概述

金属板材智能力学表征及数字孪生研究，具有相关领域研究经验，具备设备集成、算法开发和验证能力

需求详情

背景：金属板材的力学性能表征是新产品设计、新材料开发、质量监控和标准制定的关键基础，也是材料、零部件供应商到主机厂整个制造行业供应链的共性需求。然而，现有的实验表征技术仍以人为主导，测量结果容易受到不同实验员技术水平和操作习惯的影响，导致实验结果差异很大。随着传感器、机器人技术的逐渐成熟，机器视觉和数字孪生等多种新兴技术的涌现和发展，为金属板材智能力学表征提供了绝佳的发展环境。打造一套“硬件+软件”一体化的智能化力学表征系统成为可能，能够大幅减少人为干预并提升测试效率和结果的可追溯性。需求描述：1、开发高精度且适用性强的边缘检测算法，提出基于机器视觉的非接触式力学表征试样识别与尺寸测量技术，实现对试样的自动识别与尺寸测量，避免人工干预和物理接触；2、建立单向拉伸试验和成形极限试验的数字孪生模型，实现对测试过程以及试样变形状态的精准掌握；结合实时的数字孪生塑性变形仿真，优化本构模型的选取与参数标定，提高测试系统的数字化、集成化水平；3、构建考虑各环节关联与阻塞的系统效率优化模型，开发力学性能数据分析与诊断算法，建立金属板材无人智能力学表征系统与数据库，推动金属板材力学性能从“实验表征”到“大数据管理”全流程的无人化和智能化技术发展。技术要求：指标1:面向力学表征的数字孪生模型（建立单向拉伸试验和成形极限试验的数字孪生模型，实现对测试过程以及试样变形状态的精准掌握；结合实时的数字孪生塑性变形仿真，优化本构模型的选取与参数标定，提高测试系统的数字化、集成化水平；），当前为：0，拟达到：2；指标2:无人化力学表征试验误差（搭建1套基于机器视觉的非接触式力学表征试样识别与测量设备，实现无人化力学表征，实验结果同人工获取的实验数据进行对比），当前为：无，拟达到：<6%；