公开(公告)号：CN112825105B

公开(公告)日：2022-07-12

申请号：CN201911141684.6

申请日：2019-11-20

Applicant: 上海交通大学

Inventor： 曹益旗 ,  向华 ,  庄新村 ,  赵震

IPC: G06F30/23 ,  G06F30/17 ,  G06F113/24 ,  G06F119/14

Abstract: 一种混合材料参数压缩的板料挤压成形力快速预测方法，通过无监督学习算法形成自编码器，充分利用现有的大应变下不同材料本构模型，压缩材料流动应力曲线，构建材料参数压缩模型，获取压缩后材料性能特征；再通过监督学习建立起材料性能特征、工艺参数与板料挤压成形力之间复杂的非线性关系，从而实现板料板料挤压成形力的快速精准预测，本发明基于神经网络无监督学习和监督学习的方法，克服神经网络在特征较多、数据量较小的场景中，容易出现陷入局部最小值、过拟合等问题，提高了模型的预测精度，可以为板料挤压的工艺和模具设计提供有力支撑。

公开(公告)号：CN112825105A

公开(公告)日：2021-05-21

申请号：CN201911141684.6

申请日：2019-11-20

Applicant: 上海交通大学

Inventor： 曹益旗 ,  向华 ,  庄新村 ,  赵震

IPC: G06F30/23 ,  G06F30/17 ,  G06F113/24 ,  G06F119/14

Abstract: 一种混合材料参数压缩的板料挤压成形力快速预测方法，通过无监督学习算法形成自编码器，充分利用现有的大应变下不同材料本构模型，压缩材料流动应力曲线，构建材料参数压缩模型，获取压缩后材料性能特征；再通过监督学习建立起材料性能特征、工艺参数与板料挤压成形力之间复杂的非线性关系，从而实现板料板料挤压成形力的快速精准预测，本发明基于神经网络无监督学习和监督学习的方法，克服神经网络在特征较多、数据量较小的场景中，容易出现陷入局部最小值、过拟合等问题，提高了模型的预测精度，可以为板料挤压的工艺和模具设计提供有力支撑。