本發(fā)明涉及鋁型材加工能耗優(yōu)化，具體為一種基于數(shù)字孿生的鋁型材擠壓過程能耗優(yōu)化方法。

背景技術(shù)：

1、隨著全球能源短缺和環(huán)境污染問題日益嚴重，制造業(yè)面臨著節(jié)能減排的巨大挑戰(zhàn)。鋁型材擠壓作為一種廣泛應(yīng)用于建筑、交通、電子等領(lǐng)域的重要加工技術(shù)，其生產(chǎn)過程中的能耗問題備受關(guān)注。然而，鋁型材擠壓制造過程受到工藝參數(shù)影響，需要消耗大量能量，其生產(chǎn)過程屬于高耗能、高排放制造過程，導(dǎo)致生產(chǎn)企業(yè)生產(chǎn)成本增加。傳統(tǒng)的鋁型材擠壓工藝往往依賴于經(jīng)驗和人工反復(fù)實驗來確定最優(yōu)工藝參數(shù)，能耗較高，且生產(chǎn)效率不高。

2、近年來，隨著數(shù)字化技術(shù)的快速發(fā)展，數(shù)字孿生技術(shù)在工業(yè)制造領(lǐng)域的應(yīng)用逐漸興起。數(shù)字孿生技術(shù)通過虛擬模型與物理設(shè)備的深度融合，實現(xiàn)了對實際生產(chǎn)過程的精確仿真與實時監(jiān)控。它不僅可以模擬生產(chǎn)過程中的各種工藝參數(shù)變化，還可以通過虛擬試驗獲取產(chǎn)品質(zhì)量和能耗的關(guān)鍵指標(biāo)，為工藝參數(shù)的優(yōu)化提供數(shù)據(jù)支持。

3、在鋁型材擠壓領(lǐng)域，數(shù)字孿生技術(shù)的應(yīng)用可以有效減少物理實驗的次數(shù)，降低實驗成本，提高生產(chǎn)效率。然而，目前大多數(shù)基于數(shù)字孿生技術(shù)的研究主要集中于產(chǎn)品質(zhì)量的優(yōu)化，對于能耗的研究和優(yōu)化相對較少。特別是，在鋁型材擠壓過程中，如何通過數(shù)字孿生手段，實現(xiàn)能耗的最小化，仍然是一個亟待解決的技術(shù)難題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于數(shù)字孿生的鋁型材擠壓過程能耗優(yōu)化方法，構(gòu)建鋁型材擠壓過程的數(shù)字孿生模型，結(jié)合產(chǎn)品質(zhì)量和能耗的仿真結(jié)果，利用多目標(biāo)優(yōu)化算法對工藝參數(shù)進行優(yōu)化，提高生產(chǎn)效率。

2、基于本發(fā)明的一個主要方面，提供一種基于數(shù)字孿生的鋁型材擠壓過程能耗優(yōu)化方法，包括如下步驟之一或其組合：

3、步驟1，構(gòu)建鋁型材擠壓過程的數(shù)字孿生模型；

4、步驟2，設(shè)定鋁型材擠壓各工藝參數(shù)的范圍，所述工藝參數(shù)包括擠壓溫度t、擠壓速度v、液壓系統(tǒng)壓力ph、電氣系統(tǒng)功率pe、模具幾何形狀g、原料特性參數(shù)m；

5、步驟3，將預(yù)設(shè)的鋁型材擠壓工藝參數(shù)導(dǎo)入數(shù)字孿生模型，對鋁型材擠壓成形過程進行模擬仿真，從數(shù)字孿生模型的仿真結(jié)果中提取質(zhì)量指標(biāo)數(shù)值q(pi)、能耗指標(biāo)數(shù)值e(pi)；

6、步驟4，以步驟3)獲得的質(zhì)量指標(biāo)數(shù)值、能耗指標(biāo)數(shù)值為約束，利用多目標(biāo)優(yōu)化算法對鋁型材擠壓工藝參數(shù)進行優(yōu)化；

7、步驟5，將優(yōu)化后的鋁型材擠壓工藝參數(shù)導(dǎo)入數(shù)字孿生模型，對鋁型材擠壓成形過程進行再次模擬仿真并提取質(zhì)量指標(biāo)數(shù)值、能耗指標(biāo)數(shù)值；

8、步驟6，比較優(yōu)化前后鋁型材擠壓工藝參數(shù)及產(chǎn)品質(zhì)量指標(biāo)，判斷產(chǎn)品質(zhì)量是否合格，能耗是否達到最優(yōu)；產(chǎn)品質(zhì)量合格，能耗達到最優(yōu)，則將優(yōu)化后的鋁型材擠壓工藝參數(shù)應(yīng)用于實際生產(chǎn)，否則，將步驟5獲得的質(zhì)量指標(biāo)數(shù)值、能耗指標(biāo)數(shù)值作為約束，利用步驟4中所述的多目標(biāo)優(yōu)化算法對鋁型材擠壓工藝參數(shù)進行優(yōu)化，并重復(fù)步驟5、6，直至產(chǎn)品質(zhì)量合格，能耗達到最優(yōu)。

9、在以上方案中，通過構(gòu)建基于數(shù)字孿生的鋁型材擠壓過程模型，實現(xiàn)對擠壓過程的數(shù)字化仿真與優(yōu)化，能夠準(zhǔn)確模擬實際生產(chǎn)中的溫度、速度、液壓系統(tǒng)壓力等工藝參數(shù)。這使得生產(chǎn)過程可以在虛擬環(huán)境中進行快速迭代，這樣可以大幅降低傳統(tǒng)實驗方法中的成本和時間損耗，同時避免生產(chǎn)中可能發(fā)生的材料浪費。

10、設(shè)定合理的工藝參數(shù)范圍是保證優(yōu)化效果的基礎(chǔ)，通過限制這些參數(shù)在一定范圍內(nèi)，可以確保優(yōu)化的可行性，并防止參數(shù)超出實際設(shè)備的操作限制，保證安全和產(chǎn)品質(zhì)量。

11、通過將工藝參數(shù)導(dǎo)入數(shù)字孿生模型進行仿真，可以模擬真實的擠壓過程，并快速得出相應(yīng)的質(zhì)量指標(biāo)和能耗指標(biāo)。仿真結(jié)果為后續(xù)優(yōu)化提供了數(shù)據(jù)基礎(chǔ)，使得每個參數(shù)與其對質(zhì)量和能耗的影響可以量化。

12、而且，通過多目標(biāo)優(yōu)化算法，可以同時考慮質(zhì)量和能耗的平衡問題，在保持產(chǎn)品質(zhì)量符合要求的前提下，盡可能降低能耗。這種優(yōu)化方式能夠有效解決傳統(tǒng)優(yōu)化中單一目標(biāo)，如只追求最小能耗或最高質(zhì)量，帶來的局限性，保證了生產(chǎn)的綜合效益。使用基于非支配排序、擁擠度距離計算策略和優(yōu)勝劣汰選擇策略的多策略改進的多目標(biāo)粒子群優(yōu)化算法，可以快速找到滿足多重約束條件下的最優(yōu)解。

13、在一些實施例中，作為進一步的優(yōu)選方案，所述的數(shù)字孿生模型包括：

14、液壓系統(tǒng)模型，用于模擬鋁擠壓機液壓組件的工作過程，所述液壓系統(tǒng)模型精確描述液壓回路的行為，包括泵、閥門、管道和執(zhí)行器部分；

15、機械系統(tǒng)模型，用于模擬擠壓設(shè)備的運動機構(gòu)；

16、電氣系統(tǒng)模型，用于分析擠壓設(shè)備中電機、控制電路的電能消耗和運行效率，進一步優(yōu)化電能分配；

17、擠壓仿真模型，用于對鋁型材的塑性變形過程進行建模與仿真，預(yù)測不同溫度、壓力條件下的材料流動行為；

18、產(chǎn)品質(zhì)量檢測模型，結(jié)合多種傳感器數(shù)據(jù)實時監(jiān)測擠壓過程中產(chǎn)品的形態(tài)變化，確保產(chǎn)品質(zhì)量指標(biāo)。

19、作為進一步的優(yōu)選方案，所述的優(yōu)化后的工藝參數(shù)通過云端數(shù)字孿生平臺實時更新至生產(chǎn)設(shè)備，實現(xiàn)自動化調(diào)節(jié)和能耗監(jiān)控。

20、作為進一步的優(yōu)選方案，所述的質(zhì)量指標(biāo)包括強度、硬度、塑性、韌性，所述的能耗指標(biāo)為液壓系統(tǒng)的液壓泵耗電量。

21、在一些實施例中，作為進一步的優(yōu)選方案，所述的多目標(biāo)優(yōu)化算法為基于非支配排序、擁擠度距離計算策略和優(yōu)勝劣汰選擇策略的多策略改進的多目標(biāo)粒子群優(yōu)化算法，包括如下步驟之一或其組合：

22、初始化粒子群，每個粒子代表一組鋁型材擠壓工藝參數(shù)組合pi＝[ti,vi,phi,pei,gi,mi]，其中，ti表示在第i個粒子所代表的參數(shù)組合中的擠壓溫度，vi表示第i個粒子中所使用的擠壓速度，phi表示第i個粒子中液壓系統(tǒng)的工作壓力，pei表示第i個粒子中電氣系統(tǒng)的功率，gi表示第i個粒子中的模具幾何形狀參數(shù)，mi表示第i個粒子中使用的原料特性參數(shù)；

23、每個粒子的初始位置xi和速度vi隨機生成，并滿足工藝參數(shù)的上下限約束；

24、每次迭代中，使用數(shù)字孿生模型仿真計算每個粒子pi的能耗e(pi)和質(zhì)量指標(biāo)q(pi)，每個粒子的適應(yīng)度由其目標(biāo)函數(shù)值決定；

25、粒子的位置和速度通過以下公式更新：

26、

27、式中，為粒子i在第t次迭代時的速度，

28、為粒子i在第t次迭代時的位置，

29、ω：慣性權(quán)重，范圍在[0.4,0.9]，控制大范圍搜索和局部優(yōu)化之間的平衡，較大的ω值(接近0.9)鼓勵全局搜索，可以幫助算法跳出局部最優(yōu)解；較小的ω值(接近0.4)鼓勵局部搜索，有助于收斂到最優(yōu)解，

30、c1＝c2＝2.0：學(xué)習(xí)因子，c1控制個體對自身歷史最佳位置的追隨程度，c2控制個體對群體最佳位置的追隨程度，c1＝c2＝2.0是一個較為保守和有效的選擇，因為它平衡了個體和群體的影響，有助于穩(wěn)定收斂，

31、r1、r2：隨機數(shù)，范圍在[0,1]，

32、pbesr：粒子i的歷史最優(yōu)位置，

33、gbesr：所有粒子中最優(yōu)位置；

34、對于每個粒子群，基于能耗和質(zhì)量的雙目標(biāo)進行非支配排序，粒子支配關(guān)系滿足條件：如果粒子pi在所有目標(biāo)上不差于pj，并且在至少一個目標(biāo)上優(yōu)于pj，則pi支配pj，即：

35、pi支配且q(pi)≥qmin)或(e(pi)<e(pj)且q(pi)>q(pj))

36、對于每個粒子pi，計算它被其他粒子支配的數(shù)量ni:

37、

38、其中，ⅱ是指示函數(shù)，當(dāng)pj支配pi時，ⅱ＝1，否則ⅱ＝0；

39、支配數(shù)為0的粒子形成第一層非支配解，將這些解從粒子集中移除，繼續(xù)計算剩余粒子的支配數(shù)，形成第二層非支配解，重復(fù)此過程直至所有粒子分類完成；

40、計算每個粒子在非支配層中的擁擠度距離，保證多樣性；

41、根據(jù)非支配排序和擁擠度距離選擇粒子進入下一代，優(yōu)先選擇低能耗且滿足質(zhì)量約束的解；

42、對每個非支配層，先選擇擁擠度距離大的解，以增加解的多樣性，若解集中解數(shù)目超出要求，通過比較能耗值優(yōu)先選擇能耗較低的解；

43、基于收斂條件判斷優(yōu)化過程是否完成，并輸出最優(yōu)的鋁型材擠壓工藝參數(shù)。

44、作為進一步的優(yōu)選方案，所述的收斂與終止條件包括：

45、優(yōu)化過程中能耗的改善率低于預(yù)設(shè)閾值v；

46、達到最大迭代次數(shù)tmax；

47、帕累托前沿穩(wěn)定無顯著變化。

48、作為進一步的優(yōu)選方案，所述的多目標(biāo)優(yōu)化算法引入全局搜索與局部搜索機制加速收斂，結(jié)合模糊邏輯控制和神經(jīng)網(wǎng)絡(luò)對優(yōu)化過程進行輔助決策，根據(jù)粒子群的收斂狀態(tài)動態(tài)調(diào)整ω、c1、c2。

49、在算法中引入全局搜索與局部搜索機制，以提高算法收斂速度和解的質(zhì)量；在搜索過程中，結(jié)合模糊邏輯控制和神經(jīng)網(wǎng)絡(luò)對粒子群的搜索行為進行輔助決策，根據(jù)粒子群當(dāng)前的收斂狀態(tài)，動態(tài)調(diào)整慣性權(quán)重、學(xué)習(xí)因子和搜索范圍，確保粒子群在優(yōu)化初期以較高的全局搜索能力探索較大范圍的解空間，而在優(yōu)化后期逐漸過渡為局部搜索，精準(zhǔn)優(yōu)化解的細節(jié)，從而提高優(yōu)化效率和全局收斂性。

50、作為進一步的優(yōu)選方案，所述的多目標(biāo)優(yōu)化算法以鋁型材擠壓過程能耗最小值為主要目標(biāo)。

51、基于本發(fā)明的另一個主要方面，提供一種用于執(zhí)行基于數(shù)字孿生的鋁型材擠壓過程能耗優(yōu)化方法的系統(tǒng)，包括：

52、工藝參數(shù)設(shè)定模塊，用于設(shè)定鋁型材擠壓工藝參數(shù)的范圍；

53、數(shù)字孿生模型模塊，將導(dǎo)入設(shè)定的鋁型材擠壓工藝參數(shù)，對擠壓過程進行模擬仿真，生成仿真結(jié)果，包括能耗指標(biāo)和產(chǎn)品質(zhì)量指標(biāo)；

54、優(yōu)化模塊，利用多目標(biāo)優(yōu)化算法對鋁型材擠壓工藝參數(shù)進行優(yōu)化；

55、反饋模塊，用于將優(yōu)化后的工藝參數(shù)導(dǎo)入數(shù)字孿生模型進行再次仿真，生成新的能耗和質(zhì)量指標(biāo)，并與優(yōu)化前的結(jié)果進行比較；

56、控制模塊，用于根據(jù)反饋模塊的結(jié)果，判斷產(chǎn)品質(zhì)量是否合格，能耗是否達到優(yōu)化目標(biāo)，若滿足條件則輸出優(yōu)化后的工藝參數(shù)并應(yīng)用于實際生產(chǎn)，否則繼續(xù)優(yōu)化工藝參數(shù)直至達到預(yù)定的能耗和質(zhì)量要求。

57、通過集成多個功能模塊，實現(xiàn)對鋁型材擠壓過程的智能化能耗優(yōu)化。確保在達到質(zhì)量要求的前提下實現(xiàn)最低能耗，從而大幅度提升能效并降低生產(chǎn)成本。此過程不僅減少了能源消耗，還減輕了設(shè)備的工作負荷，延長了設(shè)備使用壽命，有助于實現(xiàn)綠色制造和可持續(xù)發(fā)展目標(biāo)。

58、基于本發(fā)明的另一個主要方面，提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被執(zhí)行時實現(xiàn)所述的基于數(shù)字孿生的鋁型材擠壓過程能耗優(yōu)化方法。

59、基于本發(fā)明的另一個主要方面，提供一種計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)所述的基于數(shù)字孿生的鋁型材擠壓過程能耗優(yōu)化方法。

60、本發(fā)明的優(yōu)點和有益效果：

61、本發(fā)明通過構(gòu)建鋁型材擠壓裝備、擠壓過程以及產(chǎn)品質(zhì)量檢測的數(shù)字孿生模型，實現(xiàn)鋁型材擠壓過程的數(shù)字化仿真；提出利用基于非支配排序、擁擠度距離計算策略和優(yōu)勝劣汰選擇策略的多策略改進的多目標(biāo)粒子群優(yōu)化算法根據(jù)數(shù)字孿生模型仿真結(jié)果的質(zhì)量指標(biāo)數(shù)值、能耗指標(biāo)數(shù)值對鋁型材擠壓工藝參數(shù)進行優(yōu)化，以實現(xiàn)鋁型材擠壓過程能耗最優(yōu)。

62、通過數(shù)字孿生技術(shù)，本發(fā)明減少了傳統(tǒng)物理實驗中為尋找最優(yōu)能耗參數(shù)所需的反復(fù)試驗和人工干預(yù)。這不僅極大降低了實驗成本和強度，還大幅縮短了研發(fā)周期，使得鋁型材擠壓過程的節(jié)能效果得以充分體現(xiàn)。此外，借助于數(shù)字孿生技術(shù)和優(yōu)化算法的結(jié)合，企業(yè)能夠更快、更準(zhǔn)確地找到最佳工藝參數(shù)，最終實現(xiàn)節(jié)能減排、減少資源浪費，同時進一步提高生產(chǎn)效率和產(chǎn)品一致性。這種數(shù)字化和智能化的技術(shù)革新，不僅為企業(yè)帶來了顯著的經(jīng)濟效益，也為鋁型材行業(yè)的可持續(xù)發(fā)展提供了技術(shù)支持。