摘要
本发明提出了一种基于深度学习的板材成形控制方法和装置，涉及冲压控制技术领域，包括：利用样本数据集对原始CNN模型进行训练，得到中间CNN模型；样本数据集包括板材静态数据和回弹数据；板材静态数据包括初始尺寸参数和材料参数；回弹数据包括在不同冲压深度下压头撤离且板材回弹后的第一位移场；基于不同冲压深度下板材回弹前的实验数据与仿真数据对应的第一位移场误差和板材回弹后的第二位移场误差确定不同冲压深度对应的位移场补偿值；利用位移场补偿值对中间CNN模型的参数进行调整，直至中间CNN模型的预测误差小于预设阈值，得到目标CNN模型；将待处理板材的板材静态数据和目标成形效果输入至目标CNN模型，得到目标冲压深度。
