基于数字孪生的表面粗糙度稳定方法技术

本发明专利技术公开了一种基于数字孪生的表面粗糙度稳定方法，包括以下步骤：1)基于物理世界的机械加工系统建立虚拟世界的数字孪生系统，并在数字孪生系统内构建表面粗糙度预测模型；2)利用数字孪生系统映射机械加工系统，实时采集机械加工系统中影响表面粗糙度的加工参数并输入到数字孪生系统中；3)利用表面粗糙度预测模型预测当前加工条件下的表面粗糙度；若预测得到的表面粗糙度

【技术实现步骤摘要】
基于数字孪生的表面粗糙度稳定方法
本专利技术属于机械加工表面质量控制
，具体的为一种基于数字孪生的表面粗糙度稳定方法。
技术介绍
表面质量通常直接影响工件的物理、化学和机械性能，如摩擦性能、疲劳性能、耐磨性、润滑性能等。表面粗糙度作为评定表面质量的最重要指标，因此被选为工件生产关键技术要求。在实际加工过程中，由于刀具振动、刀具磨损和工件材料的塑性变形等因素的影响，表面粗糙度通常是不稳定的，并且经常是有增加的趋势。因此，为了获得更好的表面性能，需要一种有效的表面粗糙度稳定方法。近年来，国内外学者对表面粗糙度预测模型的建立进行了大量的研究，大致可分为三大类：理论方法、实验设计方法和人工智能方法。理论方法中，基于加工理论，考虑刀具形状、工件材料特性、安装误差、加工动力学等因素，建立表面粗糙度预测模型(通常为加工表面的数学方程)。对于任意的工件和刀具组合，Munoz-Escalona和Maropoulos提出了基于刀具轨迹几何分析的表面粗糙度预测模型。同样，Lu等人建立了基于切削力的刀具柔性变形模型，并利用该模型建立了预测表面粗糙度的表面本文档来自技高网...

【技术保护点】
1.一种基于数字孪生的表面粗糙度稳定方法，其特征在于：包括以下步骤：/n1)基于物理世界的机械加工系统建立虚拟世界的数字孪生系统，并在数字孪生系统内构建表面粗糙度预测模型；/n2)利用数字孪生系统映射机械加工系统，实时采集机械加工系统中影响表面粗糙度的加工参数并输入到数字孪生系统中；/n3)利用表面粗糙度预测模型预测当前加工条件下的表面粗糙度；若预测得到的表面粗糙度

【技术特征摘要】
1.一种基于数字孪生的表面粗糙度稳定方法，其特征在于：包括以下步骤：
1)基于物理世界的机械加工系统建立虚拟世界的数字孪生系统，并在数字孪生系统内构建表面粗糙度预测模型；
2)利用数字孪生系统映射机械加工系统，实时采集机械加工系统中影响表面粗糙度的加工参数并输入到数字孪生系统中；
3)利用表面粗糙度预测模型预测当前加工条件下的表面粗糙度；若预测得到的表面粗糙度位于设定阈值范围内，则表面粗糙度稳定，证明当前的加工参数满足要求，执行步骤5)；否则，执行步骤4)；
4)利用梯度下降法求解使位于设定阈值范围内的加工参数并反馈给机械加工系统，机械加工系统按照求解得到的加工参数加工工件，执行步骤5)；
5)循环步骤2)和步骤3)，直至工件加工完成。


2.根据权利要求1所述基于数字孪生的表面粗糙度稳定方法，其特征在于：所述步骤1)中，构建表面粗糙度预测模型的方法如下：
21)利用机械加工系统加工工件，获取在不同加工参数条件下的表面粗糙度；
22)将步骤21)获得的数据划分出训练集和测试集，并进行归一化处理，将归一化处理后的加工参数与表面粗糙度分别作为表面粗糙度预测模型的输入样本和输出样本；
23)建立基于PIO-SVM的表面粗糙度预测模型。


3.根据权利要求2所述基于数字孪生的表面粗糙度稳定方法，其特征在于：所述步骤23)中，建立基于PIO-SVM的表面粗糙度预测模型的方法如下：
231)初始化鸽群算法模型的参数，以每一组惩罚函数C和核函数参数g对应的均方误差作为适应度函数，在鸽群算法中进行迭代搜索出最小均方误差所对应的惩罚函数C和核函数参数g，即得到最佳的惩罚函数C和核函数参数g；
232)将求解得到的最佳的惩罚函数C和核函数参数g代入支持向量机算法模型中，进而构建得到表面粗糙度预测模型，并利用经归一化处理后的测试集进行检验模型的准确率。


4.根据权利要求1所述基于数字孪生的表面粗糙度稳定方法，其特征在于：...

【专利技术属性】
技术研发人员：王四宝，赵增亚，王时龙，易力力，康玲，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50