CN108846219A - 高压磨料水射流加工装备工艺参数优化方法与系统 - Google Patents
高压磨料水射流加工装备工艺参数优化方法与系统 Download PDFInfo
- Publication number
- CN108846219A CN108846219A CN201810654730.1A CN201810654730A CN108846219A CN 108846219 A CN108846219 A CN 108846219A CN 201810654730 A CN201810654730 A CN 201810654730A CN 108846219 A CN108846219 A CN 108846219A
- Authority
- CN
- China
- Prior art keywords
- parameter
- model
- optimization
- user
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000000463 material Substances 0.000 title claims abstract description 33
- 230000008569 process Effects 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 19
- 238000004148 unit process Methods 0.000 title claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 63
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012417 linear regression Methods 0.000 claims abstract description 12
- 230000003746 surface roughness Effects 0.000 claims abstract description 12
- 238000000611 regression analysis Methods 0.000 claims abstract description 10
- 238000012913 prioritisation Methods 0.000 claims abstract description 4
- 238000005520 cutting process Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 16
- 238000002474 experimental method Methods 0.000 claims description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 5
- 235000019353 potassium silicate Nutrition 0.000 claims description 4
- NTHWMYGWWRZVTN-UHFFFAOYSA-N sodium silicate Chemical compound [Na+].[Na+].[O-][Si]([O-])=O NTHWMYGWWRZVTN-UHFFFAOYSA-N 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000003754 machining Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 241000208340 Araliaceae Species 0.000 description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 description 5
- 235000008434 ginseng Nutrition 0.000 description 5
- 239000003082 abrasive agent Substances 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013401 experimental design Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003698 laser cutting Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24C—ABRASIVE OR RELATED BLASTING WITH PARTICULATE MATERIAL
- B24C7/00—Equipment for feeding abrasive material; Controlling the flowability, constitution, or other physical characteristics of abrasive blasts
- B24C7/0007—Equipment for feeding abrasive material; Controlling the flowability, constitution, or other physical characteristics of abrasive blasts the abrasive material being fed in a liquid carrier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Perforating, Stamping-Out Or Severing By Means Other Than Cutting (AREA)
Abstract
本发明公开了一种高压磨料水射流加工装备工艺参数优化方法与系统,该系统包括:试验方案生成与回归模型获取模块、参数优化模块和数据库;所述试验方案生成与回归模型获取模块包括试验方案生成单元、数据处理单元和回归模型获取单元;参数优化模块,用于根据接收的用户设定的设备参数、材料参数以及磨料参数在数据库中搜寻符合设定参数的试验数据以及建立的多元非线性回归模型;然后根据用户设定的表面粗糙度期望值,调用参数优化算法,获得参数优化方案,得到优化的参数值;数据库,用于存储试验方案、多元非线性回归分析模型、设备参数、材料参数、磨料参数和优化方案。本发明能针对磨料水射流技术中的各工艺参数进行优化,达到降低表面粗糙度,提高表面质量的目的。
Description
技术领域
本发明涉及磨料加工技术,尤其涉及一种高压磨料水射流加工装备工艺参数优化方法与系统。
背景技术
磨料水射流加工技术(AWJ)是利用高速的水-磨料混合物对材料进行切割加工的一种新型的冷态高能束绿色加工技术,是当今制造技术发展的前沿领域。与传统加工技术和激光切割等技术相比,该技术具有高能、冷态、点割的特点。它对被切割材料没有选择性,切割时不易产生分层、无热聚集、无热影响区、无粉尘、烟尘污染等,对难加工材料如陶瓷、石材、不锈钢、玻璃、钛合金等具有显著的优势。
磨料水射流加工技术作为近年来发展起来的一种新型加工技术,国内对其展开了多项研究。之前影响磨料水射流加工技术进行大范围推广的主要问题是磨料水射流加工装备切割能力不足,结构件易磨损和加工精度低下等。随着加工装备结构的优化和结构件材料的调整,前两个问题已被解决,但加工精度却始终没有显著提高,其中表面粗糙度影响尤为巨大。究其原因,主要是因为水射流加工不同于传统的加工方式,刀具与传统刀具不同,可变性大、可控性低。为此,就需要对磨料水设射流加工装备切割材料的过程进行探究,通过优化磨料水射流工艺参数来降低表面粗糙度,提高表面质量。
目前,国内针对磨料水射流加工装备切割材料的工艺进行的大量研究主要集中在单个工艺参数对加工指标的影响和构建工艺参数与加工指标的回归分析两个方面。例如,赵德安等人认为水射流切割速度是影响切割质量的重要因素并进行了试验探究,杨林等人则用回归分析的方法建立了切割面关于工艺参数的半经验模型与与理论模型进行比较。但是国内却缺乏依据经验回归模型对磨料水射流工艺参数进行优化的方案。
此外,由于影响磨料水射流加工质量的因素众多,包括水射流压力、靶距、切割速度以及磨料流量等等。在进行试验探究时,用户需要在试验设计以及最终的试验数据处理上花费大量精力。虽然流行的SPSS、SAS等软件能够进行试验设计和数据分析,但为了参数优化系统的便捷性和连贯性,研制一款能够同时进行试验探究和后续数据处理的工艺参数优化系统是必要的。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种高压磨料水射流加工装备工艺参数优化方法与系统。
本发明解决其技术问题所采用的技术方案是:一种高压磨料水射流加工装备工艺参数优化方法,包括以下步骤:
1)试验方案生成与回归模型获取;
1.1)根据磨料水射流加工机床性能参数和碳纤维复合材料性能参数,确定(待优化的)各工艺参数及其取值范围;
1.2)根据各工艺参数及其取值范围生成因数水平表,然后接受用户选定的试验指标数目和每个试验指标的名称,根据用户输入的信息进行正交试验设计并生成正交试验表格;各工艺参数及其取值范围与正交试验表对应共同构成完整的试验方案;
1.2)数据处理:对用户输入的执行正交试验方案后的试验数据,进行极差分析,得到各工艺参数的极差;然后对极差分析的结果进行方差分析,判断各工艺参数对试验指标影响的显著程度;
1.3)根据基础模型经过最小二乘法计算获得多元非线性回归分析模型并进行显著性检验;式中k为常数系数,V代表进给速率,P为射流压力,H为靶距,a1、a2、a3为模型待确定的系数;
1.4)将试验方案和多元非线性回归分析模型存储到数据库中;
2)参数优化
2.1)接受用户设定的设备参数、材料参数以及磨料参数;
2.2)在数据库中搜寻符合设定参数的试验数据以及建立的多元非线性回归模型;
2.3)根据用户设定的表面粗糙度期望值,调用参数优化算法,获得参数优化方案;
2.4)根据参数优化方案,得到优化的参数值。
按上述方案,所述步骤2)中参数优化算法具体如下:
首先采用线性加权和法设计评价函数,基本模型如式(1)所示,i表示第i个工艺参数,wi为加权系数;
然后采用有约束非线性最优化模型为参数优化模型,优化模型如式(2)所示;其中,x1代表进给速率V,x2代表着射流压力P,x3代表这靶距H,Ra代表着从系统界面获取的预期表面粗糙度值,g1(x)为设定的试验条件下查找的经验回归模型,g2(x)~g7(x)为参与参数优化的各工艺参数取值范围;
对参数优化模型基于K-T(Kuhn-Tucker)方程进行求解;
一种高压磨料水射流加工装备工艺参数优化系统,包括:
试验方案生成与回归模型获取模块、参数优化模块和数据库;
所述试验方案生成与回归模型获取模块包括试验方案生成单元、数据处理单元和回归模型获取单元;
所述试验方案生成单元,用于各工艺参数及其取值范围与正交试验表对应共同构成完整的试验方案;所述(待优化的)各工艺参数及其取值范围根据磨料水射流加工机床性能参数和碳纤维复合材料性能参数确定;所述正交试验表的生成方法如下:根据各工艺参数及其取值范围生成因数水平表,然后接受用户设定的试验指标数目和每个试验指标的名称,根据用户输入的设定信息进行正交试验设计并生成正交试验表格;
数据处理单元,用于对用户输入的执行正交试验方案后的试验数据,进行极差分析,得到各工艺参数的极差;然后对极差分析的结果进行方差分析,判断各工艺参数对试验指标影响的显著程度;
回归模型获取单元,用于根据基础模型经过最小二乘法计算获得多元非线性回归分析模型;
参数优化模块,用于根据接收的用户设定的设备参数、材料参数以及磨料参数在数据库中搜寻符合设定参数的试验数据以及建立的多元非线性回归模型;然后根据用户设定的表面粗糙度期望值,调用参数优化算法,获得参数优化方案,得到优化的参数值;
数据库,根据上述功能,设计数据库内容为:试验方案、多元线性回归分析模型、设备参数、材料参数、磨料参数和优化方案。各表的存储由对应界面的保存功能执行。
按上述方案,所述参数优化模块中参数优化算法具体如下:
首先采用线性加权和法设计评价函数,基本模型如式(1)所示,i表示第i个工艺参数,wi为加权系数。本系统采用了有约束非线性最优化模型为参数优化模型,其中一组优化模型如式(2)所示。x1代表进给速率V,x2代表着射流压力P,x3代表这靶距H,Ra代表着从系统界面获取的预期表面粗糙度值。g1(x)为设定的试验条件下查找的经验回归模型,式中只代表了某种情况,不同的试验条件会搜寻并建立不同的g1(x)模型插入到公式中。此外g2(x)~g7(x)则为参与参数优化的各工艺参数取值范围。该模型基于K-T(Kuhn-Tucker)方程进行求解,计算过程由系统调用Matlab完成。
本发明产生的有益效果是:本发明提供了一种高压磨料水射流加工装备工艺参数优化方法,能针对磨料水射流技术中的各工艺参数进行优化,达到降低表面粗糙度,提高表面质量的目的。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的磨料水射流工艺参数优化系统逻辑架构图。
图2是本发明实施例的参数优化模块流程图。
图3是本发明实施例的参数优化算法流程图。
图4是本发明实施例的数据库结构图。
图5是本发明实施例的数据检索功能逻辑图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种高压磨料水射流加工装备工艺参数优化系统,包括:
试验数据及回归模型获取模块
试验数据及回归模型获取模块主要是为后面进行磨料水射流的工艺参数优化提供数据与模型支持,它主要包括了系统的四个小功能:正交试验规划功能、试验数据极差分析功能、试验数据方差分析功能和经验回归模型获取功能。
正交试验设计具有“均匀分散,齐整可比”的特点,是研究多因素多水平的主流试验方法。使用正交试验设计可以大大减少使用者探究磨料水射流加工工艺参数的试验次数,大大节省了用于设计试验的时间,提高了工作效率。故此,本系统采用正交设计作为试验方法来进行试验设计,通过获取使用者的试验对象、试验参数以及预期的参数水平数目经过内置算法运算为使用者自动规划出有关表格和试验方案。通过获取需要被安排的工艺参数以及各工艺参数对应的水平,该功能将为每个工艺参数划分合适的水平并提供给每个水平以合适的参数值,这些参数值将与后续的正交试验表对应共同构成完整的试验方案。
该模块还具有试验数据极差分析功能和方差分析功能,分析对象为用户输入的执行正交试验方案后的试验数据。极差分析功能将会依照工艺参数的不同对相应的试验数据进行求解运算,得到各工艺参数的极差Rj。通过对极差的重新排序,判断出在使用者输入的参数范围内各工艺参数对试验指标影响程度的大小,并给出此次试验的最优方案供使用者进行实际生产运用或者后续试验参数范围的优化。
极差分析法简单、直观,计算量小,但较为粗糙,没有提供判断工艺参数是否对试验结果有显著影响的标准,因此需要进一步开发系统的试验数据方差分析功能。总体过程为计算试验结果的总偏差平方和ST,每个工艺参数对应的偏差平方和Sj和误差平方和Se,为了提高结果的准确性,系统还将比较每个工艺参数的偏差平方和与试验的误差平方和,将偏差平方和较小的工艺参数归入到误差列中,提高计算结果的准确性。最终判断各工艺参数对试验指标影响的显著程度。
此模块最重要的功能即为经验回归模型获取功能,这是后续进行工艺参数优化的重要依据。本系统中采用的基本数学模型为多元非线性回归分析模型,此模型可以较好的描述试验指标与多个试验参数之间的非线性关系。为了计算简便,系统首先将非线性回归模型转化为线性回归分析模型,利用最小二乘法求解得到线性回归模型中未知参数的估计,再逆向求解得出需要的非线性回归模型。
参数优化模块;
参数优化模块是磨料水射流工艺参数优化系统最核心的模块,直接体现了系统的主要用途。它依托于数据获取模块中的各功能,结合获取的使用者在系统界面输入的指令,依据参数优化算法来进行运算,得出使用者预定条件下的最优参数组合。
参数优化模块与数据获取模块虽分属两个不同的界面,但却共用一个数据库,其目的主要是为了增强两个模块之间的数据共享能力,因为参数优化模块中的参数优化功能主要基于数据获取模块得到的多元非线性回归模型而建立,该模块的基本流程如图2所示。使用者在系统界面首先选定参数优化的相关参数,主要有设备参数、材料参数以及磨料参数等。系统在获取这些参数后会在数据库中搜寻符合这些参数的试验数据以及建立的多元非线性回归模型。在选择的过程当中,若没有符合用户预期的数据模型,使用者需要自己定义设备、材料以及磨料等参数,通过上一个模块进行试验方案的设计和数据模型的建立,之后再重复进行相关参数选择直至系统能够搜索到需要的数据模型。
参数优化算法具体流程如图3所示。
参数优化算法包括以下步骤:
1)获取优化指标;
2)查找回归模型;
3)构建综合评价函数;
4)建立有约束的最优化模型;
5)得到参数优化结果;
例如,对于5mm厚度碳纤维材料,经过正交试验设计并对数据进行回归分析计算,系统得出其模型为Ra=4.749313V0.113P-0.237H0.025。据此系统生成其参数优化模型如式3所示。此时,若输入预计表面质量为2.6μm,则可以得出优化参数详细值为进给速率466.3467mm/min,靶距9.0000mm,射流压力299.9997MPa。
数据库;
数据库是磨料水射流工艺参数优化系统的核心,数据库的质量直接影响到参数优化系统的性能,如图4所示为数据库结构图。按照实际需要,数据库分为两大部分,分别为用户数据库和系统数据库。
用户数据库主要用来存储用户信息,避免有人恶意进入系统进行数据破坏,保证系统数据库的安全。出于实用性考虑,用户数据库将主要包含两个数据文件,分别为管理员数据表和普通用户数据表。管理员数据表主要用于记录管理员的用户名和密码,普通用户数据表则用于记录普通用户的用户名和密码。使用不同的用户类型进入系统时,系统开放的权限也会有所不同,用以增强系统数据的安全性和完整性。
系统数据库是整个参数优化系统数据功能的核心,负责系统中大多数数据的存储与管理,与系统的各功能联系紧密。根据系统的主要功能,可以将系统数据库的数据文件分为回归模型表(Regression)、设备参数表(Equipment)、材料参数表(Factor)、磨料参数表(Abrasive)和优化方案表(Optimization),据此绘制结构一览表如表1所示。
表1数据库数据文件一览表
针对系统数据库设计了数据管理功能,主要包括数据添加、数据删除和数据检索等。数据添加和数据删除主要指对系统数据库中数据的操作,为了系统数据的安全性,数据删除需要管理员用户才能进行。数据检索功能则是可以让使用者通过此功能查询工艺参数优化系统中已经存在的数据库数据文件,例如经验回归模型、工艺参数优化方案等,直接实现系统数据的调用。基于系统对检索功能的需求,设计数据检索功能逻辑图如图5所示。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种高压磨料水射流加工装备工艺参数优化方法,其特征在于,包括以下步骤:
1)试验方案生成与回归模型获取;
1.1)根据磨料水射流加工机床性能参数和碳纤维复合材料性能参数,确定待优化的各工艺参数及其取值范围;
1.2)根据各工艺参数及其取值范围生成因数水平表,然后接受用户选定的试验指标数目和每个试验指标的名称,根据用户输入的信息进行正交试验设计并生成正交试验表格;各工艺参数及其取值范围与正交试验表对应共同构成完整的试验方案;
1.3)数据处理:对用户输入的执行正交试验方案后的试验数据,进行极差分析,得到各工艺参数的极差;然后对极差分析的结果进行方差分析,判断各工艺参数对试验指标影响的显著程度;
1.4)根据基础模型经过最小二乘法计算获得多元非线性回归分析模型并进行显著性检验;式中k为常数系数,V代表进给速率,P为射流压力,H为靶距;
1.5)将试验方案和多元非线性回归分析模型存储到数据库中;
2)参数优化
2.1)接受用户设定的设备参数、材料参数以及磨料参数;
2.2)在数据库中搜寻符合设定参数的试验数据以及建立的多元非线性回归模型;
2.3)根据用户设定的表面粗糙度期望值,调用参数优化算法,获得参数优化方案;
2.4)根据参数优化方案,得到优化的参数值。
2.根据权利要求1所述的高压磨料水射流加工装备工艺参数优化方法,其特征在于,所述步骤2)中参数优化算法具体如下:
首先采用线性加权和法设计评价函数,基本模型如式(1)所示,i表示第i个工艺参数,wi为加权系数;
然后采用有约束非线性最优化模型为参数优化模型,优化模型如式(2)所示;其中,x1代表进给速率V,x2代表着射流压力P,x3代表这靶距H,Ra代表着从系统界面获取的预期表面粗糙度值,g1(x)为设定的试验条件下查找的经验回归模型,g2(x)~g7(x)为参与参数优化的各工艺参数取值范围;
对参数优化模型基于K-T方程进行求解;
3.一种高压磨料水射流加工装备工艺参数优化系统,其特征在于,包括:
试验方案生成与回归模型获取模块、参数优化模块和数据库;
所述试验方案生成与回归模型获取模块包括试验方案生成单元、数据处理单元和回归模型获取单元;
所述试验方案生成单元,用于各工艺参数及其取值范围与正交试验表对应共同构成完整的试验方案;所述待优化的各工艺参数及其取值范围根据磨料水射流加工机床性能参数和碳纤维复合材料性能参数确定;所述正交试验表的生成方法如下:根据各工艺参数及其取值范围生成因数水平表,然后接受用户设定的试验指标数目和每个试验指标的名称,根据用户输入的设定信息进行正交试验设计并生成正交试验表格;
数据处理单元,用于对用户输入的执行正交试验方案后的试验数据,进行极差分析,得到各工艺参数的极差;然后对极差分析的结果进行方差分析,判断各工艺参数对试验指标影响的显著程度;
回归模型获取单元,用于根据基础模型经过最小二乘法计算获得多元非线性回归分析模型;式中k为常数系数,V代表进给速率,P为射流压力,H为靶距;
参数优化模块,用于根据接收的用户设定的设备参数、材料参数以及磨料参数在数据库中搜寻符合设定参数的试验数据以及建立的多元非线性回归模型;然后根据用户设定的表面粗糙度期望值,调用参数优化算法,获得参数优化方案,得到优化的参数值;
数据库,用于存储试验方案、多元线性回归分析模型、设备参数、材料参数、磨料参数和优化方案。
4.根据权利要求3所述的一种高压磨料水射流加工装备工艺参数优化系统,其特征在于,所述参数优化模块中参数优化算法具体如下:
首先采用线性加权和法设计评价函数,基本模型如式(1)所示,i表示第i个工艺参数,wi为加权系数;
采用有约束非线性最优化模型为参数优化模型,其中优化模型如式(2)所示,x1代表进给速率V,x2代表着射流压力P,x3代表这靶距H,Ra代表着从系统界面获取的预期表面粗糙度值,g1(x)为设定的试验条件下查找的经验回归模型,,g2(x)~g7(x)为参与参数优化的各工艺参数取值范围,该模型基于K-T方程进行求解,计算过程由系统调用Matlab完成;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810654730.1A CN108846219A (zh) | 2018-06-22 | 2018-06-22 | 高压磨料水射流加工装备工艺参数优化方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810654730.1A CN108846219A (zh) | 2018-06-22 | 2018-06-22 | 高压磨料水射流加工装备工艺参数优化方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846219A true CN108846219A (zh) | 2018-11-20 |
Family
ID=64203543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810654730.1A Pending CN108846219A (zh) | 2018-06-22 | 2018-06-22 | 高压磨料水射流加工装备工艺参数优化方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846219A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083967A (zh) * | 2019-05-07 | 2019-08-02 | 湖北工业大学 | 一种砂带磨削工艺参数优化及评价指标数学模型建模方法 |
CN110689019A (zh) * | 2019-09-27 | 2020-01-14 | 中国银行股份有限公司 | Ocr识别模型的确定方法及装置 |
CN111496683A (zh) * | 2019-12-31 | 2020-08-07 | 沈阳造币有限公司 | 一种用于造币模具的喷射式抛光方法 |
CN111531925A (zh) * | 2020-04-03 | 2020-08-14 | 中国航发哈尔滨东安发动机有限公司 | 高压磨粒水射流铣削修理复合材料的方法 |
CN111752247A (zh) * | 2020-07-02 | 2020-10-09 | 昆明理工大学 | 一种用于高温合金切削加工生产的优化调度方法 |
CN114260826A (zh) * | 2021-12-27 | 2022-04-01 | 武汉大学 | 一种提高三轴低压磨料射流切割质量的方法 |
CN114683177A (zh) * | 2022-02-24 | 2022-07-01 | 大连理工大学 | 基于多维运动和多物理量协同实时调控的磨料水射流曲面加工方法 |
CN115122242A (zh) * | 2022-07-18 | 2022-09-30 | 沈阳工业大学 | 一种基于高压磨料水射流的钢轨修复工艺 |
CN112199770B (zh) * | 2020-09-17 | 2024-04-09 | 中国运载火箭技术研究院 | 一种基于试验参数特征的试验代理模型构建方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2169491A1 (de) * | 2008-09-27 | 2010-03-31 | Trumpf Werkzeugmaschinen GmbH + Co. KG | Unterstützungssystem und Verfahren zur Optimierung von Bearbeitungsparametern und/oder Regelparametern |
CN103192048A (zh) * | 2013-04-07 | 2013-07-10 | 北京科技大学 | 一种基于精准热物性参数的连铸坯凝固冷却过程模拟方法 |
-
2018
- 2018-06-22 CN CN201810654730.1A patent/CN108846219A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2169491A1 (de) * | 2008-09-27 | 2010-03-31 | Trumpf Werkzeugmaschinen GmbH + Co. KG | Unterstützungssystem und Verfahren zur Optimierung von Bearbeitungsparametern und/oder Regelparametern |
CN103192048A (zh) * | 2013-04-07 | 2013-07-10 | 北京科技大学 | 一种基于精准热物性参数的连铸坯凝固冷却过程模拟方法 |
Non-Patent Citations (9)
Title |
---|
万庆丰等: "基于MAWJ刀具钝化表面质量的模型研究", 《组合机床与自动化加工技术》 * |
周景军等: "磨料浆体射流技术中环氧板材料切割参数的研究", 《机床与液压》 * |
宋圆圆: "基于神经网络的前混合磨料水射流切割数据库建立研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
王军等: "高压磨料水射流切割玻璃纤维增强塑料的试验研究", 《制造技术与机床》 * |
王成焘: "《现代机械设计-思想与方法》", 31 December 1999 * |
肖军民: "铍铜球刀数控铣削试验研究及工艺参数优化", 《机械制造与自动化》 * |
陈敏等: "硫化工艺参数优化综合实验平台的开发", 《橡胶工业》 * |
陈正雄等: "磨料水射流抛光生物陶瓷工艺参数优化", 《机械设计与研究》 * |
黄飞等: "《煤炭工业生态产业链优化仿真研究》", 30 June 2013 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083967A (zh) * | 2019-05-07 | 2019-08-02 | 湖北工业大学 | 一种砂带磨削工艺参数优化及评价指标数学模型建模方法 |
CN110689019A (zh) * | 2019-09-27 | 2020-01-14 | 中国银行股份有限公司 | Ocr识别模型的确定方法及装置 |
CN110689019B (zh) * | 2019-09-27 | 2022-05-24 | 中国银行股份有限公司 | Ocr识别模型的确定方法及装置 |
CN111496683A (zh) * | 2019-12-31 | 2020-08-07 | 沈阳造币有限公司 | 一种用于造币模具的喷射式抛光方法 |
CN111531925A (zh) * | 2020-04-03 | 2020-08-14 | 中国航发哈尔滨东安发动机有限公司 | 高压磨粒水射流铣削修理复合材料的方法 |
CN111752247A (zh) * | 2020-07-02 | 2020-10-09 | 昆明理工大学 | 一种用于高温合金切削加工生产的优化调度方法 |
CN112199770B (zh) * | 2020-09-17 | 2024-04-09 | 中国运载火箭技术研究院 | 一种基于试验参数特征的试验代理模型构建方法及系统 |
CN114260826A (zh) * | 2021-12-27 | 2022-04-01 | 武汉大学 | 一种提高三轴低压磨料射流切割质量的方法 |
CN114260826B (zh) * | 2021-12-27 | 2022-10-14 | 武汉大学 | 一种提高三轴低压磨料射流切割质量的方法 |
CN114683177A (zh) * | 2022-02-24 | 2022-07-01 | 大连理工大学 | 基于多维运动和多物理量协同实时调控的磨料水射流曲面加工方法 |
CN115122242A (zh) * | 2022-07-18 | 2022-09-30 | 沈阳工业大学 | 一种基于高压磨料水射流的钢轨修复工艺 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846219A (zh) | 高压磨料水射流加工装备工艺参数优化方法与系统 | |
CN109086999B (zh) | 灌装生产线远程数据采集分析系统及其异常分析方法 | |
WO2020041955A1 (zh) | 一种基于改进型拉开档次法的数控机床综合性能评价方法 | |
Nair et al. | Multi-performance optimization of abrasive water jet machining of Inconel 617 using WPCA | |
CN109270899A (zh) | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 | |
US20090048782A1 (en) | System and method for filtering a point cloud | |
CN106779388B (zh) | 一种基于工作量匹配和效用最优的工单智能化派工方法 | |
CN106934484B (zh) | 一种基于pda的现场运维日工作规划方法 | |
CN102226915A (zh) | 一种深基坑工程动态风险信息管理系统 | |
CN108345981A (zh) | 一种基于负荷分类的典型台区线损率标杆值计算方法及其应用 | |
CN104181873A (zh) | 一种数字化的产品检测的实现方法、装置及系统 | |
CN107239539A (zh) | 一种基于关系型数据库的自定义建模方法 | |
CN109736720A (zh) | 一种基于改进Kriging模型的深海连接器密封结构优化方法 | |
CN113807629A (zh) | 一种绿色建筑项目报告评价系统及方法 | |
CN112508232A (zh) | 一种基于多层次模糊综合评价模型的短路电流限制措施评估方法 | |
WO2021233160A1 (zh) | 数据展示系统、方法、设备及计算机可读存储介质 | |
CN105956326B (zh) | 基于响应面模型的轧辊冷却系统工艺参数优化方法 | |
CN110020837A (zh) | 一种模板化的审计方法 | |
CN110658782B (zh) | 一种基于特征的数控机床固有能效预测方法 | |
CN109615115A (zh) | 一种面向任务可靠性的集成生产任务调度方法 | |
JP2014075000A (ja) | 加工データ一貫生成装置、加工データ一貫生成プログラム及び加工データ一貫生成方法 | |
CN114780603A (zh) | 基于bim数字化的智慧碾压系统与方法 | |
TWI361962B (zh) | ||
CN110851623B (zh) | 一种基于水文监测业务的在线化方法及系统 | |
CN114116667A (zh) | 一种电力数据应用场景的数据治理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |