人工智能技术在压铸流道自动优化的应用_就上UG网

       人工智能技术是当今讨论的热点，如何让这种高大上的技术也进入普通的工业企业相信是非常期待的话题。本文详细地介绍了人工智能技术在压铸流道自动优化上的应用，详细介绍了其基本原理，应用方法和使用技巧。

    人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 前不久，韩国棋王李世石与AlphaGo的这场人机大战时，我们知道AlphaGo火了。当棋王投子认输的那一刻，人类开始以另一种眼光看待这个人工智能程序，从不被看好到连胜两局，人们在惊愕之余不得不承认，人工智能已经发展到可以轻易超越人类的水平了。
     对于这场大赛，人们已经失去了最初的期待，反而是人工智能这个新“物种”吸引了大家的注意，这个看不见摸不着的电脑程序，就这样将人类最后的骄傲摧毁，对于人类而言，到底是福还是祸，它会对我们的生活造成怎样的影响。很多人的心情是复杂的。
     其实，人工智能已经走过了60年的历史，并几经高峰和寒冬，目前已经渗透进我们的生活的方方面面，也正在改变着我们的生活。

     本文则重点介绍人工智能技术在铸造设计和分析中的应用，并以Cast-Designer为例，详细介绍流道设计过程中的全自动优化技术。

遗传算法
       为解决各种优化计算问题，人们提出了各种各样的优化算法，如单纯形法、梯度法、动态规划法、分枝定界法等。这些优化算法各有所长，也各有所短。相比之下，遗传算法是一类可用于复杂系统优化计算的鲁棒搜索算法，并具有显著的特点和优点。

1) 遗传算法的决策变量的编码作为运算对象，这样使得我们在优化计算过程中可以模仿自然界中生物的遗传和进化等机理，也使得我们可以方便地互用遗传操作算子。
2) 遗传算法直接的目标函数值作为搜索信息。无须目标出现的导数值等其他一些辅助信息，并且可以把搜索范围集中到适应度较高的部分搜索空间中，从而提高搜索效率。
3) 遗传算法可以同时使用多个搜索点的搜索信息。遗传算法从由很多个体所组成的一个初始群体开始最优解的搜索过程，而不是从一个单一的个体开始搜索，对这个群体所进行的选择、交叉、变异等运算，产生出的就是新一代的群体。
4) 遗传算法使用概率搜索技术。传统的优化算法往往采用确定性搜索方法。可能使搜索永远达到最优点。而遗传算法属于一种自适应概率搜索技术，使其搜索过程更具灵活性。


多目标优化

       现实世界中大多数优化问题都涉及多个目标，并且在多数情况下这些目标不可比，它们的数值不能直接进行优劣关系的比较。另一方面，各目标间往往是相互制约，甚至相互冲突的。在不降低一个目标值的情况下，不能任意提高其他目标的性能。而只能在各个目标之间取均衡后的结果。这就是通常所说的多目标优化问题
       在多目标优化中，最主要的是Pareto最优解集，其关键技术就是如何将多目标问题转换为单目标问题。
       演化算法（Evolutionary Algorithms）是从传统转化方法的基础上发展起来的高效多目标优化算法，由于演化算法基于种群的搜索方式实现了搜索的多向性和全面性。一次计算就可以得到多个有效解集。演化算法对目标最优均衡面的形状和连续性不敏感，可以很好的逼近非凸性或不连续的均衡面。
        目前多目标演化算法的研究热点是采用Pareto机制的多目标优化技术。比较有名的典型算法如Fonseca和 Flemzn 提出的MOGA , SriniWS 和Deb提出的NSGA、 NSGA-B, Knowles和Corne提出的PAES, Zitzler和Thiele提出的SPEA, SPEAZ, Corne等提出的PESA，Coell和Pulido提出的微遗传算法。这些算法及其改进形式已在实际中得到了广泛的应用，具有强大的生命力。


2、优化技术在铸造工业中的应用

       随着优化技术的发展，这种新型的人工智能也逐渐应用到了铸造工业中。目前主要的应用包括如下几个方面：
1）、优化。顾名思义，就是协助客户从给定的参数范围内寻找最佳的解决方案。早期的优化包括重力铸造中冒口形状和数量的优化已改善缩孔；最新的研究则已经扩大到优化高压铸造的流道系统，以之获得最佳的流动平衡和最少的卷气，并尽可能改善铸件的缩孔。
2）、DOE (Design of Experiments，设计实验)。 用以寻求给定实验目的参数窗口。
3）、反求（曲线拟合）。比如根据实验测量的温度曲线，反求相应的边界条件，如材料数据或温度边界条件。
4）、鲁棒性研究。研究给定范围的工艺鲁棒性。比如对于给定浇铸温度范围的铸造，研究产品的一致性是否符合要求。



3、 流道设计的意义及对压铸产品的影响

       压铸产品的好坏，很大程度决定于流道设计。其进浇的方式、位置与排布、流道模式与尺寸等，都有着举足轻重的作用。流道设计的优劣，直接影响产品的生产性、缺陷与品质和生产效率。
       “80%的产品质量问题，来源于工艺设计的好坏”，流道设计可以说是压铸模工艺设计中的核心部分。目前，流道设计仍然是一项依赖工程师经验的工作。工程师往往会运用书本上的一些经验公式，通过Excel表格等工具，计算出一些铸造的工艺参数。再通过三维CAD软件，完成造型设计。这种基于经验的设计，为铸造业带来前所未有的挑战。同时，现有的CAD软件只提供了三维造型能力，无法计算出设计所必须的铸造工艺参数，也不能把计算好的参数与CAD造型联动，更不能给出流道设计方案的建议。
       以下为了说明的方便性，我们以C3P Software的Cast-Designer为例来说明流道设计与应用。Cast-Designer是针对铸造行业专门开发的压铸模流道设计分析系统。其内置了流道设计专家系统，并提出“基于工程经验的设计”概念，属于知识型（Knowledge-based）的设计产品。利用这个软件，可以在很快的时间内完成包括浇铸系统、溢流槽和排气系统以及冷却水道的设计。


     图二是Cast-Designer流道设计的设计向导，通过输入铸件的基本信息（如重量、壁厚、材质等），程序将给出一系列的铸造工艺参数最佳建议数值，其中包括最佳充型时间范围、内浇口速度范围、内浇口面积与厚度等，用户可以直接采用或微调确认。在选择压铸机之后，能快速对一速、二速及临界切换点、整个流道的加速比等提供参数建议，并能实时调整，形成最后的截面积设计方案。最后通过PQ图对设计方案与压铸设备和模具进行即时校验，匹配出最佳的模具/设备组合。
       对于复杂铸件，Cast-Designer有一个铸件分区设计功能，可以计算出每个内浇口的金属量和截面积以及金属流动距离，优化后能让整个充型过程更加平稳，避免金属液不平衡和包卷产生的缺陷。
       理论上说，任何三维CAD软件（如CATIA, 西门子NX,  Creo, SOLIDWORKS等）都能进行压铸模流道设计，但这些都是通用的CAD系统，功能强大，特别是进行压铸模流道设计时非常费时费力且对使用者的要求很高。

在Cast-Designer中，还有一个可圈可点的亮点是模板式流道设计功能，这是Cast-Designer的一个独立设计模块。模板式流道设计事实上就是利用经验知识库进行设计，把常用的流道进行分类并形成经验知识库，然后数字化，以后碰到类似的产品即可直接调用，这样充分借鉴了以往的设计经验并大大缩短了设计和操作的时间。采用这种模式，往往几分钟就可以看到一个设计的雏形，在对工程设计上是梦寐以求的。Cast-Designer中特别设立了一种特别的语言CDGL支持客户定制，用户可以无限扩充。

任何一个设计，要获得优秀的结果，必须在多个方案中反复比较并择优选取。Cast-Designer提供诸多便利和快捷的设计手段。目的在与将用户从繁琐的CAD画图中解放出来思索更多更好的设计。从而防止永远局限在一个方案的禁锢中。
       采用这类属于知识型（Knowledge-based）的产品，不仅能在较短的时间内设计出专业的浇注系统直接为设计和生产服务，对企业而言既是一个培训的过程也是一个累积的过程。长期地使用这类系统，能为企业累积和建立一套标准化的设计规则，逐渐摆脱对人的过分依赖。


4、流道系统的全自动人工智能优化

       上面讨论的流道设计，可以说是为了确定一个基本的设计思路和方案，确保设计的方向是正确的。但对于如何确定具体的流道尺寸和细节问题，进行模拟优化是非常必要的。因为经验的数据往往是建立在给定的几何模型和数值范围内的，当应用于一个全新的未知模型时，则未必完全合用。而CAE模拟刚好可以弥补之一短板。
       从概念上来说，CAE优化非常容易理解。首先要有一个自动参数生成器（通常就是优化器的一部分）和模拟结果的提取与分析工具，根据模拟的结果决策下一步的参数，再根据新的模拟结果重复如上的步骤直至结果满足给定的要求。
       这里有几个基本的要求，一是输入变量的全参数化。对于温度条件或边界条件一类的纯数字，模拟技术非常简单，无需修改几何和重新生成网格。但对于有几何变化的修改则要困难得多，特别是复杂非规则形状的几何修改。由于这中间牵涉到几何的修改，网格的重新生成，自动加载边界条件和结果分析，每一项都是很难逾越的难题。