本發(fā)明涉及工藝參數(shù)優(yōu)化，具體為一種基于輪齒表面形貌分析的螺旋錐齒輪復合噴丸工藝參數(shù)優(yōu)化方法和優(yōu)化系統(tǒng)。

背景技術：

1、激光沖擊與機械噴丸強化技術不僅能在靶材的表面和深度方向誘導殘余應力，還將在材料表面產(chǎn)生等效塑性應變產(chǎn)生橘皮凹坑而改變其表面形貌，凹坑的大小與深度會影響潤滑油膜的厚度、粘度、摩擦系數(shù)，齒輪表面形貌與其抗膠合能力密切相關。

2、螺旋錐齒輪復合噴丸工藝參數(shù)優(yōu)化時，現(xiàn)有技術依賴于經(jīng)驗法則進行工藝參數(shù)的選擇和調(diào)整，缺乏科學的數(shù)據(jù)分析和模型預測，這種方法容易受到主觀因素的影響，導致優(yōu)化過程的準確性和可靠性下降，還無法有效識別和分析復合噴丸工藝參數(shù)之間的復雜關系，導致在優(yōu)化過程中沒有充分利用各參數(shù)的交互效應，從而影響最終的優(yōu)化結果。

3、在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現(xiàn)有技術的信息。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于輪齒表面形貌分析的螺旋錐齒輪復合噴丸工藝參數(shù)優(yōu)化方法和優(yōu)化系統(tǒng)，以解決上述背景技術中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

3、一種基于輪齒表面形貌分析的螺旋錐齒輪復合噴丸工藝參數(shù)優(yōu)化方法，具體步驟包括：

4、s1.在不同復合噴丸工藝參數(shù)組合下，分別進行螺旋錐齒輪加工試驗，并在試驗結束后，隨機拿取若干個螺旋錐齒輪，輪齒表面形貌特征參數(shù)包括凹坑直徑、凹坑深度和粗糙度，復合噴丸工藝參數(shù)包括彈丸直徑、彈丸速度、質(zhì)量流率、光斑直徑和功率密度；

5、s2.構建輪齒表面形貌特征預測模型，將不同復合噴丸工藝參數(shù)組合作為輸入，輪齒表面形貌特征參數(shù)作為標簽訓練模型，對輪齒表面形貌特征預測進行訓練；

6、s3.建立復合噴丸工藝參數(shù)的約束條件，在復合噴丸工藝參數(shù)的約束條件下，將復合噴丸工藝參數(shù)隨機進行組合，構建復合噴丸工藝參數(shù)初始種群的個體，將復合噴丸工藝參數(shù)初始種群的個體輸入輪齒表面形貌特征預測模型，獲取輪齒表面形貌特征參數(shù)；

7、s4.將輪齒表面形貌特征參數(shù)進行數(shù)據(jù)處理，并進行相關性分析，分別生成用于表達輪齒表面抗膠合能力大小的輪齒表面摩擦系數(shù)和輪齒表面膜厚比，將輪齒表面摩擦系數(shù)和輪齒表面膜厚比進行數(shù)據(jù)處理，生成用于綜合評估抗膠合能力的輪齒表面綜合評估系數(shù)；

8、s5.以輪齒表面綜合評估系數(shù)最大化為目標函數(shù)，在復合噴丸工藝參數(shù)的約束條件下，通過遺傳算法對復合噴丸工藝參數(shù)初始種群的個體進行迭代優(yōu)化，獲取最優(yōu)的個體，基于最優(yōu)的個體，提取復合噴丸工藝參數(shù)的最優(yōu)值。

9、進一步地，將復合噴丸工藝參數(shù)隨機進行組合，構建復合噴丸工藝參數(shù)初始種群的個體，具體過程如下：

10、將初始種群標定為q，且初始種群q＝{q1,q2,…,qj,…,qn}，qj為初始種群中第j個個體，j為初始種群中個體的索引，且j∈[1,n],n為初始種群個體的數(shù)量，qj＝{dj,vj,mj,dj,pj},其中，dj,vj,mj,dj,pj分別為第j個個體的彈丸直徑、彈丸速度、質(zhì)量流率、光斑直徑和功率密度。

11、進一步地，所述輪齒表面形貌特征預測模型采用基于多層感知器的深度學習網(wǎng)絡構成，所述多層感知器的深度神經(jīng)網(wǎng)絡包括輸入層、第一隱藏層、第二隱藏層、第三隱藏層和輸出層，所述第一隱藏層、第二隱藏層和第三隱藏層均具有至少兩個神經(jīng)元，且均采用relu作為激活函數(shù)；

12、對輪齒表面形貌特征預測模型進行訓練的過程如下：

13、以不同復合噴丸工藝參數(shù)組合作為輸入量，輪齒表面形貌特征參數(shù)為輸出標簽進行訓練，使用均方誤差作為損失函數(shù)，當均方誤差在[0,0.01]范圍內(nèi)時，完成對輪齒表面形貌特征預測模型的訓練。

14、進一步地，將輪齒表面形貌特征參數(shù)進行數(shù)據(jù)處理，并進行相關性分析，生成用于表達抗膠合能力大小的輪齒表面摩擦系數(shù)，依據(jù)的公式如下：

15、mcxsj＝α1·wdj+α2·whj+α3·crj

16、其中，mcxsj為第j個個體的輪齒表面摩擦系數(shù)，wdj為第j個個體的凹坑直徑，whj為第j個個體的凹坑深度，crj為第j個個體的粗糙度，在α1+α2+α3＝1基礎上，令0<α2<α3<α1<1。

17、進一步地，將輪齒表面形貌特征參數(shù)進行數(shù)據(jù)處理，并進行相關性分析，生成用于表達輪齒表面抗膠合能力大小的輪齒表面膜厚比，依據(jù)的公式如下：

18、mhblj＝β1·(wdj·whj)+β2·crj

19、其中，mhblj為第j個個體的輪齒表面膜厚比，在β1+β2＝1的基礎上，令0<β2<β1<1。

20、進一步地，將輪齒表面摩擦系數(shù)和輪齒表面膜厚比進行數(shù)據(jù)處理，生成用于綜合評估抗膠合能力的輪齒表面綜合評估系數(shù)，依據(jù)的公式如下：

21、zpxsj＝γ1mcxsj+γ2mcblj

22、其中，zpxsj為第j個個體的輪齒表面綜合評估系數(shù)，γ1為第j個個體的輪齒表面摩擦系數(shù)的權重系數(shù)，γ2為第j個個體的輪齒表面膜厚比的權重系數(shù)，且γ1、γ2的具體取值由層次分析法進行確定。

23、進一步地，步驟s5的具體過程如下：

24、在輪齒表面摩擦系數(shù)和輪齒表面膜厚比之間尋求一個平衡點，使綜合評估系數(shù)獲得最大，則以綜合評估系數(shù)zpxsj最大化為優(yōu)化目標，對初始種群q進行迭代優(yōu)化，即對初始種群q中的個體進行選擇、交叉、變異操作，在迭代優(yōu)化過程中，要設置約束條件，即分別設置彈丸直徑、彈丸速度、質(zhì)量流率、光斑直徑和功率密度的最大值和最小值，在彈丸直徑、彈丸速度、質(zhì)量流率、光斑直徑和功率密度的約束范圍內(nèi)，對初始種群q迭代優(yōu)化，具體為選擇綜合評估系數(shù)位于前列的個體作為父代，通過交叉操作，將父代個體的基因進行交換和組合，生成新的個體，然后對新生成的個體中彈丸直徑、彈丸速度、質(zhì)量流率、光斑直徑和功率密度的基因進行變異操作后，重復進行選擇、交叉、變異操作，直到達到預定的迭代次數(shù)；

25、在對初始種群q進行迭代優(yōu)化后，將最優(yōu)的個體標定為qj1＝{dj1,vj1,mj1,dj1,pj1}，螺旋錐齒輪復合噴丸工藝參數(shù)的最優(yōu)值為彈丸直徑dj1、彈丸速度vj1、質(zhì)量流率mj1、光斑直徑dj1和功率密度pj1。

26、一種基于輪齒表面形貌分析的螺旋錐齒輪復合噴丸工藝參數(shù)優(yōu)化系統(tǒng)，所述系統(tǒng)用于執(zhí)行上述任一所述的一種基于輪齒表面形貌分析的螺旋錐齒輪復合噴丸工藝參數(shù)優(yōu)化方法，包括：

27、工藝參數(shù)組合和試驗模塊，用于在不同復合噴丸工藝參數(shù)組合下，分別進行螺旋錐齒輪加工試驗，并在試驗結束后，隨機拿取若干個螺旋錐齒輪，輪齒表面形貌特征參數(shù)包括凹坑直徑、凹坑深度和粗糙度，復合噴丸工藝參數(shù)包括彈丸直徑、彈丸速度、覆蓋率、質(zhì)量流率、光斑直徑、功率密度和搭接率；

28、形貌特征預測模塊，用于構建輪齒表面形貌特征預測模型，將不同復合噴丸工藝參數(shù)組合作為輸入，輪齒表面形貌特征參數(shù)作為標簽訓練模型，對輪齒表面形貌特征預測進行訓練；

29、工藝參數(shù)種群構建模塊，用于建立復合噴丸工藝參數(shù)的約束條件，在復合噴丸工藝參數(shù)的約束條件下，將復合噴丸工藝參數(shù)隨機進行組合，構建復合噴丸工藝參數(shù)初始種群的個體，將復合噴丸工藝參數(shù)初始種群的個體輸入輪齒表面形貌特征預測模型，獲取輪齒表面形貌特征參數(shù)；

30、數(shù)據(jù)處理和分析模塊，用于將輪齒表面形貌特征參數(shù)進行數(shù)據(jù)處理，并進行相關性分析，分別生成用于表達輪齒表面抗膠合能力大小的輪齒表面摩擦系數(shù)和輪齒表面膜厚比，將輪齒表面摩擦系數(shù)和輪齒表面膜厚比進行數(shù)據(jù)處理，生成用于綜合評估抗膠合能力的輪齒表面綜合評估系數(shù)；

31、迭代優(yōu)化模塊，用于以輪齒表面綜合評估系數(shù)最大化為目標函數(shù)，在復合噴丸工藝參數(shù)的約束條件下，通過遺傳算法對復合噴丸工藝參數(shù)初始種群的個體進行迭代優(yōu)化，獲取最優(yōu)的個體，基于最優(yōu)的個體，提取復合噴丸工藝參數(shù)的最優(yōu)值。

32、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

33、本發(fā)明通過在不同復合噴丸工藝參數(shù)組合下進行系統(tǒng)的加工試驗，利用機器學習算法，根據(jù)復合噴丸工藝參數(shù)輸入，訓練出能夠預測輪齒表面形貌特征參數(shù)(凹坑直徑、凹坑深度和粗糙度)的模型，這種數(shù)據(jù)驅(qū)動的方法能夠有效識別復雜的參數(shù)關系，提高了優(yōu)化的準確性，建立輪齒表面摩擦系數(shù)和膜厚比，并綜合生成用于評估抗膠合能力的綜合評估系數(shù)，為性能評價提供量化指標，通過遺傳算法對復合噴丸工藝參數(shù)進行迭代優(yōu)化，可以在多個約束條件下靈活地調(diào)整參數(shù)組合，適應多變的工藝需求，有效提高了全局搜索能力，確保獲得更優(yōu)的參數(shù)組合，因此通過數(shù)據(jù)驅(qū)動的預測模型與系統(tǒng)化分析，能夠快速定位最佳工藝參數(shù)組合，顯著減少試驗次數(shù)和時間成本。