[发明专利]一种镁锂合金表面处理工艺参数优化方法

说明书

一种镁锂合金表面处理工艺参数优化方法，包括以下步骤；初始化BP算法模型，对BP网络模型进行输入输出映射训练，初始化模拟退火算法及变量，模拟退火算法迭代，调用BP算法进行目标函数求解，解码得到BP算法计算结果的实际工艺参数输出值，并更新当前迭代中的局部最优解，退火完成后判断接受新解，对当前一次退火温度的局部最优解与当前累积至的全局最优解进行对比；满足迭代终止条件后输出全局最优解为最终最优工艺参数组合方案，得到本次镁锂合金表面处理的工艺参数优化方案值输出。本发明可实现对镁锂合金表面处理工艺参数进行智能学习训练优化，提高镁锂合金表面处理的质量。

技术领域

本发明涉及金属表面处理工艺技术领域，特别涉及一种镁锂合金表面处理工艺参数优化方法。

背景技术

随着镁锂合金作为超轻质合金在减重结构件制造中的大量应用，其合金表面的耐蚀性并不能适应一些高低温、潮湿、盐雾等环境的工作场合，进行表面微弧氧化处理，增加类陶瓷层表面处理以提高其强度与耐蚀性成为重要的表面处理技术方法。然而，微弧氧化的工艺参数的选配对于表面质量具有决定性的影响，一旦工艺参数不适应就会形成膜层致密度差、易脱落、力学性能差等质量问题，成为制约该项表面处理技术发展的瓶颈问题。目前对镁锂合金表面微弧氧化处理时主要是依赖技术人员经验，靠人工不断调整工艺参数组合的大量实验参数试算得到基本合格的表面处理工艺，这种多次反复的实验必然造成各种资源的浪费，甚至很多应用中找不到成功的工艺解决方案而放弃该表面处理工艺。此类问题严重困扰着诸多应用单位，导致了目前强大的镁锂合金市场需求与表面膜层质量不稳定之间的矛盾。

对于镁锂合金表面微弧氧化多工艺参数的选配，不仅输入工艺参数有多个，而评价膜层质量的性能参数也有多个，对应的输入与输出参数间很难用显式的函数描述关系，这种问题的优化属于非线性、多元、多目标、离散的难解问题。所以对多参数工艺优化单一的智能优化不适用，有确定目标函数的智能算法也不适用。

发明内容

针对以上技术问题，本发明的目的在于提供一种镁锂合金表面处理工艺参数优化方法，实现对镁锂合金表面处理工艺参数进行优化，提高镁锂合金表面处理的质量。

为了实现上述目的，本发明采用的技术方案是：

一种镁锂合金表面处理工艺参数优化方法，包括以下步骤；

步骤一、初始化BP算法模型：

BP网络模型针对镁锂合金表面处理工艺参数进行了改进设计，BP网络模型包括输入层、第一隐含层、第二隐含层、第三隐含层及输出层五层；输入层为本工艺的四个输入工艺参数对应的四个节点、输出层为工艺输出特性参数对应的四个节点、中间隐含层上均设置有多个节点，采用这种多层细分BP算法网络结构以提高网络映射计算的精度；

步骤二、对BP网络模型进行输入输出映射训练：

由前期的镁锂合金工艺实验数据作为训练样本，将训练样本输入至BP网络模型的输入层，由BP算法四层网络结构分别对该表面处理工艺参数的输入、输出之间进行映射关系的权值、阈值计算；

步骤三、初始化模拟退火算法：

模拟退火算法针对镁锂合金表面处理工艺参数进行了改进设计，引入一个随机挠动量来初始化一个1000度左右的较高温度T，设置每一轮温度增量下的迭代次数L，并且在一轮退火未获得最优解时，可以返回重新初始化起始温度再次退火迭代，提高算法的搜索遍历度，初始化时包括对优化的四个表面处理的工艺参数：频率、占空比、电流密度、时间分别设定边界范围。

步骤四、模拟退火算法迭代：

在当前温度下由随机函数挠动产生一定批量(50组以上)的新解，并按照退火算法对各新解进行编码，新解对应的工艺参数编码采用25位二进制编码，00000 00000 000000000000000-11111 11111 111111 111111111；