[發明專利]一種基于BP神經網絡的噴丸強化表面完整性預測方法

在審

• 申請號: 202010168795.2
• 申請日: 2020-03-12
• 公開（公告）號: CN111401623A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 劉懷舉;吳少杰;張秀華;朱才朝;魏沛堂
• 申請（專利權）人: 重慶大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06N3/12;C21D7/06
• 代理公司: 重慶大學專利中心 50201
• 代理人: 唐開平

本發明公開了一種基于BP神經網絡的噴丸強化表面完整性預測方法，它包括以下步驟：1、收集整理零件噴丸強化試驗數據，通過分析噴丸強化過程中影響噴丸性能的工藝參數和表面完整性評價指標，確定表面完整性預測模型的輸入輸出參數。并對數據進行預處理；2、確定隱含層激活函數類型以及隱含層節點數，構建BP神經網絡結構；3、通過遺傳算法優化BP神經網絡的初始權值和偏置，建立噴丸強化殘余應力及表面粗糙度預測模型；4、根據精度評價參數R2，確定BP神經網絡結構中的權值和偏置，5、運用訓練好的滿足精度要求的模型進行噴丸強化殘余應力與表面粗糙度預測。本發明可以降低噴丸強化工藝的試驗成本，并提高噴丸工藝的效率。

技術領域

本發明屬于智能制造技術領域，具體涉及一種噴丸強化表面完整性預測方法。

背景技術

噴丸強化是目前一種廣泛應用的表面強化工藝，常用于高速列車、航天航空、船舶等領域關鍵零部件的表面強化。噴丸強化可以在零件表面引入殘余壓應力，改善零件表層組織結構，延緩零件疲勞失效。對零件進行噴丸強化處理，可以提高抗疲勞性能，對提高其服役性能具有重要意義。

目前在零件噴丸強化過程中，對彈丸直徑、噴射角度、噴射速度、覆蓋率、噴射壓力和彈丸流量等工藝參數與殘余應力、表面粗糙度等表面完整性評價指標的規律研究不夠深入，噴丸強化工藝中零件的表面完整性是指零件的表面形貌、組織結構(晶粒度，馬氏體、殘余奧氏體等組織含量等)、位錯密度、顯微硬度和殘余應力。在實際噴丸強化工藝中，若要得到工程中所要求的殘余應力及表面粗糙度，一般是憑借操作者的經驗定好丸料的材料和硬度、噴射壓力、噴丸流量等參數，只改變噴嘴移動速度，然后進行大量的噴丸強化試驗，根據試驗結果來確定噴丸工藝參數。噴丸試驗過程耗時耗力，使得噴丸工藝效率較低，而且經噴丸后的零件的性能也難以滿足實際要求。因此需要一種快速、準確預測殘余應力等表面完整性指標的方法，以指導或替代噴丸強化工藝過程中的物理試驗。

隨著機器學習等數據驅動技術的興起，充分運用BP神經網絡強大的非線性映射能力以及自適應能力，能用來表示噴丸強化工藝參數與性能評價指標之間復雜的非線性關系，具有重要的實際應用意義。但由于BP神經網絡存在易陷入局部最小值、收斂速度慢等缺點，需要對其初始權值和偏置參數進行優化，以提高其預測精度、魯棒性及泛化能力。

中國專利文獻CN 108614418A公開了一種鈦合金噴丸強化殘余壓應力的預測方法，它是運用多元線性回歸分析求解殘余壓應力場特征參數與噴丸強化工藝參數的關系模型。其缺點是殘余壓應力場與噴丸強化工藝參數的關系模型建立過程較復雜，且模型中的某些因子通過物理試驗來確定。

中國專利文獻CN 109508488A公開了一種基于遺傳算法優化BP神經網絡的噴丸成形工藝參數預測方法，它運用BP神經網絡來進行噴丸成形工藝參數的預測，其缺點是沒有考慮神經網絡預測模型輸入參數之間的相關性，且僅用于預測的噴嘴移動速度，不能預測殘余應力。

發明內容

針對現有技術存在的問題，本發明所要解決的技術問題就是提供一種基于BP神經網絡的噴丸強化表面完整性預測方法，它能預測噴丸后的殘余應力和表面粗糙度，在實際噴丸工藝過程中減少物理試驗，提高噴丸工藝的效率。

本發明所要解決的技術問題是通過這樣的技術方案實現的，它包括以下步驟：

S1、收集整理噴丸強化試驗數據，以噴丸強化工藝參數和材料參數為輸入參數，噴丸后材料表面完整性參數中的殘余應力和表面粗糙度為輸出參數，并對數據進行預處理，所述預處理包括：刪除異常值，補充缺省值，對數據集進行特征降維，然后歸一化處理，將試驗數據按照適當比例劃分為訓練集和測試集；

S2、根據S1中特征降維的輸入參數確定輸入層節點數，確定神經網絡各層之間的激活函數類型，并根據模型精度評價參數R²和經驗公式來確定隱含層節點數，構建BP神經網絡結構；