[發明專利]高壓磨料水射流加工裝備工藝參數優化方法與系統

在審

• 申請號: 201810654730.1
• 申請日: 2018-06-22
• 公開（公告）號: CN108846219A
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 巫世晶;何賓杰;黃諾帝
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06F21/31;G06F17/30;B24C7/00
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 唐萬榮;李丹

1.一種高壓磨料水射流加工裝備工藝參數優化方法，其特征在于，包括以下步驟：

1)試驗方案生成與回歸模型獲取；

1.1)根據磨料水射流加工機床性能參數和碳纖維復合材料性能參數，確定待優化的各工藝參數及其取值范圍；

1.2)根據各工藝參數及其取值范圍生成因數水平表，然后接受用戶選定的試驗指標數目和每個試驗指標的名稱，根據用戶輸入的信息進行正交試驗設計并生成正交試驗表格；各工藝參數及其取值范圍與正交試驗表對應共同構成完整的試驗方案；

1.3)數據處理：對用戶輸入的執行正交試驗方案后的試驗數據，進行極差分析，得到各工藝參數的極差；然后對極差分析的結果進行方差分析，判斷各工藝參數對試驗指標影響的顯著程度；

1.4)根據基礎模型經過最小二乘法計算獲得多元非線性回歸分析模型并進行顯著性檢驗；式中k為常數系數，V代表進給速率，P為射流壓力，H為靶距；

1.5)將試驗方案和多元非線性回歸分析模型存儲到數據庫中；

2)參數優化

2.1)接受用戶設定的設備參數、材料參數以及磨料參數；

2.2)在數據庫中搜尋符合設定參數的試驗數據以及建立的多元非線性回歸模型；

2.3)根據用戶設定的表面粗糙度期望值，調用參數優化算法，獲得參數優化方案；

2.4)根據參數優化方案，得到優化的參數值。

2.根據權利要求1所述的高壓磨料水射流加工裝備工藝參數優化方法，其特征在于，所述步驟2)中參數優化算法具體如下：

首先采用線性加權和法設計評價函數，基本模型如式(1)所示，i表示第i個工藝參數，w_i為加權系數；

然后采用有約束非線性最優化模型為參數優化模型，優化模型如式(2)所示；其中，x₁代表進給速率V，x₂代表著射流壓力P，x₃代表這靶距H，R_a代表著從系統界面獲取的預期表面粗糙度值，g₁(x)為設定的試驗條件下查找的經驗回歸模型，g₂(x)～g₇(x)為參與參數優化的各工藝參數取值范圍；

對參數優化模型基于K-T方程進行求解；

3.一種高壓磨料水射流加工裝備工藝參數優化系統，其特征在于，包括：

試驗方案生成與回歸模型獲取模塊、參數優化模塊和數據庫；

所述試驗方案生成與回歸模型獲取模塊包括試驗方案生成單元、數據處理單元和回歸模型獲取單元；

所述試驗方案生成單元，用于各工藝參數及其取值范圍與正交試驗表對應共同構成完整的試驗方案；所述待優化的各工藝參數及其取值范圍根據磨料水射流加工機床性能參數和碳纖維復合材料性能參數確定；所述正交試驗表的生成方法如下：根據各工藝參數及其取值范圍生成因數水平表，然后接受用戶設定的試驗指標數目和每個試驗指標的名稱，根據用戶輸入的設定信息進行正交試驗設計并生成正交試驗表格；

數據處理單元，用于對用戶輸入的執行正交試驗方案后的試驗數據，進行極差分析，得到各工藝參數的極差；然后對極差分析的結果進行方差分析，判斷各工藝參數對試驗指標影響的顯著程度；

回歸模型獲取單元，用于根據基礎模型經過最小二乘法計算獲得多元非線性回歸分析模型；式中k為常數系數，V代表進給速率，P為射流壓力，H為靶距；

參數優化模塊，用于根據接收的用戶設定的設備參數、材料參數以及磨料參數在數據庫中搜尋符合設定參數的試驗數據以及建立的多元非線性回歸模型；然后根據用戶設定的表面粗糙度期望值，調用參數優化算法，獲得參數優化方案，得到優化的參數值；

數據庫，用于存儲試驗方案、多元線性回歸分析模型、設備參數、材料參數、磨料參數和優化方案。

4.根據權利要求3所述的一種高壓磨料水射流加工裝備工藝參數優化系統，其特征在于，所述參數優化模塊中參數優化算法具體如下：

首先采用線性加權和法設計評價函數，基本模型如式(1)所示，i表示第i個工藝參數，w_i為加權系數；

采用有約束非線性最優化模型為參數優化模型，其中優化模型如式(2)所示，x₁代表進給速率V，x₂代表著射流壓力P，x₃代表這靶距H，R_a代表著從系統界面獲取的預期表面粗糙度值，g₁(x)為設定的試驗條件下查找的經驗回歸模型，，g₂(x)～g₇(x)為參與參數優化的各工藝參數取值范圍，該模型基于K-T方程進行求解，計算過程由系統調用Matlab完成；