应输入变量(T_z,T_r,T_h,V,P)的取值上限；ρ(x)为装药密度目标函数，λ(x)为装药密度差目标函数。

3.根据权利要求1所述的一种基于数字孪生的熔铸装药成型工艺参数优化方法，其特征在于，步骤S1中，以装药密度最大化和装药密度差最小化为两个成型质量优化目标，取影响这两个优化目标的五种工艺参数炸药药液浇注温度、弹体预热温度、水浴凝固护理温度、水浴水位上升速度和凝固压力作为优化的设计变量，基于熔铸装药成型工艺数据库抽样所得的样本结果，建立熔铸装药成型工艺参数与成型质量两个优化目标之间的非线性耦合预测模型。

4.根据权利要求1所述的一种基于数字孪生的熔铸装药成型工艺参数优化方法，其特征在于，步骤S2包括以下步骤：

S21：状态变化检测：将熔铸装药成型过程中的炸药凝固状态变化作为装药质量性能变化的参数变化量，数字孪生数据采集感知技术检测弹体中炸药凝固状态变化是否达到设定的阈值，再决定是否需要对此进行应答；

S22：状态变化应答：当检测到弹体中炸药凝固状态发生变化达到阈值时，随机重新初始化一部分个体，替代当前凝固状态条件下得到的最优解的一部分个体，此时得到的种群将作为初始种群引入新状态来实现种群的多样性；

S23:采用NSGA-Ⅱ算法求解获得当前炸药凝固状态下的Pareto最优解，获得最佳熔铸装药成型工艺参数解集为局部最优解集。

5.根据权利要求1所述的一种基于数字孪生的熔铸装药成型工艺参数优化方法，其特征在于，步骤S3中，在通过NSGA-Ⅱ算法优化获得的Pareto解集中，按照熔铸装药成型质量指标，采用TOPSIS算法输出全局最优的成型工艺参数，指导熔铸装药成型物理实体设备。

6.根据权利要求1所述的一种基于数字孪生的熔铸装药成型工艺参数优化方法，其特征在于，步骤S4中，通过熔铸装药数字孪生模型仿真试验，验证全局最优熔铸装药成型工艺参数优化结果的准确性。