论文部分内容阅读
树脂传递模塑(RTM)成型工艺以环保、成型效率高等优点成为有潜力的复合材料成型技术,广泛应用于航空航天工件的生产制造。随着航空航天行业的迅速发展,一些新型的工件不断涌现,并且在这些新工件的开发过程中往往没有历史数据可供利用。由于航空航天工件极其高昂的造价,难以通过大量实验来获取生产数据。在无历史数据条件下如何快速低成本地得到使新工件满足质量要求的操作条件就变得极为重要。可见,无历史数据条件下的RTM充模过程建模与优化研究具有重要的理论与现实意义。首先,本文介绍了国内外RTM充模过程及其建模与优化研究的发展现状,然后对重点研究的充模过程的工艺原理及操作流程进行了详细介绍。通过机理分析、操作与领域经验,确定了过程操作变量及其质量指标。通过对充模过程的深入研究,根据达西定律、气泡产生机理、气泡压缩和转移、气泡汇聚等基本原理,建立了反映质量指标平均孔隙率、最大孔隙率与操作变量之间的机理模型,并通过仿真实验验证了模型的有效性。在无历史数据的条件下,基于无模型自适应控制的思想,以给定的工艺经验操作条件为初值,采用数据驱动最优终端迭代学习控制(DDOTILC)方法进行质量指标优化控制。针对RTM充模过程质量指标优化控制收敛速度慢及存在静态误差问题,利用DDOTILC实施过程中产生的少量数据点建立过程数据模型,然后基于此模型建立RTM充模过程质量指标优化模型并加以求解,得到的最优解作为DDOTILC方法的初始值继续进行优化控制。本文选取5个DDOTILC产生的数据点建立数据模型,并将其结果与随机选取操作变量进行数据建模并优化的传统方法比较,仿真结果验证了本文方法的有效性。为了再次改善质量指标及其收敛速度,提出了在实施DDOTILC过程中多次建立数据模型并优化更新DDOTILC初始值的方法,仿真结果验证了该方法的有效性。