高鋁青銅涂層性態(tài)預(yù)測(cè)模型的建立方法以及高鋁青銅涂層單一性態(tài)指標(biāo)的尋優(yōu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于噴涂技術(shù)領(lǐng)域，具體涉及一種高鋁青銅涂層性態(tài)預(yù)測(cè)模型的建立方法 以及高鋁青銅涂層單一性態(tài)指標(biāo)的尋優(yōu)方法。
【背景技術(shù)】
[0002] 噴涂技術(shù)作為材料表面強(qiáng)化、保護(hù)和尺寸恢復(fù)的新技術(shù)，在設(shè)備維修、機(jī)械制造中 得到廣泛應(yīng)用。高鋁青銅涂層由于具有良好的耐磨耐蝕性能，在發(fā)動(dòng)機(jī)維修及船舶制造中 備受關(guān)注。采用噴涂技術(shù)在零部件表面制備高鋁青銅涂層，其質(zhì)量是制約高鋁青銅涂層廣 泛應(yīng)用的關(guān)鍵因素之一。
[0003] 目前高鋁青銅涂層的制備方法主要有電弧噴涂、超音速等離子噴涂、超音速火焰 噴涂等高溫噴涂技術(shù)，所制備的涂層具有一定的耐磨耐蝕性能，但同時(shí)由于噴涂溫度高，所 制備的涂層還存在氧化和相變的問(wèn)題，尚未充分發(fā)揮高鋁青銅材料優(yōu)異的耐磨、耐蝕、耐疲 勞等性能。
[0004] 低溫超音速噴涂技術(shù)制備高鋁青銅涂層的基本原理是以燃燒溫度低的丙烷與壓 縮空氣為燃?xì)?，以氫氣為助燃?xì)怏w、還原氣體，產(chǎn)生超音速焰流攜帶噴涂顆粒與基體碰撞， 誘發(fā)顆粒產(chǎn)生高塑性畸變并與基體協(xié)調(diào)變形，進(jìn)而沉積形成涂層的工藝過(guò)程。其主要特點(diǎn) 是：以燃燒熱值低的丙烷作為主燃料，噴槍中焰流的溫度可穩(wěn)定控制在600~IKKTC范圍 內(nèi)，溫度明顯低于電弧噴涂（l〇〇〇〇°C以上）和超音速等離子噴涂（25000°C以上），同時(shí)也低 于超音速氧氣火焰（HVOF)噴涂技術(shù)（3000~4000°C )以及超音速空氣火焰（HVAF)噴涂技 術(shù)（1000~1900Γ )，因此可有效克服噴涂粒子的高溫氧化以及低溫塑性變形差的難題。
[0005] 在低溫超音速噴涂高鋁青銅涂層過(guò)程中，噴涂工藝有著極其重要的作用，噴涂工 藝直接影響著涂層的制備及最終的性能。但是，長(zhǎng)期以來(lái)高鋁青銅涂層的研發(fā)工作，大多停 留在經(jīng)驗(yàn)、試驗(yàn)和近似的基礎(chǔ)之上，所作研究也局限于試驗(yàn)完成后對(duì)涂層表面性能的測(cè)試 和一般性理論的探索，特別是涉及噴涂工藝設(shè)計(jì)和工藝優(yōu)化時(shí)，很少能給出定量的工藝參 數(shù)與性態(tài)指標(biāo)預(yù)測(cè)結(jié)果，更無(wú)法確定性態(tài)指標(biāo)的最優(yōu)值及其對(duì)應(yīng)的工藝參數(shù)，由此大大增 加了高鋁青銅涂層的研發(fā)費(fèi)用及周期。
[0006] 為解決這一問(wèn)題，人們利用多元回歸、模糊數(shù)學(xué)等技術(shù)，在一定的假設(shè)前提下，對(duì) 噴涂過(guò)程進(jìn)行實(shí)際建模，嘗試著進(jìn)行噴涂工藝的設(shè)計(jì)及其性態(tài)的預(yù)測(cè)，但是由于各因素之 間高度非線性以及復(fù)雜的交互作用，因此所建立的模型很難實(shí)現(xiàn)對(duì)涂層性態(tài)的準(zhǔn)確預(yù)測(cè)。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的之一在于解決上述問(wèn)題，提供一種預(yù)測(cè)精度高的高鋁青銅涂層性態(tài) 預(yù)測(cè)模型的建立方法。
[0008] 本發(fā)明的目的之二在于解決上述問(wèn)題，提供一種高鋁青銅涂層單一性態(tài)指標(biāo)的尋 優(yōu)方法。
[0009] 實(shí)現(xiàn)本發(fā)明目的之一的技術(shù)方案是：一種高鋁青銅涂層性態(tài)預(yù)測(cè)模型的建立方 法，包括以下步驟：
[0010] Sl :建立訓(xùn)練樣本和測(cè)試樣本。
[0011] S2 :構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型。
[0012] S3 :采用Sl得到的訓(xùn)練樣本并通過(guò)遺傳算法優(yōu)化上述BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值， 得到最優(yōu)的權(quán)值和閾值。
[0013] S4 :采用Sl得到的測(cè)試樣本對(duì)經(jīng)遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試，若 通過(guò)測(cè)試即獲得高鋁青銅涂層性態(tài)預(yù)測(cè)模型。
[0014] 上述步驟Sl具體包括以下三步：
[0015] Sll :選擇高鋁青銅涂層性態(tài)預(yù)測(cè)模型的輸入變量和輸出變量。
[0016] S12 :采用低溫超音速噴涂技術(shù)在實(shí)驗(yàn)室環(huán)境下，以均勻、離散的噴涂工藝參數(shù)制 備高鋁青銅涂層，并完成高鋁青銅涂層性能測(cè)試，收集實(shí)驗(yàn)數(shù)據(jù)。
[0017] S13:對(duì)收集的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行歸一化預(yù)處理，分別得到BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣 本和測(cè)試樣本。
[0018] 所述歸一化預(yù)處理是將輸入數(shù)據(jù)（或者輸出數(shù)據(jù)）轉(zhuǎn)化為[0,1]范圍的值
[0020] 其中x_為輸入數(shù)據(jù)（或者輸出數(shù)據(jù)）中的最大值，x_為輸入數(shù)據(jù)（或者輸出數(shù) 據(jù)）中的最小值；X為輸入數(shù)據(jù)（或者輸出數(shù)據(jù)）為輸入數(shù)據(jù)（或者輸出數(shù)據(jù)）歸一化 處理后的值。
[0021] 上述步驟S2構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型包括三層結(jié)構(gòu)：輸入層、隱含層和輸出層，其 中，輸入層的節(jié)點(diǎn)數(shù)與工藝參數(shù)（輸入變量）的個(gè)數(shù)相等，輸出層的節(jié)點(diǎn)數(shù)與性態(tài)指標(biāo)（輸 出變量）的個(gè)數(shù)相等，隱含層的節(jié)點(diǎn)數(shù)q的計(jì)算公式為：
[0022] 其中，m表示輸入層的節(jié)點(diǎn)數(shù)，η表示輸出層的節(jié)點(diǎn)數(shù)，a表示1~10之間的常數(shù)， 可通過(guò)調(diào)整a的取值來(lái)提高模型的精度。
[0023] 輸入層和隱含層神經(jīng)元采用S型激活函數(shù)，輸出層神經(jīng)元采用線性激活函數(shù)，學(xué) 習(xí)速率取〇. 1，精度取0.01%。
[0024] 上述步驟S3優(yōu)化過(guò)程如下：首先，設(shè)置種群數(shù)目和優(yōu)化目標(biāo)，包括初始化進(jìn)化次 數(shù)、種群規(guī)模、交叉概率、變異概率，然后，對(duì)種群（神經(jīng)元初始權(quán)值與閾值）進(jìn)行實(shí)數(shù)編碼， 并將預(yù)測(cè)數(shù)據(jù)與期望數(shù)據(jù)之間的誤差作為適應(yīng)度函數(shù)；接著，循環(huán)進(jìn)行選擇、交叉、變異，計(jì) 算適應(yīng)度操作，直到達(dá)到進(jìn)化次數(shù)，得到最優(yōu)的初始權(quán)值和閾值，將得到的最優(yōu)初始權(quán)值和 閾值來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)。
[0025] 上述步驟S3的優(yōu)化采用現(xiàn)有常規(guī)方法，主要包括以下八步：
[0026] S31 :確定網(wǎng)絡(luò)權(quán)值和閾值的編碼方式為實(shí)數(shù)編碼，每個(gè)個(gè)體均為一個(gè)實(shí)數(shù)串，由 輸入層與隱含層連接權(quán)值、隱含層閾值、隱含層與輸出層連接權(quán)值以及輸出層閾值4部分 組成。個(gè)體包含了神經(jīng)網(wǎng)絡(luò)的全部權(quán)值和閾值，在網(wǎng)絡(luò)結(jié)構(gòu)已知的情況下就可以構(gòu)成一個(gè) 結(jié)構(gòu)、權(quán)值、閾值確定的神經(jīng)網(wǎng)絡(luò)。
[0027] S32 :設(shè)定種群的規(guī)模為n，隨機(jī)產(chǎn)生初始種群。
[0028] S33:設(shè)定網(wǎng)絡(luò)的目標(biāo)函數(shù)，將其轉(zhuǎn)換為適應(yīng)度，對(duì)各網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行評(píng)價(jià)。根 據(jù)個(gè)體得到BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，經(jīng)訓(xùn)練樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)后輸出預(yù)測(cè)值，把預(yù)測(cè) 輸出和期望輸出之間的誤差絕對(duì)值作為個(gè)體適應(yīng)度值F，計(jì)算公式為：
[0030] 式中，η為網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù)；71為BP神經(jīng)網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的期望輸出；〇1為第i個(gè) 節(jié)點(diǎn)的預(yù)測(cè)輸出；k為系數(shù)。
[0031] S34 :選定遺傳操作為輪盤賭法，設(shè)置遺傳參數(shù)及自適應(yīng)調(diào)整算法等。交叉概率設(shè) 為P。，變異概率為Pni。每個(gè)個(gè)體i被選擇的概率P1表示為：
[0034] 式中，N為種群個(gè)體數(shù)目，A為個(gè)體i的適應(yīng)度，f j為個(gè)體j的適應(yīng)度，k為系數(shù)。
[0035] S35 :采用實(shí)數(shù)交叉法進(jìn)行交叉操作，第k個(gè)染色體ak和第1個(gè)染色體a丨在j位的 交叉操作方法如下：
[0038] 式中，b是[0, 1]間的隨機(jī)數(shù)。
[0039] S36 :選取第i個(gè)個(gè)體的第j個(gè)基因&1]進(jìn)行變異，變異操作方法如下：
[0041] S37 :對(duì)預(yù)測(cè)結(jié)果進(jìn)行反歸一化處理。
[0042] S38 :判斷是否滿足精度要求，若是，結(jié)束尋優(yōu)，得到一組優(yōu)化的權(quán)值；否則返回至 S35,繼續(xù)迭代尋優(yōu)。
[0043] 上述步驟S4中所述的通過(guò)測(cè)試為預(yù)測(cè)誤差低于規(guī)定水平。
[0044] 實(shí)現(xiàn)本發(fā)明目的之二的技術(shù)方案是：一種高鋁青銅涂層單一性態(tài)指標(biāo)的尋優(yōu)方 法，它是利用步驟S4建立的高鋁青銅涂層性態(tài)預(yù)測(cè)模型并通過(guò)遺傳算法對(duì)高鋁青銅涂層 進(jìn)行單一性態(tài)指標(biāo)極值尋優(yōu)。
[0045] 具體如下：采用實(shí)數(shù)編碼的方法，將工藝參數(shù)作為遺傳算法中的種群個(gè)體，將步驟 S4得到的高鋁青銅涂層性態(tài)預(yù)測(cè)模型輸出的各個(gè)性態(tài)指標(biāo)預(yù)測(cè)值（其中結(jié)合強(qiáng)度、顯微硬 度取其倒數(shù)）作為遺傳算法中的個(gè)體適應(yīng)度值，適應(yīng)度值越小，個(gè)體越優(yōu)。通過(guò)選擇算子、 交叉算子和變異算子（同步驟S3)推導(dǎo)出各個(gè)性態(tài)指標(biāo)的最優(yōu)值及其對(duì)應(yīng)的工藝參數(shù)。
[0046] 本發(fā)明具有的積極效果：（1)本發(fā)明建立的高鋁青銅涂層性態(tài)預(yù)測(cè)模型預(yù)測(cè)精度 高，采用該高鋁青銅涂層性態(tài)預(yù)測(cè)模型只需在噴涂前輸入預(yù)設(shè)的噴涂工藝參數(shù)，即可在不 進(jìn)行實(shí)際實(shí)驗(yàn)的情況下預(yù)測(cè)出噴涂后涂層的性態(tài)指標(biāo)，當(dāng)預(yù)測(cè)的涂層性態(tài)指標(biāo)不能滿足實(shí) 際應(yīng)用需要時(shí)，可以通過(guò)調(diào)整工藝參數(shù)并進(jìn)行反復(fù)預(yù)測(cè)，直到預(yù)測(cè)的涂層性態(tài)指標(biāo)滿足實(shí) 際需要，大大提高了效率。（2)采用本發(fā)明建立的高鋁青銅涂層性態(tài)預(yù)測(cè)模型并通過(guò)遺傳算 法對(duì)某一性態(tài)指標(biāo)進(jìn)行極值尋優(yōu)，從而逆向指導(dǎo)噴涂工藝的設(shè)計(jì)，簡(jiǎn)化了噴涂工藝的制定， 提高了高鋁青銅涂層的研究效率，使高鋁青銅涂層的研發(fā)更具有方向性和前瞻性。
【附圖說(shuō)明】
[0047] 圖1為不同氣體參數(shù)下涂層結(jié)合強(qiáng)度的預(yù)測(cè)圖。
[0048] 圖2為不同氣體參數(shù)下涂層孔隙率的預(yù)測(cè)圖。
[0049] 圖3為不同氣體參數(shù)下涂層顯微硬度的預(yù)測(cè)圖。
[0050] 圖4為不同氣體參數(shù)下涂層氧含量的預(yù)測(cè)圖。
【具體實(shí)施方式】
[0051] (實(shí)施例1)
[0052] 本實(shí)施例的高鋁青銅涂層性態(tài)預(yù)測(cè)模型的建立方法包括以下步驟：
[0053] Sl :建立訓(xùn)練樣本和測(cè)試樣本。
[0054] 具體包括以下三步：
[0055] Sll :選擇高鋁青銅涂層性態(tài)預(yù)測(cè)模型的輸入變量和輸出變量。
[005