基于神经网络的铝型材挤压过程能耗工艺参数优化研究

张明杰，杨 柳，肖 云

（广东工业大学机电工程学院，广东 广州510006）

近20年来，铝型材行业发展速度非常迅猛。截至2012年底世界原铝的产量达4600万吨以上，并以5%左右速度递增，估计到2020年铝的产量会翻一番[1]。而随着全球能源危机的不断加剧，降低挤压能耗和提高产品质量越来越受到各国重视，各国学者通过数值模拟有限元分析。通过HyperXtrude分析软件对铝型材挤压过程进行仿真，研究铝型材挤压生产过程中的模具棒料温度、挤压速度等对挤压能耗的影响，并建立挤压能耗与工艺参数的神经网络模型并优化工艺参数，从而达到能耗优化的目的。

1 铝型材挤压工艺及能耗分析建模

1.1 铝型材挤压工艺

铝型材挤压成形是一个复杂的高温、高压条件下金属塑性变形过程。通过对放在挤压筒内的铝合金棒料施加挤压载荷，使之从设计的模孔中流出，获得所需形状、尺寸以及具有一定力学性能的型材产品的塑性加工方法[2]。

根据铝合金铸锭在挤压筒内的流动方式及行为特点，挤压变形过程可以大致分为三个阶段：填充挤压阶段、平稳挤压阶段和缩尾挤压阶段。三个阶段受力情况随着挤压变形情况变化，能耗特性也不同。

1.2 挤压成型过程能耗分析建模

分析铝型材挤压成型挤压的工艺特点，可知挤压过程中的能耗涉及模具棒料等预热能耗，金属挤压成型所需能耗，摩擦产生的能耗以及热交换所需能耗几大部分。挤压杆对棒料施加载荷完成型材挤压，第一阶段合金填充模具型腔部分，随着变形区与型腔接触面积的增大，合金与模具之间的摩擦逐步增大，除克服金属塑性变形做功外还有克服摩擦做功，载荷呈现急速速的增大；在第二阶段，随着整个挤压过程热交换达到平衡及金属流动稳定，挤压载荷会逐步减小；第三阶段，挤压垫片与模子之间距离的缩小，迫使变形区内的金属向着挤压轴线方向由周围向中心发生剧烈的横向流动，挤压力会有所回升[3]。分析得挤压过程中，挤压速度、模具及棒料预热温度三个工艺参数为影响挤压能耗的关键参数。为了研究其对挤压能耗的影响，需要建立挤压过程的能耗模型，根据金属变形理论，通过有限元方法对挤压过程建模仿真可得到能耗。

2 有限元仿真及能耗工艺参数优化

2.1 有限元模型

根据调研选取导轨类铝型材为研究对象，其截面尺寸为型材宽160 mm，高度60 mm，壁厚分别为10 mm、8 mm，圆角半径为15 mm.面积为2 416.57 mm2，周长为531.12 mm，采用典型正向热挤压挤压生产工艺，采用直径为292 mm，长度为789 mm的棒料挤压，挤压比为26.72.采用模具尺寸为：上模具Φ340 mm × Φ80 mm，下模Φ340 mm × Φ100 mm，中心与型材几何中心重合。

三维模型导入HyperXtrude软件。创建实体模型，几何清理并划分有限元网格。有限元模型主要包括：棒料区、模腔区、工作带区、型材区四部分。

2.2 铝型材挤压仿真及能耗影响分析

为了研究挤压速度对挤压过程中能耗特性的影响，需要得到不同参数设置下的挤压能耗。每次只变动其中一个工艺参数，保持其他两个参数不变进行仿真，得到随着参数变化挤压过程所需能耗关系。

根据仿真结果随着挤压速度的增大，随着挤压速度的增大挤压能耗逐步减小，而随着模具预热温度挤压能耗先减小再增大然后减小，随着棒料预热温度的上升，挤压能耗逐步减小再上升。挤压能耗与工艺参数之间并非线性关系。

2.3 B P神经网络算法能耗工艺参数优化

采用BP神经网络挤压过程能耗与挤压工艺参数的关系，BP神经网络能够利用一定量的样本进行训练，从而建立起输入量和输出量之间的非线性映射关系。通过仿真得到以下16组在不同挤压速度，模具预热温度、棒料预热温度参数组合下挤压过程所需的能耗，并作为神经网络的数据样本。模型中包含三个输入和一个输出，采用如下3层网络，输入层含有3个神经元分别为模具预热温度、棒料预热温度、挤压速度，输出层1个神经元，隐含层含有13个神经元。并对BP神经网络进行训练，得到其误差变化情况。由误差变化情况可知，经过迭代，神经网络的误差已经达到10-6以下，表明神经网络模型能够准确地反映输入参数和输出参数之间的映射关系。

根据训练好的神经网络模型，使用MTALAB遗传算法工具箱对其进行进行寻优。构建的优化模型如下：搜寻：X=[v，t1，t2]

优化目标：Emin约束条件为：6≤v≤7.8，430≤t1≤500，430≤t2≤500.

其中：v为挤压速度，t1为模具预热温度，t2为棒料预热温度，E为挤压过程的能耗。采用二进制编码方式进行编码，每个变量的编码位数取20，种群个数100，代沟为0.8，变异概率为0.7/Lind.经过200代遗传进化得到Emin=2.782×104 kJ.

工艺参数组合为[v，t1，t2]=[7.412，478.322，455.442]

2.4 结果验证

取该组参数组合的仿真结果，可知在挤压过程中最高温度为625.4℃，最低温度为469℃，挤压过程中型腔去温度分布以及型材出口处截面速度分布较为均匀，仿真结果准确，挤压过程所需能耗为2.786×104kJ，误差为0.14%.

3 结束语

本文分析了铝型材挤压过程中各阶段的载荷变化规律，运用HyperXtrude有限元分析软件对挤压过程进行数值模拟进行验证，并建立了挤压过程能耗模型，分析工艺参数对挤压能耗的影响规律，得出挤压能耗与工艺参数之间是非线性关系。建立了挤压工艺参数与挤压能耗的神经网络模型，最后通过仿真验证在该参数组合下为2.786×104kJ，误差仅为0.14%.优化结果准确。