16、基于模糊集和车间数据的闭式模锻载荷估计

基于模糊集和车间数据的闭式模锻载荷估计

1. 引言

在金属成型行业中，准确预测闭式模锻的锻造载荷是一项重要但具有挑战性的任务。锻造载荷估计是工艺规划的重要组成部分，而工艺规划是一个非常耗时的过程，完全依赖工艺规划师的技能和直觉。随着产品种类的增加，人们面临着尽可能缩短工艺规划时间的压力。

锻造载荷预测对于模具设计、模具材料选择以及合适容量的锻造压力机的选择至关重要。然而，变形力学的复杂性使得准确估计闭式模锻载荷成为一项艰巨的任务。现有的分析技术存在不切实际的假设，而基于有限元方法（FEM）的数值技术则具有较高的计算成本。因此，行业仍然倾向于依赖经验数据，但这些数据并非随时可用。

幸运的是，随着数据库技术的最新进展，数据存储和访问变得更加高效，这为金属成型行业保存和检索大量制造数据打开了大门。此外，计算机辅助技术的使用为显著降低规划活动的成本和时间提供了可行的解决方案。合理利用现有的大量车间数据可以准确预测闭式模锻载荷。本文通过使用模糊集理论处理材料特性和摩擦条件中的不确定性，扩展了早期的工作。

在智能制造时代，工厂正试图根据实际车间反馈实现自适应。智能制造的一个关键特征是能够从现有信息中提取有意义的信息。最初，计算机辅助技术主要侧重于基于知识的专家系统的应用，以建议锻造产品所需的步骤序列。随着时间的推移，研究人员一直在努力将专家系统有效地融入锻造工艺优化中。然而，锻造过程中的操作参数往往不是确定的或明确的，因此在建议合适的工艺参数以估计锻造载荷时，需要大量的人类专业知识。此外，将人类经验转化为知识库本身也是一项具有挑战性的任务。模糊逻辑和神经网络的结合使得能够应对关于锻造工艺参数的模糊知识。

本文的核心思想是利用最相似的闭式模锻产品的知识来