(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210858281.9 (22)申请日 2022.07.21 (65)同一申请的已公布的文献号 申请公布号 CN 114925584 A (43)申请公布日 2022.08.19 (73)专利权人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 唐学峰　温红宁　马卫平　王新云　 邓磊　金俊松　张茂　龚攀　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 徐美琳 (51)Int.Cl. G06F 30/23(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 30/25(2020.01) G06F 30/27(2020.01) G16C 60/00(2019.01)B21J 9/20(2006.01) G06F 119/14(2020.01) (56)对比文件 CN 114764525 A,202 2.07.19 CN 106055844 A,2016.10.26 CN 114417664 A,202 2.04.29 CN 106777594 A,2017.0 5.31 US 4207762 A,1980.0 6.17 EP 3674984 A1,2020.07.01 姜静.面向大 型航空构件形/性控制的局部 控流和模具控温模锻工艺研究. 《中国优秀硕士 学位论文全文数据库工程科技 Ⅰ辑》 .2020,(第01 期), 张明月.齿轮坯预 锻件的多目标优化设计. 《中国优秀硕士学位 论文全文数据库 工程科技 Ⅰ 辑》 .2012,(第07期), (续) 审查员 洪必文 (54)发明名称 变向锻造成形的金属晶粒尺寸和取向的智 能协同调控方法 (57)摘要 本发明公开了一种变向锻造成形的金属晶 粒尺寸和取向的智能协同调控 方法， 属于金属智 能制造领域， 包括： 以任一理想金属晶粒尺寸和 取向作为目标， 将当前时刻的变向锻造工艺参数 输入神经网络模 型， 输出金属晶粒尺 寸和取向的 预测值， 计算预测值与目标之间的距离； 通过调 整下一时刻的变向锻造工艺参数， 计算前后时刻 距离的倒数之差作为奖励， 以从当前时刻到最终 时刻累积奖励最大时对应的各时刻 的变向锻造 工艺参数作为最佳工艺路径， 在最佳工艺路径下 对金属进行变向锻造， 最终得到理想金属晶粒尺 寸和取向。 本发 明方法可以通过调整变向锻造工艺参数， 对 金属材料任意的晶粒尺寸和取向进行 智能调控， 不需要反复试错和实验， 成本 较低。 [转续页] 权利要求书3页 说明书11页 附图1页 CN 114925584 B 2022.09.20 CN 114925584 B (56)对比文件 XuefengTang， BaoyuWang.Behavi or and modeling of microst ructure evo lution during metadynamic recry stallization of a Ni-based superal loy. 《Materials Science and Engi neering》 .2016,第675卷19 2-203. Silvia Manci ni,Luigi Langel lotto, etc.Optimizati on of Open Die Iro ning Process through A rtificial Neural Netw ork for Rapid Proces s Simulati on. 《Metals》 .2020,第10卷(第10期),柏阳.2024Al/Al18B4O3 3w复合材 料高温变 形行为研究. 《中国优秀硕士学位 论文全文数据 库工程科技 Ⅰ辑》 .2022,(第02期), 刘俊林.基 于BP神经网络的2.25 Cr1Mo0.25V 钢高温流变 应力模型研究. 《中国优秀硕士学位 论文全文数据库 工程科技 Ⅰ辑》 .2014,(第09 期), Niklas Reinisch,Fridtjof Rudo lph, etc.Successful Pas s Schedule Design i n Open-Die Forgi ng Using Double De ep Q- Learning. 《Proces ses》 .2021,第9卷(第7期),2/2 页 2[接上页] CN 114925584 B1.一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方法， 其特 征在于， 包括： 以任一理想金属晶粒尺寸和取向作为目标， 将当前时刻的变向锻造工艺参数输入神经 网络模型， 输出 金属晶粒尺寸和取向的预测值， 计算预测值与目标之间的距离； 通过调整下一时刻的变向锻造工艺参数， 计算前后 时刻距离的倒数之差作为奖励， 以 从当前时刻到最终时刻累积奖励最大时对应的各时刻的变向锻造工艺参数作为最佳工艺 路径， 在最佳工艺路径下对金属进行变向锻造， 最终得到理想金属晶粒尺寸和取向； 所述神经网络模型通过如下 方式训练得到： 通过仿真模拟获取金属在不同变向锻造工艺参数下， 形成的晶粒尺寸和取向， 将不同 变向锻造工艺参数输入神经网络模型， 输出各变 向锻造工艺参数下 的晶粒尺寸和取向， 计 算神经网络模型输出的晶粒尺寸和取向的加权和与仿真模拟形成的晶粒尺寸和取向的加 权和之间的误差， 反向传播更新神经网络模型的权重参数， 训练至收敛， 得到训练好的神经 网络模型。 2.如权利要求1所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方 法， 其特征在于， 所述变向锻造工艺参数包括变形方向和变形参数， 所述神经网络模型的训 练数据通过如下 方式构造： 通过金属在不同变形方向和不同变形参数下进行压缩的力学响应和微观表征数据， 拟 合晶体塑性模型和微观组织状态方程； 对金属进行有限元模拟， 提取不同变形方向和不同变形参数下锻造形成的金属 心部有 限单元上积分点的变形梯度， 将变形梯度代入晶体塑性模型， 计算金属各个晶粒 的位错滑 移、 变形孪晶， 得到应力应 变分布和位 错密度； 将应力应变分布和位错密度代入金属的微观组织状态方程， 计算再结晶分数和晶粒尺 寸， 将位错密度减去用于再结晶的位错密度， 得到新的位错密度， 将新的位错密度带入晶体 塑性模型， 得到取向； 将不同变形方向、 不同变形参数作为训练数据， 将不同变形方向、 不同变形参数下锻造 金属， 形成的晶粒尺寸和取向作为训练数据的模拟输出， 用于与神经网络模型 的输出进行 对比。 3.如权利要求2所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方 法， 其特征在于， 所述将新的位错密度带入晶体塑性模型， 得到用于描述取向的欧拉角， 所 述取向通过如下 方式描述： 其中， 为对称广 义谐波函数， 是对称广 义谐波函数的系数， l为阶数，u为晶体坐 标系中的水平方向， v为晶体坐标系中的垂 直方向，M(l)和N(l)描述了晶体对称性和金属对 称性的线性独立谐波数， 为晶体坐标系中的欧拉角， 分别表示章动角， 进动角， 自 转角。 4.如权利要求2所述的一种变向锻造成形的金属晶粒尺寸和取向的智能协同调控方 法， 其特征在于， 所述变形方向包括： 轧向、 横向和厚度方向， 所述变形参数包括： 应变量、 应权　利　要　求　书 1/3 页 2 CN 114925584 B 3