[发明专利]工件铸造处理方法、装置、电子设备及存储介质

说明书

本申请提供一种工件铸造处理方法、装置、电子设备及存储介质。方法包括：建立工件在铸造成型期间的浇注过程数值模型和孔洞类缺陷预测模型；构建用于实验的内表和外表；根据外表中的待测样本及信噪比，创建样本矩阵，并基于经过测试训练的神经网络模型，预测利用样本矩阵中每个样本的工艺参数进行铸造得到的工件的检测结果；对样本矩阵的所有检测结果进行多目标寻优，得到Pareto最优解集；从Pareto最优解集中确定最优解对应的工艺参数以作为目标工艺参数，其中，目标工艺参数为Pareto最优解集中使得欲铸造的工件的质量最高的参数组合。如此，有利于提高工艺参数的稳健性，降低工件的孔洞类缺陷，提升工件质量与抗干扰能力。

技术领域

本发明涉及铸造工艺技术领域，具体而言，涉及一种工件铸造处理方法、装置、电子设备及存储介质。

背景技术

在金属铸造行业，对于工件的铸造，通常是先基于欲铸造的工件的产品结构，设计出铸型模具，然后，向铸型模具注入高温的液态金属，待液态金属在铸型模具中冷却后，便可以固化成相应的工件。目前，在工件的铸造过程中，环境或人为等误差因素(即噪声)会对预设的工艺参数产生误差影响，从而容易存在孔洞类缺陷，影响工件的使用寿命与产品质量。

发明内容

有鉴于此，本申请实施例的目的在于提供一种工件铸造处理方法、装置、电子设备及存储介质，能够改善工件在铸造过程中容易存在孔洞类缺陷的问题。

为实现上述技术目的，本申请采用的技术方案如下：

第一方面，本申请实施例提供了一种工件铸造处理方法，所述方法包括：

步骤10，基于欲铸造的工件的三维结构参数及工艺参数，建立所述工件在铸造成型期间的浇注过程数值模型和孔洞类缺陷预测模型；

步骤20，根据所述工艺参数及所述工艺参数中的每类参数对应的预设参数范围，构建用于实验的内表和外表，所述内表包括m组工艺参数的样本，所述外表包括m组样本分别在基于q类噪声影响下得到的待测样本及所述内表中相应样本的信噪比，m、q均为大于1的整数；

步骤30，根据所述外表中的所述待测样本及所述信噪比，创建样本矩阵，并基于经过测试训练的神经网络模型，预测利用所述样本矩阵中每个样本的工艺参数进行铸造得到的工件的检测结果，所述检测结果包括表征工件质量的质量指标；

步骤40，通过预设的非支配排序遗传算法及所述样本矩阵，对所述样本矩阵的所有检测结果进行多目标寻优，得到Pareto最优解集；

步骤50，基于预设的逼近理想解排序法，从所述Pareto最优解集中确定最优解对应的工艺参数以作为目标工艺参数，其中，所述目标工艺参数为所述Pareto最优解集中使得欲铸造的所述工件的质量最高的参数组合。

结合第一方面，在一些可选的实施方式中，所述步骤10包括：

根据所述工件的三维结构参数，创建铸型的第一三维结构模型及所述工件的第二三维结构模型，并利用仿真有限元工具对所述第一三维结构模块及所述第二三维结构模型进行网格划分，并设置第一三维结构模块及所述第二三维结构模型的材料及属性，以形成所述浇注过程数值模型；

根据工艺参数，利用所述仿真有限元工具创建所述孔洞类缺陷预测模型，其中，所述孔洞类缺陷预测模型用于根据欲铸造的所述工件在充型过程中金属液的流动、凝固过程中的温度分布以及固相率，确定欲铸造的所述工件的收缩缺陷和气孔缺陷产生的位置和尺寸，以得到所述工件的缩孔缩松体积和气体夹杂密度，所述工艺参数包括浇注温度、浇注时间及模具预热温度。

结合第一方面，在一些可选的实施方式中，所述步骤20包括：

获取所述工艺参数中的每类参数对应的所述预设参数范围，所述工艺参数包括浇注温度、浇注时间及模具预热温度；