[發明專利]航空航天回轉體類零件加工參數優化方法在審
| 申請號: | 202210086113.2 | 申請日: | 2022-01-25 |
| 公開(公告)號: | CN114417533A | 公開(公告)日: | 2022-04-29 |
| 發明(設計)人: | 彭芳瑜;趙晟強;孫豪;張騰;鄭妍;唐小衛 | 申請(專利權)人: | 華中科技大學無錫研究院 |
| 主分類號: | G06F30/17 | 分類號: | G06F30/17;G06F30/27;G06N3/00;G06F111/06 |
| 代理公司: | 無錫市大為專利商標事務所(普通合伙) 32104 | 代理人: | 陳麗麗;曹祖良 |
| 地址: | 214174 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 航空航天 回轉 零件 加工 參數 優化 方法 | ||
1.一種航空航天回轉體類零件加工參數優化方法,其特征在于,包括:
提取航空航天回轉體類零件的關鍵特征,并確定所述關鍵特征的幾何特征參數;
建立加工過程數據模型,其中所述加工過程數據模型的輸入量包括加工參數和所述幾何特征參數,所述加工過程數據模型的輸出量包括關鍵特征的加工精度指標;
根據優化算法對所述加工過程數據模型中的加工參數進行迭代優化,得到優化后的加工參數。
2.根據權利要求1所述的航空航天回轉體類零件加工參數優化方法,其特征在于,所述提取航空航天回轉體類零件的關鍵特征,并確定所述關鍵特征的幾何特征參數,包括:
在回轉體零件設計模型中提取關鍵特征的細分特征,并根據所述細分特征確定所述關鍵特征的幾何特征參數。
3.根據權利要求1所述的航空航天回轉體類零件加工參數優化方法,其特征在于,所述建立加工過程數據模型,包括:
根據收集到的現場加工參數以及現場測量加工精度指標獲得加工過程數據模型的數據集;
根據高斯過程回歸算法對所述加工過程數據模型的數據集進行訓練與測試,得到加工過程數據模型,其中所述加工過程數據模型的輸入量包括加工參數和所述幾何特征參數,所述加工過程數據模型的輸出量包括關鍵特征的加工精度指標。
4.根據權利要求1至3中任意一項所述的航空航天回轉體類零件加工參數優化方法,其特征在于,所述關鍵特征包括孔特征,所述孔特征的細分特征包括孔的直徑HR、孔的深度HD以及孔的中心位置HP,所述孔特征的幾何特征參數G={HR;HD;HP}。
5.根據權利要求4所述的航空航天回轉體類零件加工參數優化方法,其特征在于,當所述關鍵特征包括孔特征時,所述加工過程數據模型的表達式為:
TDH=FGuassian(G,P)=FGuassian(HR,HD,HP,N,f),
其中,TDH表示孔特征的加工精度指標,G表示孔特征的幾何特征參數,G={HR;HD;HP},P表示孔特征的加工參數,所述加工參數包括主軸轉速N和進給量f,P={N,f}。
6.根據權利要求1至3中任意一項所述的航空航天回轉體類零件加工參數優化方法,其特征在于,所述根據優化算法對所述加工過程數據模型中的加工參數進行迭代優化,得到優化后的加工參數,包括:
將所述加工過程數據模型作為粒子群優化算法模型,其中,所述加工參數作為粒子群優化算法模型的決策變量,所述決策變量的變化范圍作為粒子群優化算法模型的約束條件,所述關鍵特征的加工精度指標作為粒子群優化算法模型的目標函數;
根據粒子群優化算法對所述粒子群優化算法模型進行迭代優化,得到優化后的加工參數。
7.根據權利要求6所述的航空航天回轉體類零件加工參數優化方法,其特征在于,所述根據粒子群優化算法對所述粒子群優化算法模型進行迭代優化,得到優化后的加工參數,包括:
將所述決策變量的初始位置和初始速度輸入至所述粒子群優化算法模型;
計算所述粒子群優化算法模型中每個粒子的適應度函數,并進行逐個粒子變量的更新,得到更新迭代后的粒子速度與粒子位置;
將滿足最大迭代次數時所述粒子群優化算法模型的輸出結果作為優化后的加工參數。
8.根據權利要求7所述的航空航天回轉體類零件加工參數優化方法,其特征在于,當所述關鍵特征包括孔特征時,所述加工參數P包括主軸轉速N和進給量f,所述決策變量的表達式為P={N,f},所述約束條件的表達式為所述目標函數的表達式為min((TDH)min),TDH表示孔特征的加工精度指標。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于華中科技大學無錫研究院,未經華中科技大學無錫研究院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210086113.2/1.html,轉載請聲明來源鉆瓜專利網。





