CN114850134A - 一种激光清洗装备清洗过程低碳建模与工艺参数优化方法 - Google Patents

Abstract

本发明涉及一种激光清洗装备清洗过程低碳建模与工艺参数优化方法，属于先进制造与自动化技术领域。其建立激光清洗工艺过程碳排放模型，搭建激光清洗过程碳排放实时监测平台；应用回归拟合与激光清洗试验，获取碳排放模型参数；以碳排放为目标，综合考虑粗糙度、含碳、氧量等质量目标，建立激光清洗多目标工艺参数优化模型，提出基于协同进化框架多目标进化算法的激光清洗工艺参数优化模型求解算法，获得最佳激光清洗工艺参数，实现绿色低碳的激光清洗工艺。旨在解决激光清洗过程中热量不完全吸收及电能不完全转化导致产生大量碳排放问题，在保证清洗质量基础上，有效降低激光清洗过程碳排放，对高端装备运维与再制造绿色高质量发展具有重要意义。

Description

一种激光清洗装备清洗过程低碳建模与工艺参数优化方法

技术领域

本发明涉及一种激光清洗装备清洗过程低碳建模与工艺参数优 化方法，属于先进制造与自动化技术领域。

背景技术

激光清洗作为一种新型高效清洗技术被广泛应用于航空航天、高 铁、船舶等制造业领域。其利用激光器产生的高强度、高能量光束， 使污染物瞬时吸收大量的热量从而脱离基材表面，在此过程中，由于 热量的不完全吸收及电能的不完全转化导致大量碳排放产生。合理的 工艺参数组合是降低激光清洗过程碳排放、保证污染物清洗质量及基 材表面无损的基础和前提。因此，探究激光清洗过程碳排放构成，研 究其低碳建模与工艺参数优化方法对我国激光清洗装备产业实现绿 色高质量发展具有重要意义。

发明内容

本发明针对激光清洗过程碳排放源的复杂性所导致的碳排放评 估及保证清洗质量难等问题，首先，建立激光清洗工艺过程碳排放模 型，搭建激光清洗过程碳排放实时监测平台；应用回归拟合与激光清 洗试验，获取碳排放模型参数；以碳排放为目标，综合考虑粗糙度、 含碳、氧量等质量目标，建立激光清洗多目标工艺参数优化模型，提 出基于协同进化框架多目标进化算法的激光清洗工艺参数优化模型 求解算法，获得最佳激光清洗工艺参数。最后，通过实例分析验证模 型的有效性与准确性。

本发明的一种激光清洗装备清洗过程低碳建模与工艺参数优化 方法包括如下步骤：

S1：建立激光清洗工艺过程碳排放模型，搭建激光清洗过程碳排 放实时监测平台；

S2：应用回归拟合与激光清洗试验，获取碳排放模型参数；

S3：以碳排放为目标，综合考虑粗糙度、含碳、氧量等质量目标， 建立激光清洗多目标工艺参数优化模型；

S4：提出基于协同进化框架多目标进化算法的激光清洗工艺参数 优化模型求解算法；

S5：实例分析。

根据本发明：步骤S1包括如下子步骤：

S11：构建激光清洗过程时间模型T＝T_p+T_w+T_c，

式中，T为激光清洗总时间；T_p为激光清洗前准备时间；T_w为激 光清洗各系统待机时间；T_c为激光清洗各子系统工作时间；

S12：水冷子系统为单独工作系统，工作时间与其他子系统工作 时间不同，水冷子系统工作时间为

式中，T_cw为水冷子系统工作时间；P_in为激光输入功率；P_out为激 光输出功率；v_f为冷却水流速；ρ为冷却水密度；ΔT为冷却水温差； c为冷却水比热容；

S13：构建激光器子系统碳排放模型C_l＝(P_l×T_w+n×f×T_c)×F_e，

式中，C_l为激光器子系统碳排放；P_l为激光器子系统待机功率； n为单脉冲能量；f为脉冲频率，n×f为激光器工作功率；F_e为电能 碳排放因子；

S14：构建机器人子系统碳排放模型C_t＝(P_t×T_w+P_s×T_c)×F_e，

式中，C_t为机器人子系统碳排放；P_t为机器人子系统待机状态功 率；P_s为机器人子系统工作功率；

S15：构建除尘子系统碳排放模型C_d＝P_d×T_c×F_e，

式中，C_d为除尘子系统碳排放；P_d为除尘子系统工作功率；

S16：水冷子系统为独立工作的系统，因此，水冷子系统碳排放 模型为C_cw＝[P_cw×T_cw+P_c×(T-T_cw)]×F_e，

式中，C_cw为水冷子系统碳排放；P_cw为水冷子系统工作功率；T_cw为水冷子系统工作时间；P_c为水冷子系统待机功率；T为激光清洗设 备总时间；

S17：构建辅助子系统碳排放模型C_i＝P_i×T×F_e，

式中，C_i为辅助子系统碳排放；P_i为辅助子系统工作功率；

S18：构建激光清洗过程物耗碳排放模型C_m＝(M_a-M_b)×F_m，

式中，C_m为物耗碳排放；M_a为清洗前基材质量；M_b为清洗后基 材质量；F_m为物料碳排放因子；

S19：综上所述，整理得到激光清洗过程总碳排放模型如下：

S20：搭建激光清洗过程碳排放实时监测平台。

根据本发明：步骤S2包括如下子步骤：

S21：应用回归拟合与激光清洗实验，得到激光器输入与输出功 率间的函数关系式P_in＝2.846P_out+605.5；

S22：应用回归拟合与激光清洗实验，得到机器人系统功率与行 进速度间的函数关系式P_s＝1.323v_s+662；

S23：获取水冷子系统功率参数值；

S24：获取除尘子系统功率参数值；

S25：获取辅助子系统功率参数值。

根据本发明：步骤S3包括如下子步骤：

S31：基于Design Expert(设计专家)软件，将数据拟合，构建 粗糙度函数：

式中，R_a为粗糙度；P_out为激光功率；v_s为行进速度；v_p为清洗 速度；

S32：基于Design Expert软件，将数据拟合，构建元素占比函数：

S33：建立多目标优化模型函数

F(P_out,v_s,v_p)＝min{C_E},{R_a},{ω}

式中，P_minout为激光器输出最小功率；P_maxout为激光器输出最大功 率；v_mins为激光器最小行进速度；v_maxs为激光器最大行进速度；v_minp为机器人最小清洗速度；v_maxp为机器人最大清洗速度。

根据本发明：步骤S4包括如下子步骤：

S41：基于协同进化框架进化多目标复杂约束优化算法的多目标 优化模型求解；

S42：基于改进GRA(灰色关联分析法)和TOPSIS(优劣解距 离法)分析选取最优解。

本发明的有益效果是：本发明在明确激光清洗碳排放机理基础上 建立激光清洗碳排放模型，为激光清洗领域碳追踪提供新方法，为企 业的节能减排与提高效益提供理论指导。通过优化激光清洗工艺参 数，降低激光清洗过程碳排放量，减少温室气体排放，提高清洗质量， 降低清洗成本，从而实现激光清洗过程低碳、高质量、低成本目标， 为以后学者研究激光清洗工艺碳排放积累宝贵经验。

附图说明

图1为激光清洗过程碳排放边界图。

图2为激光清洗过程碳排放监测平台。

图3为激光清洗过程功率曲线变化图。

图4为工作时间89s水冷子系统功率变化图。

图5为工作时间96s水冷子系统功率变化图。

图6为工作时间100s水冷子系统功率变化图。

图7为工作时间110s水冷子系统功率变化图。

图8为机器人子系统功率变化图。

图9为协同进化框架的多目标进化算法流程图。

图10(a)和10(b)为清洗后效果对比图，其中图10(a)为清 洗前效果，图10(b)为清洗后效果。

图11(a)-11(c)为优化结果对比图，其中图11(a)为碳排放 优化结果对比图；图11(b)为粗糙度优化结果对比图；图11(c) 为元素占比优化结果对比图。

具体实施方式

下面结合附图及实施例，对本发明进行进一步详细说明，但应当 理解实施例用以解释本发明，并不用于限制本发明。

本发明开发一种激光清洗装备清洗过程低碳建模与工艺参数优 化方法。图1为激光清洗过程碳排放边界图。图2为激光清洗过程碳 排放监测平台。图3为激光清洗过程功率曲线变化图。图4为工作时 间89s水冷子系统功率变化图。图5为工作时间96s水冷子系统功率 变化图。图6为工作时间100s水冷子系统功率变化图。图7为工作 时间110s水冷子系统功率变化图。图8为机器人子系统功率变化图。 图9为协同进化框架的多目标进化算法流程图。图10(a)和10(b) 为清洗后效果对比图。图11(a)为碳排放优化结果对比图。图11(b) 为粗糙度优化结果对比图。图11(c)为元素占比优化结果对比图。 如图1-11(c)所示，示出了本发明的一种激光清洗装备清洗过程低 碳建模与工艺参数优化方法中的激光清洗过程功率曲线变化、激光清 洗过程碳排放边界、激光清洗过程碳排放监测平台、不同工作时间下水冷子系统功率变化、机器人子系统功率变化、协同进化框架的多目 标进化算法流程图、清洗后效果及优化结果对比图。

本发明的整体技术方案为一种激光清洗装备清洗过程低碳建模 与工艺参数优化方法，包括如下步骤：

S1：建立激光清洗工艺过程碳排放模型，搭建激光清洗过程碳排 放实时监测平台；

S2：应用回归拟合与激光清洗试验，获取碳排放模型参数；

S3：以碳排放为目标，综合考虑粗糙度、含碳、氧量等质量目标， 建立激光清洗多目标工艺参数优化模型；

S4：提出基于协同进化框架多目标进化算法的激光清洗工艺参数 优化模型求解算法；

S5：实例分析。

所述的步骤S1包括如下子步骤：

S11：构建激光清洗过程时间模型T＝T_p+T_w+T_c，

式中，T为激光清洗总时间；T_p为激光清洗前准备时间；T_w为激 光清洗各系统待机时间；T_c为激光清洗各子系统工作时间；

S12：水冷子系统为单独工作系统，工作时间与其他子系统工作 时间不同，水冷子系统工作时间为

式中，T_cw为水冷子系统工作时间；P_in为激光输入功率；P_out为激 光输出功率；v_f为冷却水流速；ρ为冷却水密度；ΔT为冷却水温差； c为冷却水比热容；

S13：构建激光器子系统碳排放模型C_l＝(P_l×T_w+n×f×T_c)×F_e，

式中，C_l为激光器子系统碳排放；P_l为激光器子系统待机功率； n为单脉冲能量；f为脉冲频率，n×f为激光器工作功率；F_e为电能 碳排放因子；

S14：由图8机器人子系统碳排放模型C_t＝(P_t×T_w+P_s×T_c)×F_e，

式中，C_t为机器人子系统碳排放；P_t为机器人子系统待机状态功 率；P_s为机器人子系统工作功率；

S15：构建除尘子系统碳排放模型C_d＝P_d×T_c×F_e，

式中，C_d为除尘子系统碳排放；P_d为除尘子系统工作功率；

S16：由图4、5、6、7构建独立工作的水冷子子系统，因此，水 冷子系统碳排放模型为C_cw＝[P_cw×T_cw+P_c×(T-T_cw)]×F_e，

式中，C_cw为水冷子系统碳排放；P_cw为水冷子系统工作功率；T_cw为水冷子系统工作时间；P_c为水冷子系统待机功率；T为激光清洗设 备总时间；

S17：构建辅助子系统碳排放模型C_i＝P_i×T×F_e，

式中，C_i为辅助子系统碳排放；P_i为辅助子系统工作功率；

S18：构建激光清洗过程物耗碳排放模型C_m＝(M_a-M_b)×F_m，

式中，C_m为物耗碳排放；M_a为清洗前基材质量；M_b为清洗后 基材质量；F_m为物料碳排放因子；

S19：综上所述，整理得到激光清洗过程总碳排放模型如下：

S20：搭建激光清洗过程碳排放实时监测平台如图2。

所述的步骤S2包括如下子步骤：

S21：应用回归拟合与激光清洗实验，将表1数据得到激光器输 入与输出功率间的函数关系式P_in＝2.846P_out+605.5；

表1激光器子系统工作状态功率变化

S22：应用回归拟合与激光清洗实验，由表2数据得到机器人系 统功率与行进速度间的函数关系式P_s＝1.323v_s+662；

表2机器人系统功率变化表

S23：获取水冷子系统功率参数值；

S24：获取除尘子系统功率参数值；

S25：获取辅助子系统功率参数值。

S26：基于表3、表4、表5、表6，构建激光清洗过程碳排放数 学模型：

表3各地区电能碳排放因子表

表4物料碳排放因子

表5功率参数表

表6其他参数表

所述的步骤S3包括如下子步骤：

S31：基于Design Expert软件，由表7将数据拟合，构建粗糙度 函数：

式中，R_a为粗糙度；P_out为激光功率；v_s为行进速度；v_p为清洗 速度；

S32：基于Design Expert软件，由表7将数据拟合，构建元素占 比函数：

表7粗糙度及元素含量测量值

S33：建立多目标优化模型函数

F(P_out,v_s,v_p)＝min{C_E},{R_a},{ω}

式中，P_minout为激光器输出最小功率500W；P_maxout为激光器输出 最大功率1000W；v_minp为激光器最小清洗速度1000mm/s；v_maxp为激 光器最大清洗速度4000mm/s；v_mins为机器人最小行进速度1mm/s； v_maxs为机器人最大行进速度10mm/s。

所述的步骤S4包括如下子步骤：

S41：基于协同进化框架进化多目标复杂约束优化算法的多目标 优化模型求解流程图如图9；

S42：基于改进GRA和TOPSIS分析选取最优解如表8。

表8改进GRA与TOPSIS分析选取最优解

所述的步骤S5包括如下子步骤：

采用300*300mm2A12铝合金对所得优化结果进行实验验证，由 表8优化后的工艺参数进行验证实验，得到优化前后对比结果如表9 所示。

表9工艺参数优化对比表

以上所述为本发明的优选实施例，并不用于限制本发明，本发明 所属领域的技术人员依然可以对上述技术方案进行修改，或者对其中 部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的 任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (5)

1.一种激光清洗装备清洗过程低碳建模与工艺参数优化方法，其特征在于，包括以下步骤：

S1：建立激光清洗工艺过程碳排放模型，搭建激光清洗过程碳排放实时监测平台；

S2：应用回归拟合与激光清洗试验，获取碳排放模型参数；

S3：以碳排放为目标，综合考虑粗糙度、含碳、氧量等质量目标，建立激光清洗多目标工艺参数优化模型；

S4：提出基于协同进化框架多目标进化算法的激光清洗工艺参数优化模型求解算法；

S5：实例分析。

2.如权利要求1所述的激光清洗装备清洗过程低碳建模与工艺参数优化方法，其特征在于，步骤S1包括以下子步骤：

S11：构建激光清洗过程时间模型T＝T_p+T_w+T_c，

式中，T为激光清洗总时间；T_p为激光清洗前准备时间；T_w为激光清洗子系统待机时间；T_c为激光清洗子系统工作时间；

S12：水冷子系统为单独工作系统，工作时间与其他子系统工作时间不同，水冷子系统工作时间为

式中，T_cw为水冷子系统工作时间；P_in为激光输入功率；P_out为激光输出功率；v_f为冷却水流速；ρ为冷却水密度；ΔT为冷却水温差；c为冷却水比热容；

S13：构建激光器子系统碳排放模型C_l＝(P_l×T_w+n×f×T_c)×F_e，

式中，C_l为激光器子系统碳排放；P_l为激光器子系统待机功率；n为单脉冲能量；f为脉冲频率，n×f为激光器工作功率；F_e为电能碳排放因子；

S14：构建机器人子系统碳排放模型C_t＝(P_t×T_w+P_s×T_c)×F_e，

式中，C_t为机器人子系统碳排放；P_t为机器人子系统待机状态功率；P_s为机器人子系统工作功率；

S15：构建除尘子系统碳排放模型C_d＝P_d×T_c×F_e，

式中，C_d为除尘子系统碳排放；P_d为除尘子系统工作功率；

S16：水冷子系统为独立工作的系统，因此，水冷子系统碳排放模型为C_cw＝[P_cw×T_cw+P_c×(T-T_cw)]×F_e，

式中，C_cw为水冷子系统碳排放；P_cw为水冷子系统工作功率；T_cw为水冷子系统工作时间；P_c为水冷子系统待机功率；T为激光清洗设备总时间；

S17：构建辅助子系统碳排放模型C_i＝P_i×T×F_e，

式中，C_i为辅助子系统碳排放；P_i为辅助子系统工作功率；

S18：构建激光清洗过程物耗碳排放模型C_m＝(M_a-M_b)×F_m，

式中，C_m为物耗碳排放；M_a为清洗前基材质量；M_b为清洗后基材质量；F_m为物料碳排放因子；

S19：综上所述，整理得到激光清洗过程总碳排放模型如下：

S20：搭建激光清洗过程碳排放实时监测平台。

3.如权利要求1或2所述的激光清洗装备清洗过程低碳建模与工艺参数优化方法，其特征在于，步骤S2包括下子步骤：

S21：应用回归拟合与激光清洗实验，得到激光器输入与输出功率间的函数关系式P_in＝2.846P_out+605.5；

S22：应用回归拟合与激光清洗实验，得到机器人系统功率与行进速度间的函数关系式P_s＝1.323v_s+662；

S23：获取水冷子系统功率参数值；

S24：获取除尘子系统功率参数值；

S25：获取辅助子系统功率参数值。

4.如权利要求3所述的激光清洗装备清洗过程低碳建模与工艺参数优化方法，其特征在于，步骤S3包括以下子步骤：

S31：基于Design Expert软件，将数据拟合，构建粗糙度函数：

式中，R_a为粗糙度；P_out为激光功率；v_s为行进速度；v_p为清洗速度；

S32：基于Design Expert软件，将数据拟合，构建元素占比函数：

S33：建立多目标优化模型

F(P_out,v_s,v_p)＝min{C_E},{R_a},{ω}

式中，P_minout为激光器输出最小功率；P_maxout为激光器输出最大功率；v_mins为激光器最小行进速度；v_maxs为激光器最大行进速度；v_minp为机器人最小清洗速度；v_maxp为机器人最大清洗速度。

5.如权利要求4所述的激光清洗装备清洗过程低碳建模与工艺参数优化方法，其特征在于，步骤S4包括以下子步骤：

S41：基于协同进化框架进化多目标复杂约束优化算法的多目标优化模型求解；

S42：基于改进GRA和TOPSIS分析选取最优解。

Images