[发明专利]一种线性液动压抛光波纹度预测优化方法

说明书

本发明涉及一种线性液动压抛光波纹度预测优化方法，包括以下步骤：S1、分析与线性液动压抛光波纹度相关的各参数，分别进行单因素实验，探究各参数影响规律及响应灵敏度；S2、筛选显著参数为试验因子，波纹度为试验输出，利用响应曲面法分析参数间交互作用；S3、以响应曲面设计试验组为样本训练集，建立基于支持向量回归机SVR的线性液动压抛光波纹度预测模型，能准确预测未知样本下的波纹度；S4、以建立的最佳SVR预测模型为适应度函数，以遗传算法GA为全局寻优工具的优化模型，得到控制线性液动压抛光波纹度的最佳参数组合。本发明的线性液动压抛光波纹度预测优化方法进一步提升线性液动压抛光的加工能力。

技术领域

本发明属于表面波纹度变化规律研究技术领域，具体涉及一种线性液动压抛光波纹度预测优化方法。

背景技术

线性液动压抛光是在动压润滑理论基础上提出的一种新型非接触抛光，在抛光过程中抛光工具与工件处于非接触状态，且抛光辊子圆周均布有若干个微型槽结构，高速旋转的抛光辊子将抛光液带入微槽结构收敛间隙内，形成均匀分布动压液膜，依靠液膜内动压场与剪切场来驱使抛光液纳米磨粒撞击工件表面，实现待抛工件的原子级别材料去除和表面质量改善。

表面波纹度是由间距比粗糙度大得多的、接近周期形式的成分构成的表面不平度，也是表面质量的重要评价参数，过大的表面波纹度对材料的的使用性能和工作寿命都有负效应。近年来国内外学者对波纹度的研究主要集中在系统振动分析与工艺方案优化，前者着重于对机床进行振动控制，从而削弱加工波纹度产生，后者通过不同工艺参数组合来优化加工波纹度。相较于前者，工艺方案的优化是更为直接有效的表面波纹度控制方法。

实验研究表明，线性液动压抛光加工有可观的材料去除率和加工均匀性，然而类砂轮磨削式的加工方式使得表面波纹度成为不可忽视的加工难点。对于线性液动压抛光而言，其加工影响因素繁多，为了能通过优化工艺参数组合来控制抛光波纹度，需要设计一套完整的波纹度研究方法，对各波纹度影响因素进行规律探究，通过有限的试验组别来构建最佳抛光波纹度预测模型，并以此为基础借助优化算法寻找最小波纹度的最佳参数组合，实现对线性液动压抛光波纹度的规律探究、预测分析、优化控制，进而使得线性液动压抛光能进一步突破加工极限。

发明内容

基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种线性液动压抛光波纹度预测优化方法，通过单因素、RSM试验设计探究各参数影响规律，并以此为样本建立基于SVR的抛光波纹度预测模型，引入GA优化算法来搜索最佳参数组合，以实现对线性液动压抛光波纹度进行深入研究。

为了达到上述发明目的，本发明采用以下技术方案：

一种线性液动压抛光波纹度预测优化方法，包括以下步骤：

S1、分析与线性液动压抛光波纹度相关的各参数，分别进行单因素预实验，探究各参数影响规律及响应灵敏度；

S2、筛选显著参数为试验因子，波纹度为试验输出，利用响应曲面法分析参数间交互作用；

S3、以响应曲面设计试验组为样本训练集，建立基于支持向量回归机SVR的线性液动压抛光波纹度预测模型，能准确预测未知样本下的波纹度；

S4、以建立的最佳SVR预测模型为适应度函数，以遗传算法GA为全局寻优工具的优化模型，得到控制线性液动压抛光波纹度的最佳参数组合。

作为优选方案，所述步骤S1中，与线性液动压抛光波纹度相关的各参数包括抛光辊子转速、抛光间隙、流体粘度、抛光液中磨粒粒径、磨粒浓度、往复进给速度；

根据相对灵敏度公式：计算各参数灵敏度量化值；