一种基于数字孪生的产品装配过程机械性能在线预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115203865A(43)申请公布日2022.10.18(21)申请号202211135094.4(22)申请日2022.09.19(71)申请人南京理工大学地址210094江苏省南京市玄武区孝陵卫200号(72)发明人柳林燕黄镜宏童一飞汪惠芬(74)专利代理机构南京苏创专利代理事务所(普通合伙)32273专利代理师张学彪(51)Int.Cl.G06F30/17(2020.01)G06F30/23(2020.01)G06F111/10(2020.01)权利要求书2页说明书10页附图2页(54)发明名称一种基于数字孪生的产品装配过程机械性能在线预测方法(57)摘要本发明涉及一种基于数字孪生的产品装配过程机械性能在线预测方法，该方法在数字空间充分融合了有限元、网格模型简化、代理模型，通过有限元分析和网格模型简化实现装配过程中不同装配工艺参数下的机械性能指标分析和有限元网格模型的简化，在此基础上通过建立基于高斯过程回归的代理模型实现不同装配工艺参数下的实时机械性能预测，进而完成产品机械性能分析的数字孪生模型构建并实现装配过程中产品机械性能的快速预测。本发明利用网格模型简化算法对产品装配零部件有限元网格模型进行处理，支持机械性能快速分析计算和对有限元模型的实时分析结果的快速渲染。CN115203865ACN115203865A权利要求书1/2页1.一种基于数字孪生的产品装配过程机械性能在线预测方法，其特征在于，包括以下步骤：步骤S1：有限元模型：通过有限元分析软件，实现产品实际装配过程中关键机械性能的仿真分析,并获得产品装配零部件对应的有限元网格模型；步骤S2：简化模型：通过有限元网格模型简化算法处理，实现产品装配零部件的有限元网格模型的简化，并对有限元网格结点分析结果数值进行更新；步骤S3：代理模型：构建机械性能预测分析的代理模型，并通过模型训练对代理模型的超参数进行迭代优化，确保代理模型预测分析有较高的计算精度；步骤S4：降阶代理模型：通过模型压缩方法实现代理模型的降阶，将高维度的代理模型转化为低维模型，确保产品机械性能预测分析数字孪生模型达到快速响应的要求。2.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法，其特征在于：所述步骤S1具体包括：步骤S11：对产品装配零部件模型进行有限元网格划分；步骤S12：以多组装配工艺参数作为外部载荷输入和边界条件进行有限元分析，获得装配零部件的有限元网格模型以及不同工艺参数条件下机械性能指标有限元分析数值，将装配工艺参数与分析后获得的机械性能指标分析数值整理成步骤S3中代理模型的训练样本数据集。3.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法，其特征在于：所述步骤S2具体包括：步骤S21：采用非流形网格转化方法，将有限元网格模型非流形网格转化为流形网格；步骤S22：采用边折叠算法进行有限元网格模型简化，所述边折叠算法包括以边曲率、狭长边判断因子、有限元结点数值作为折叠边选择策略中的折叠误差因子，筛选出最优先折叠边；步骤S23：通过二次误差度量的方式，进行图元信息更新与有限元网格结点分析结果数值的更新，获得简化后的有限元网格模型和更新后的训练样本数据集。4.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法，其特征在于：所述步骤S3具体包括：步骤S31：模型建立：针对产品机械性能预测的多输入多输出回归问题，基于高斯过程回归进行代理模型的构建，包括均值矩阵和协方差矩阵中均值函数和协方差函数形式的选择；步骤S32：模型训练：利用步骤S2简化的训练样本数据集对高斯过程回归模型进行训练；步骤S33：优化模型参数：根据更新后的训练样本数据集对均值函数和协方差函数中的超参数进行迭代优化，其中，超参数优化采用最大似然估计的方法进行；步骤S34：评估模型精度：以更新后的训练样本数据集计算代理模型的均值矩阵和协方差矩阵，并确定样本点预测值表达式。5.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法，其特征在于：所述步骤S4中模型压缩方法为奇异值分解。6.根据权利要求3所述的基于数字孪生的产品装配过程机械性能在线预测方法，其特2CN115203865A权利要求书2/2页征在于：所述步骤S22中，所述边曲率折叠误差因子CurE用以下公式近似表示：其中，m、n分别为折叠边两个顶点邻接面片数，nv1、nv2分别为两个顶点的单位法向量，nvi、nvj分别为两个顶点邻接面片的单位法向量；所述狭长边判断因子NEE计算方式如下：其中，l为折叠边长，由折叠边两个顶点坐标分量xi、yi求出，l1、l2为同一个三角面片另外两边长度，S为半边对应三角面片面积，HE1、HE2为折叠边两条半边，Q为通