一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法及系统与流程

摘要: 本技术涉及参数优化,特别是涉及一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法及系统。背景技术:1、随着数字孪生与仿真技术的快速发展,数字孪生模型在食品加工工...
一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法及系统与流程

本技术涉及参数优化,特别是涉及一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法及系统。

背景技术:

1、随着数字孪生与仿真技术的快速发展,数字孪生模型在食品加工工艺优化领域的应用日益广泛。离散元法、有限元法和含水率场建模等技术的引入,为砖茶压制成型过程的虚拟仿真提供了技术基础,使得工艺参数的预先评估成为可能。然而,在实际生产中,茶料-绞股蓝混合颗粒的流动特性与模具-压头结构变形、水分迁移之间存在复杂的多物理场耦合关系,而现有压制成型仿真方法大多仅关注单一物理场,离散元分析与有限元结构分析彼此独立,缺乏将颗粒流动、结构变形和含水率变化进行协同建模的完整技术框架,导致仿真结果难以真实反映压制过程中的多场交互效应,对密度和含水率空间分布的预测精度不足。

2、相关技术中,工艺参数对产品质量的影响通常采用整体均值评价,将茶砖视为宏观均质体,缺乏以三维几何模型空间节点为锚点建立压制关联参数与设备控制参数之间空间映射关系的能力,无法实现不同位置处密度和含水率的差异化预测,当原料批次特性波动时,整砖质量均一性难以保证。同时,现有优化方法多依赖试错法或单目标整体优化,未能将各空间节点的压制关联参数与目标质量分布的空间偏差最小化作为逐点优化目标,不同位置的质量指标无法独立参与目标函数,关键区域的局部质量缺陷无法被有效识别和纠正;且优化过程中未将设备控制参数的允许调节范围作为工艺约束,存在越限风险,最优参数组合的工程可行性不足,难以直接下发执行。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法及系统。

2、第一方面,本技术提供了一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法,包括:

3、获取砖茶压制成型过程中的原料特性参数、压机工艺参数和成型质量指标,构建所述原料特性参数、所述压机工艺参数与所述成型质量指标之间的初始映射关系;

4、建立茶砖坯体三维几何模型,并将所述三维几何模型划分为多个空间节点;建立砖茶压制成型设备的数字孪生模型,所述数字孪生模型包括茶料-绞股蓝混合颗粒离散元模型、模具-压头有限元模型、茶砖内部含水率场模型,以及茶砖坯体的压制关联参数与设备控制参数之间的关联模型;其中,所述关联模型以三维几何模型的空间节点为锚点,建立各空间节点处压制关联参数与设备控制参数之间的空间映射关系;

5、利用所述初始映射关系对所述数字孪生模型进行标定;

6、获取当前批次原料特性参数和目标质量分布,利用标定后的所述数字孪生模型,以各空间节点的压制关联参数与所述目标质量分布之间的空间偏差最小化为优化目标,以设备控制参数的允许调节范围为约束条件,求解最优设备控制参数组合;

7、将所述最优设备控制参数组合下发至所述压制成型设备执行。

8、在其中一个实施例中,所述构建所述原料特性参数、所述压机工艺参数与所述成型质量指标之间的初始映射关系,包括:

9、获取历史生产批次中记录的原料特性参数、压机工艺参数和对应的成型质量指标数据,所述原料特性参数包括茶料含水率、绞股蓝配比、颗粒粒度分布和混合均匀度,所述压机工艺参数包括压制力、压制速度、保压时间、模具温度和脱模速度,所述成型质量指标包括茶砖密度分布均匀性和含水率均匀性;

10、对获取的原料特性参数、压机工艺参数和成型质量指标数据进行归一化处理,并剔除异常样本;

11、以原料特性参数和压机工艺参数为输入特征,以成型质量指标为输出标签,采用多元线性回归训练初始映射模型,得到所述原料特性参数、所述压机工艺参数与所述成型质量指标之间的初始映射关系。

12、在其中一个实施例中,所述建立茶料-绞股蓝混合颗粒离散元模型,包括:

13、获取茶料颗粒和绞股蓝颗粒的粒径分布、颗粒密度、弹性模量、摩擦系数和内聚力参数;

14、在离散元仿真软件中根据所述粒径分布生成茶料颗粒集合和绞股蓝颗粒集合,并按预设配比在虚拟模具内进行混合;

15、为茶料颗粒和绞股蓝颗粒分别设置接触模型,所述接触模型包括颗粒间法向接触刚度、切向接触刚度、滚动摩擦系数和颗粒间黏结强度;

16、对建立的离散元模型进行参数标定,通过对比模拟堆积角与实测堆积角,调整接触参数直至两者一致,得到茶料-绞股蓝混合颗粒离散元模型。

17、在其中一个实施例中,所述建立模具-压头有限元模型,包括:

18、获取模具和压头的几何尺寸、材料属性和装配关系,所述材料属性包括弹性模量、泊松比和屈服强度;

19、利用有限元前处理软件对模具和压头进行网格划分,并在模具与压头接触面设置接触单元;

20、施加模具固定约束和压头运动约束,并将压制力载荷施加于压头顶部;

21、设置材料非线性选项和几何非线性选项,建立模具-压头有限元模型,用于计算压制过程中模具和压头的应力分布与变形量。

22、在其中一个实施例中,所述建立茶砖内部含水率场模型,包括:

23、将茶砖坯体视为多孔介质,建立含水率在压制过程中随时间和空间变化的对流扩散方程,其中水分迁移速率与局部压力梯度、温度梯度和含水率梯度相关;

24、获取茶料-绞股蓝混合物的初始含水率、饱和含水率和水分扩散系数;

25、设置模具壁面为水分排出边界,设置压头与茶坯接触面为动态压力边界;

26、采用有限体积法对所述对流扩散方程进行离散求解,得到压制过程中茶砖内部各空间节点的含水率随时间的变化,形成茶砖内部含水率场模型。

27、在其中一个实施例中,所述建立茶砖坯体的压制关联参数与设备控制参数之间的关联模型,包括:

28、将茶砖坯体三维几何模型划分为多个空间节点,每个空间节点对应一个局部位置;

29、利用所述茶料-绞股蓝混合颗粒离散元模型和模具-压头有限元模型,针对多组不同设备控制参数组合进行仿真,提取各空间节点处的压制关联参数,所述压制关联参数包括局部压力、局部密度和局部含水率;

30、以设备控制参数为输入,以各空间节点处的压制关联参数为输出,建立空间节点级的代理模型,所述代理模型采用径向基函数神经网络;

31、将各空间节点的代理模型按空间节点位置组合,形成以三维几何模型的空间节点为锚点、表征各空间节点处压制关联参数与设备控制参数之间空间映射关系的关联模型。

32、在其中一个实施例中,所述利用所述初始映射关系对所述数字孪生模型进行标定,包括:

33、获取当前批次原料特性参数和实际执行的压机工艺参数,利用所述初始映射关系计算对应的成型质量指标预测值;

34、将所述压机工艺参数输入所述数字孪生模型进行仿真,得到茶砖坯体的压制关联参数空间分布和含水率场仿真结果;

35、根据所述仿真结果计算数字孪生模型预测的成型质量指标,并与所述初始映射关系计算的成型质量指标预测值进行比较,计算偏差;

36、以所述偏差最小化为目标,采用参数反演方法调整所述数字孪生模型中的颗粒接触参数、水分扩散系数和模具-压头接触刚度,直至所述数字孪生模型的输出与所述初始映射关系的输出在允许偏差范围内一致,完成对所述数字孪生模型的标定。

37、在其中一个实施例中,所述利用标定后的所述数字孪生模型,以各空间节点的压制关联参数与所述目标质量分布之间的空间偏差最小化为优化目标,以设备控制参数的允许调节范围为约束条件,求解最优设备控制参数组合,包括:

38、获取当前批次原料特性参数和目标质量分布,所述目标质量分布为茶砖各空间节点的期望密度值和期望含水率值;

39、将当前批次原料特性参数输入标定后的数字孪生模型,以设备控制参数为决策变量,建立优化目标函数,所述优化目标函数为各空间节点的压制关联参数与所述目标质量分布之间空间偏差的加权范数;

40、设定设备控制参数的允许调节范围约束,包括压制力上下限、压制速度上下限、保压时间上下限、模具温度上下限和脱模速度上下限;

41、在所述允许调节范围内对设备控制参数进行迭代搜索,每次迭代调用数字孪生模型计算各空间节点的压制关联参数并评估优化目标函数值,直至优化目标函数值收敛至预设阈值,输出最优设备控制参数组合。

42、在其中一个实施例中,所述将所述最优设备控制参数组合下发至所述压制成型设备执行,包括:

43、将所述最优设备控制参数组合中的压制力、压制速度、保压时间、模具温度和脱模速度分别转换为压制成型设备可执行的控制指令值;

44、通过设备控制接口将各控制指令值下发至压制成型设备的可编程逻辑控制器,由所述可编程逻辑控制器控制压机液压系统、模具加热系统和脱模机构按指令值动作;

45、在压制成型设备执行过程中,实时采集设备实际运行参数,并与下发的控制指令值进行比对,若出现偏差则通过反馈控制回路进行微调。

46、第二方面,本技术还提供了一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化系统,包括:

47、参数映射模块,用于获取砖茶压制成型过程中的原料特性参数、压机工艺参数和成型质量指标,构建所述原料特性参数、所述压机工艺参数与所述成型质量指标之间的初始映射关系;

48、数字建模模块,用于建立茶砖坯体三维几何模型,并将所述三维几何模型划分为多个空间节点;建立砖茶压制成型设备的数字孪生模型,所述数字孪生模型包括茶料-绞股蓝混合颗粒离散元模型、模具-压头有限元模型、茶砖内部含水率场模型,以及茶砖坯体的压制关联参数与设备控制参数之间的关联模型;其中,所述关联模型以三维几何模型的空间节点为锚点,建立各空间节点处压制关联参数与设备控制参数之间的空间映射关系;

49、模型标定模块,用于利用所述初始映射关系对所述数字孪生模型进行标定;

50、参数优化模块,用于获取当前批次原料特性参数和目标质量分布,利用标定后的所述数字孪生模型,以各空间节点的压制关联参数与所述目标质量分布之间的空间偏差最小化为优化目标,以设备控制参数的允许调节范围为约束条件,求解最优设备控制参数组合;

51、设备控制模块,用于将所述最优设备控制参数组合下发至所述压制成型设备执行。

52、上述一种平利绞股蓝茯砖茶压制成型的数字孪生参数优化方法及系统,通过融合茶料-绞股蓝混合颗粒离散元模型、模具-压头有限元模型和茶砖内部含水率场模型,同时考虑颗粒流动、结构变形和水分迁移的相互影响,使数字孪生模型具备多物理场协同仿真能力,并且通过以三维几何模型的空间节点为锚点,建立各节点处压制关联参数与设备控制参数之间的空间映射关系,使密度、含水率等关键指标在茶砖不同位置具有差异化预测能力,克服宏观均质假设带来的偏差。随后,通过以各空间节点的压制关联参数与目标质量分布之间的空间偏差最小化为优化目标,使不同位置的质量指标独立参与目标函数,实现茶砖整体质量的均一化控制,而且通过在设备控制参数的允许调节范围内进行迭代搜索,每次调用数字孪生模型评估目标函数值直至收敛,输出的最优参数组合受工艺约束限制,确保可直接下发执行而无越限风险。