本發(fā)明屬于板料成形技術(shù)，具體涉及一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法。
背景技術(shù)：
1、噴丸成形是一種自適應(yīng)柔性曲面成形技術(shù)，其核心機(jī)理在于通過高速彈丸流持續(xù)沖擊金屬構(gòu)件表面，誘導(dǎo)表層材料發(fā)生塑性變形并形成殘余壓應(yīng)力，從而實(shí)現(xiàn)構(gòu)件的精確曲面成形與力學(xué)性能強(qiáng)化。近年來，飛機(jī)壁板一體化成形技術(shù)日趨成熟，噴丸成形技術(shù)因其工藝靈活、成本低廉且無需專用模具等顯著優(yōu)勢，已在飛機(jī)機(jī)翼和機(jī)身整體壁板等大型薄壁構(gòu)件的成形制造中得到廣泛應(yīng)用。在傳統(tǒng)噴丸成形技術(shù)的基礎(chǔ)上，近年來涌現(xiàn)出多種新穎的噴丸技術(shù)，例如超聲波噴丸、激光噴丸、水射流噴丸等。其中，超聲噴丸成形通過高頻振動(dòng)驅(qū)動(dòng)彈丸運(yùn)動(dòng)，可在較低宏觀載荷條件下實(shí)現(xiàn)高強(qiáng)度沖擊效果，在提高成形效率和表面性能方面展現(xiàn)出獨(dú)特潛力。
2、然而在薄壁整體壁板的超聲波噴丸成形實(shí)際過程中，殘余應(yīng)力的累積及其分布不均，可能導(dǎo)致壁板出現(xiàn)整體失穩(wěn)、局部塑性屈曲乃至起皺等嚴(yán)重失穩(wěn)現(xiàn)象。整體或局部失穩(wěn)現(xiàn)象的出現(xiàn)，會(huì)顯著降低壁板的曲率成形精度，并嚴(yán)重影響成形件及后續(xù)校形件的力學(xué)性能。但是傳統(tǒng)方法對(duì)噴丸成形結(jié)果的預(yù)測能力有限。在實(shí)際生產(chǎn)中，往往依賴“試錯(cuò)法”反復(fù)調(diào)整工藝參數(shù)，并結(jié)合后續(xù)檢測來驗(yàn)證成形效果。這種“先生產(chǎn)、后檢測”的模式效率較低，且易因參數(shù)設(shè)置不當(dāng)導(dǎo)致產(chǎn)品報(bào)廢，對(duì)于航空航天領(lǐng)域常用的鈦合金、高強(qiáng)度鋁合金等高價(jià)值材料尤為不利，會(huì)顯著推高制造成本。盡管傳統(tǒng)數(shù)值模擬方法可在一定程度上模擬噴丸過程，但由于模型簡化較多、假設(shè)條件復(fù)雜，其預(yù)測精度往往受到限制，計(jì)算效率也難以滿足實(shí)時(shí)預(yù)測與在線工藝調(diào)控的需求。針對(duì)噴丸成形過程中可能出現(xiàn)的失穩(wěn)問題，現(xiàn)有技術(shù)通常依賴實(shí)驗(yàn)設(shè)計(jì)方法或操作人員經(jīng)驗(yàn)對(duì)噴丸參數(shù)（如彈丸材料、彈丸直徑、噴丸時(shí)間等）進(jìn)行反復(fù)調(diào)整。該類方法需要消耗大量實(shí)驗(yàn)成本與時(shí)間成本，且參數(shù)確定過程具有較強(qiáng)的主觀性，難以實(shí)現(xiàn)對(duì)成形失穩(wěn)行為的精確預(yù)測，工程可行性較低。
3、近年來，數(shù)據(jù)驅(qū)動(dòng)方法為復(fù)雜成形過程的建模與預(yù)測提供了新的思路。人工神經(jīng)網(wǎng)絡(luò)（artificial?neural?network，ann）憑借其優(yōu)異的非線性映射能力，能夠在無需明確物理控制方程的情況下，從實(shí)驗(yàn)或數(shù)值數(shù)據(jù)中學(xué)習(xí)工藝參數(shù)與成形結(jié)果之間的內(nèi)在關(guān)系。已有研究表明，神經(jīng)網(wǎng)絡(luò)在噴丸殘余應(yīng)力、表面粗糙度及疲勞性能預(yù)測等方面具有良好應(yīng)用潛力，但針對(duì)噴丸成形過程中失穩(wěn)形貌的整體預(yù)測研究仍相對(duì)有限。
4、由此，本發(fā)明提出了一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法。該方法通過構(gòu)建噴丸工藝參數(shù)與成形失穩(wěn)行為之間的非線性映射關(guān)系，實(shí)現(xiàn)對(duì)超聲噴丸成形過程中壁板是否發(fā)生失穩(wěn)以及失穩(wěn)區(qū)域分布的預(yù)測，從而有效減少實(shí)驗(yàn)試錯(cuò)次數(shù)與數(shù)值仿真計(jì)算量，提高超聲噴丸成形工藝參數(shù)設(shè)計(jì)的準(zhǔn)確性與工程應(yīng)用效率。
技術(shù)實(shí)現(xiàn)思路
1、根據(jù)上面所述，本發(fā)明的目的在于提供一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，旨在解決現(xiàn)有方法耗時(shí)耗力，并且得到的噴丸參數(shù)不夠精確的技術(shù)問題。
2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，包括以下步驟：
3、步驟s1：進(jìn)行超聲噴丸成形實(shí)驗(yàn)，獲取實(shí)驗(yàn)數(shù)據(jù)，評(píng)估失穩(wěn)形態(tài)。
4、步驟s2：結(jié)合ga-bp-ann進(jìn)行數(shù)值計(jì)算。
5、步驟s3：超聲噴丸成形失穩(wěn)預(yù)測。
6、一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，所述步驟s1包括以下步驟：
7、s11：確定超聲噴丸成形實(shí)驗(yàn)工況（如彈丸直徑、數(shù)量、噴丸時(shí)間等）及板材屬性（如厚度、材料等），后續(xù)作為模型輸入?yún)?shù)。
8、s12：利用超聲噴丸裝置進(jìn)行超聲噴丸成形實(shí)驗(yàn)，分析實(shí)驗(yàn)結(jié)果，評(píng)估失穩(wěn)形態(tài)。
9、s13：獲取超聲噴丸成形失穩(wěn)實(shí)驗(yàn)后試樣的表面形貌數(shù)據(jù)。實(shí)驗(yàn)前在試樣表面進(jìn)行規(guī)則網(wǎng)格劃分。依據(jù)試樣的幾何形狀建立三維坐標(biāo)系：以正方形板材左下角頂點(diǎn)為坐標(biāo)原點(diǎn)，板材左邊界方向定義為y軸，下邊界方向定義為x軸，垂直于板材表面的方向定義為z軸，從而構(gòu)建試樣表面的三維坐標(biāo)體系，用于表征各測量點(diǎn)的弧高值。實(shí)驗(yàn)結(jié)束后，采用數(shù)顯百分表對(duì)網(wǎng)格中21個(gè)交界點(diǎn)的弧高進(jìn)行測量，其測量結(jié)果作為對(duì)應(yīng)點(diǎn)的z軸坐標(biāo)值。結(jié)合各測量點(diǎn)在x–y平面內(nèi)的位置坐標(biāo)，建立試樣成形后的三維表面形貌數(shù)據(jù)庫。
10、一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，所述步驟s2包括以下步驟：
11、s21：對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，劃分為訓(xùn)練集，驗(yàn)證集和測試集，并對(duì)數(shù)據(jù)進(jìn)行歸一化處理。
12、一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，所述步驟s21包括以下步驟：
13、(1)?將步驟s1中獲得的數(shù)據(jù)集按照彈丸直徑、噴丸時(shí)間及抽樣坐標(biāo)等參數(shù)依次進(jìn)行分級(jí)處理，并在各分級(jí)內(nèi)采用均勻隨機(jī)方式劃分為訓(xùn)練集、驗(yàn)證集和測試集，從而保證樣本分布的代表性與全面性，提高模型訓(xùn)練的穩(wěn)定性和預(yù)測準(zhǔn)確性。
14、(2)?采用以下公式對(duì)數(shù)據(jù)歸一化處理，從而將原始數(shù)據(jù)歸一化處理[0,1]區(qū)間；
15、
16、其中，y為歸一化后數(shù)據(jù)；x為原始數(shù)據(jù)；xmax與xmin分別是原始數(shù)據(jù)的最大值和最小值。
17、s22：確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，搭建bp-ann模型，設(shè)置神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，包括設(shè)置輸入層、隱含層和輸出層神經(jīng)元個(gè)數(shù)等等，其中隱含層神經(jīng)元個(gè)數(shù)采用以下經(jīng)驗(yàn)公式來確定大概范圍，然后使用試湊法確定最佳的節(jié)點(diǎn)數(shù)。
18、
19、其中，?為隱含層節(jié)點(diǎn)數(shù)：m?為輸出層節(jié)點(diǎn)數(shù)；n?為輸入層節(jié)點(diǎn)數(shù)。a?為常數(shù)，，防止欠擬合，因此。
20、s23：將bp-ann的權(quán)值和閾值編碼為遺傳算法的染色體，采用實(shí)數(shù)編碼方式。假設(shè)輸入層節(jié)點(diǎn)數(shù)為，隱含層節(jié)點(diǎn)數(shù)為,輸出層節(jié)點(diǎn)數(shù)為，則可通過以下計(jì)算公式得出bp-ann權(quán)值閾值長度的長度n為：
21、
22、s24：利用適應(yīng)度函數(shù)依次求得每個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)度值并記錄下來。
23、s25：進(jìn)行選擇、交叉、變異操作，生成新一代種群。
24、一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，所述步驟s25包括以下步驟：
25、(1)?選擇操作：所述選擇操作以輪盤賭的方式進(jìn)行，以個(gè)體適應(yīng)度值的大小作為選擇概率，以種群規(guī)模為循環(huán)基數(shù)，選取新的個(gè)體；
26、(2)?交叉操作具體包括以下步驟：
27、a：以隨機(jī)方式選擇種群中一個(gè)個(gè)體；
28、b：確定交叉概率：決定是否進(jìn)行交叉操作；
29、c：與傳統(tǒng)遺傳算法中的簡單交叉操作相比本專利使用算術(shù)交叉方法，通過對(duì)父代個(gè)體的基因進(jìn)行線性組合生成子代個(gè)體；
30、d：檢查交叉后是否滿足邊界條件；
31、e：循環(huán)進(jìn)行步驟a、b、c、d，直至選出新的個(gè)體；
32、(3)?變異操作具體包括以下步驟：
33、a：以隨機(jī)方式選擇種群中一個(gè)個(gè)體；
34、b：確定變異概率：決定是否進(jìn)行變異操作；
35、c：執(zhí)行變異操作（基因值調(diào)整）：
36、與傳統(tǒng)遺傳算法中采用定值變異量不同本專利運(yùn)用以下公式?jīng)Q定變異量：
37、
38、其中，為變異操作中的變異量，為（0，1）范圍內(nèi)的隨機(jī)數(shù)，?為迭代進(jìn)度，隨著迭代次數(shù)增加（n接近n），會(huì)趨近于0，導(dǎo)致變異量也趨近于0。這意味著算法在早期有較大的變異幅度，而在后期變異幅度會(huì)逐漸減小，這種策略有助于算法在早期進(jìn)行全局搜索，在后期進(jìn)行局部精細(xì)搜索。
39、d：檢查變異后是否滿足邊界條件；
40、e：循環(huán)進(jìn)行步驟a、b、c、d，直至選出新的個(gè)個(gè)體；
41、s26：循環(huán)s25操作直至滿足循環(huán)條件，之后將通過遺傳算法得到的最優(yōu)個(gè)體所對(duì)應(yīng)的網(wǎng)絡(luò)初始權(quán)值和閾值賦值給bp-ann，獲得ga-bp-ann模型。
42、一種基于ga-bp-ann的超聲噴丸成形失穩(wěn)快速預(yù)測方法，所述步驟s3包括以下步驟：
43、采用訓(xùn)練好的ga-bp-ann模型對(duì)成形面五個(gè)位置的弧高值進(jìn)行預(yù)測分析，并基于預(yù)測數(shù)據(jù)繪制了各測點(diǎn)弧高在不同彈丸直徑下隨噴丸時(shí)間變化的響應(yīng)曲線。通過識(shí)別響應(yīng)曲線的波動(dòng)模式，能夠判斷成形表面發(fā)生失穩(wěn)對(duì)應(yīng)的具體工況。
44、本發(fā)明的有益效果：bp-ann在訓(xùn)練時(shí)，常因梯度下降法陷入局部最優(yōu)。遺傳算法的全局搜索特性，能為bp-ann優(yōu)化初始權(quán)值和閾值，引導(dǎo)其跳出局部最優(yōu)，更接近全局最優(yōu)解，提升模型整體性能。本發(fā)明方案極大的提高了計(jì)算效率以及成功預(yù)測成形中是否出現(xiàn)失穩(wěn)，具有很高的實(shí)用性和便捷性。