一种基于粒子群算法的超高强钢磨削工艺参数优化方法

1.本发明属于机械加工领域。涉及磨削加工参数部分和优化算法部分。


背景技术：

2.磨削加工和优化算法结合成为一体的方法，是一种新型的优化算法应用领域。磨削加工在机加工领域应用广泛，尤其是精加工工序，如何利用现有磨床，实现磨床的最佳性能，达到工件的高表面质量，是一种既考虑实际生产情况节约成本，又能明显提高工件表面质量，是一个重要的优化问题。长久以来，大多情况是依靠经验丰富人员进行磨削参数的确定，但随着时代发展，产品更新频率加快，用工逐渐年轻化等客观条件，不能快速准确确定磨削加工参数，轻则造成交付延期，重则造成成本增加。磨削等机加工领域越来越趋于定制化、高效化方向发展，磨削等机加工工件应用领域、用量急剧增加。当前，国外的自动化、智能化发展较为迅速，尤其在中高端磨床等产品方面，德日美等国处于领先地位。
3.我国的机加工行业整体水平与国外的一些机加工厂商有较大差距。国内的中低加工精度领域机加工工件产量丰富，表面质量及精度与国外厂家同类产品相近，基本能满足国内行业的需求，在国际市场也具有一定的竞争力。但在高端机加工领域，首先受制于高精尖机床的限制，高精度高表面质量产品仍未达到国际领先水平，主要依赖进口。在中高端磨削加工行业，由于其技术含量较高，生产工艺复杂，机加工产品门槛较高等因素，国内的中小型企业无法完成机加工产品的高效加工，因此还有很大的发展空间。
4.本发明结合现代工业要求以及目前的生产水平对机加工产品进行优化设计，结合已加工工件的磨削参数及结果数据统计分析，设计出一种可基于现有磨床及加工参数实现低成本而明显提升工件表面质量的效果，并实现准确快速优化。不仅是以实际基础为出发，实现了机加工工件的高表面质量、精密化，而且提高了加工效率。


技术实现要素：

5.本发明公开了一种基于粒子群算法的超高强钢磨削工艺参数优化方法，主要可分为磨削加工数据和优化算法两部分，磨削加工数据部分是针对某种特定超高强钢材料，考虑其加工特性参数，包含jc模型参数、力学性能值等，根据多次磨削试验多组参数组合以及试验检测结果记录分析。通过构建输入各参数与输出目标参数的函数关系，并进行检验。优化算法是利用粒子群算法原理，以表面粗糙度为优化目标，快速确定该磨床最优磨削速度、进给量、磨削深度组合参数，实现齿轮等超高强钢工件的高效高表面完整性加工。
附图说明
6.图1为本发明的流程图
7.图2为基于粒子群算法优化磨削加工参数后工件表面粗糙度
8.具体实施步骤如下：
9.s1：获得超高强钢材料准确的jc模型参数；
10.s2：获得超高强钢材料准确的力学性能值；
11.s3：进行多组磨削参数试验并统计；
12.s4：输入参数与输出参数目标值函数拟合，并利用粒子群算法进行求解；
13.s5：对粒子群算法优化选定参数进行试验验证。
具体实施方式
14.下面结合附图1对本发明的实施方案做详细说明。
15.如图1所示，为本发明的操作流程实例，首先通过霍普金森压杆试验准确获取超高强钢材料的jc模型参数，再通过材料拉伸试验准确获取材料的力学性能，作为输入变量的一部分。其次进行记录磨床型号，进行该磨床下的超高强钢材料的多组合磨削加工试验，通过磨床g代码指令控制磨削速度、进给量、磨削深度，实现多组合磨削参数组合试验。为防止磨削烧伤，应对磨削温度进行统计和控制。对已经完成加工的磨削加工工件表面粗糙度值进行检测，并进行统计。将超高强钢材料的jc模型参数值、力学性能值、磨削速度、进给量、磨削深度、磨削温度等参数全部作为耦合作用输入变量，利用公式拟合各输入参数与输出参数的函数关系，并通过模型检验。使用粒子群优化算法(pso)，以表面粗糙度作为输出变量，最终快速得到该型号磨床下超高强钢材料的最优磨削参数值。以后利用该型号磨床加工相同超高强钢材料时可以直接调用。
16.一种基于粒子群算法的超高强钢磨削工艺参数优化方法，包括以下步骤：
17.s1：通过霍普金森压杆试验准确获取超高强钢材料的jc模型参数a＝1112mpa、b＝1063mpa、n＝0.2、c＝0.01、m＝0.62；
18.s2：通过拉伸试验获得超高强钢材料的化学成分和力学性能；
19.表1超高强钢材料化学成分表
[0020][0021]
表2超高强钢材料力学性能
[0022][0023][0024]
表3超高强钢材料的物理属性
[0025][0026]
s3：多组磨削加工参数耦合作用下试验数据统计；
[0027]
表4因素水平表
[0028][0029]
表5多参数组合试验设计方案及结果
[0030][0031]
s4：利用粒子群优化算法(pso)，以表面粗糙度值ra最小为优化目标参数，同时设定磨削深度以及磨削温度控制范围等，利用公式拟合各个参数包含超高强钢材料数据、加工参数数据等输入参数与表面粗糙度输出参数的函数关系。设置粒子群算法的惯性权重ω＝0.8、自我学习因子c1＝0.5、全局学习因子c2＝0.5，经过粒子群优化算法(pso)得到优化后的加工参数为v＝48m/s，f＝8mm/s，ap＝3.0μm；
[0032]
s5：对利用粒子群优化算法(pso)选定的参数进行超高强钢材料磨削验证试验，试验结果为ra＝0.142μm。一般磨削加工后工件的表面粗糙度值ra在0.2μm左右，基于粒子群算法(pso)对超高强钢材料磨削加工参数优化明显，而且求解速度快，适应广，使得超高强钢材料的表面粗糙度值能够得到明显提升。
[0033]
本发明未详细阐述部分属于本领域公知技术。凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。


技术特征：
1.一种优化算法，由已有机床获得的磨削基础数据、数据拟合和粒子群算法(pso)实现，磨削基础数据是在不同的磨削加工参数下，得到超高强钢工件表面粗糙度值，再根据记录的数据进行拟合和检验，最后利用粒子群算法(pso)，快速求解得到最优磨削参数。2.根据权利要求1所述的优化算法，是针对超高强钢材料在磨削加工时，利用现有磨床加工参数和加工完成后检测的表面粗糙度值，可快速获得所需最优磨削加工参数，用以获得最优表面加工质量。3.根据权利要求1所述的磨削基础数据是根据磨床每次在不同加工参数下，包含材料参数、力学性能、磨削速度、磨削深度和砂轮进给量等多参数组合，得到各参数耦合作用条件下工件的表面粗糙度值，并对已加工工件表面粗糙度值进行准确统计。4.根据权利要求1所述的数据拟合，需进行模型检验，以保证拟合公式的准确性。5.根据权利要求1所述的粒子群算法(pso)，需规定初始求解位置和方向，加快求解速度。

技术总结
本发明涉及磨削加工的技术领域，具体涉及一种基于粒子群算法的超高强钢磨削工艺参数优化方法，包括由已有机床获得的磨削基础数据、数据拟合和粒子群算法(PSO)。通过已做磨削试验获得的基础数据和数据拟合的基础上，利用粒子群算法(PSO)实现超高强钢磨削工艺参数求解优化，最终达到降低超高强钢工件表面粗糙度，提高超高强钢材料表面完整性，适用于砂轮对超高强钢的磨削加工过程。对超高强钢的磨削加工过程。对超高强钢的磨削加工过程。


技术研发人员：王延忠 张力斌 刘鹏 张昱 苏玉璐
受保护的技术使用者：北京航空航天大学
技术研发日：2023.05.12
技术公布日：2023/8/13