一种智能旋压工艺路径的协同优化方法及系统

本发明提供了一种智能旋压工艺路径的协同优化方法及系统，方法包括：根据正交设计选取不同旋压工艺参数，再通过有限元模拟和旋压实验获取物理场状态和形性质量参数；建立神经网络模型，确定零件成形时物理场状态与形性质量参数的映射关系，确定奖励函数，训练神经网络模型；搭建深度强化学习框架，将深度强化学习框架嵌入到旋压有限元模型中，建立旋压成形工艺参数控制模型；旋压成形工艺参数控制模型中的智能体与环境不断交互并根据回报值不断调整旋压工艺参数，最大化成形过程中的累积奖励，输出最佳的旋压工艺路径。本发明能够解决现有旋压工艺参数优化方法精度较低、适用范围较小和优化参数有限的情况。