【技术实现步骤摘要】
本专利技术属于复杂优化问题的计算领域，具体涉及一种平面涂层剥除刀具智能优化方法和系统。
技术介绍
1、表面涂层是一种覆盖在材料表面的薄膜，可以改善材料的表面性能，如增加硬度、耐腐蚀性、抗磨损性等，也可以提供装饰效果。在工业生产中，涂层广泛应用于汽车、航空、电子、建筑等领域。涂层随着使用时间的增长，可能会出现老化、损坏、脱落等问题，需要进行维修或更换。
2、平面涂层剥除技术是一种用于去除表面涂层的技术，广泛应用于工业生产和材料加工领域。平面涂层剥除刀具加上驱动组件可实现自动剥除，刀具装置一般包括刀头组件，进出料组件、驱动组件和机架；刀头组件位于机架上，通过驱动组件控制转速及方向，用于剥除平面材料的涂层；进出料组件位于机架的同侧或两侧，用于将平面材料送入刀头组件处，并将剥除涂层后的平面材料送出；驱动组件包括一组或多组电机和轴承，控制刀头组件，固定在机架上。但是刀具各项参数如何得到最优值，并没有相关报道和专利。
3、为了进行涂层剥离，需要开发出有效的技术，以确保涂层完全去除，同时尽量减少对基材的损害。
4、因此，亟需一种智能优化方法进行计算得到自动剥除装置的最优参数。
技术实现思路
1、为了解决现有技术中的上述问题，本专利技术提出了一种平面涂层剥除刀具智能优化方法和系统，用于解决平面材料表面涂层剥除刀具剥除效果及剥除性能的优化问题，提高选具效率和资源利用率，减少浪费，节约成本，提高剥除质量和性能。
2、第一方面，本专利技术提出了一种平面涂层
3、步骤1：分别获取同一剥除运动参数的不同刀片平面展开轨迹、刀片竖直高度、刀片径向水平宽度、刀具径向直径刀具形状参数和剥除力、剥除温度、剥除效果剥除性能参数；
4、步骤2：所述刀具形状参数作为输入激励，剥除力、剥除温度、剥除效果参数作为输出响应，通过支持向量机回归建立剥除性能参数映射模型；
5、步骤3：根据剥除性能参数映射模型确定求解目标及约束条件，搜索域，基于nsga-ii算法对搜索域内多目标性能参数映射模型进行求解；
6、步骤4：根据多目标性能参数映射模型的求解结果，确定最优刀具形状参数；
7、步骤5：基于最优刀具形状参数，获取不同剥除速度、进给量、背吃刀量剥除运动参数及对应的剥除力、剥除温度、剥除效果剥除性能参数；
8、步骤6：将获取的剥除速度、进给量、背吃刀量剥除运动参数及对应的剥除力、剥除温度、剥除效果参数进行配对，得到剥除运动性能数据点；
9、步骤7：基于isodata算法对剥除运动性能点进行聚类分组，获得聚类分组后的剥除运动性能数据点；
10、步骤8：根据聚类分组后的剥除性能数据点，通过二次回归拟合，建立剥除运动性能回归模型，并确定约束条件，搜索域；
11、步骤9：基于牛顿法，对搜索域内剥除运动性能回归模型进行求解；
12、步骤10：根据剥除运动性能回归模型的求解结果，确定最优剥除运动参数。作为本专利技术的具体实施方式，所述步骤1中，刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d的表示为：
13、
14、式1中，si为第i型刀具的刀片平面展开轨迹，hi1为第i1型刀具的刀片竖直高度，单位为mm，li2为第i2型刀具的刀片径向水平宽度，单位为mm，di3为第i3型刀具径向直径，单位为mm，γi为刀具的刀片型号限定因子，单位无量纲，x1、x2、x3、x4、x5、x6为刀具的刀片平面展开轨迹限定因子，单位无量纲，π为圆周率。
15、作为本专利技术的具体实施方式，所述步骤1中，剥除力f为剥除过程中产生的作用在平面材料表面涂层和刀具之间的大小相等、方向相反的剥除力,所述剥除温度t为由刀具、碎屑和涂层所形成的剥除区的平均温度，所述剥除效果e为平面材料表面涂层剥除后剩余的面积与原始表面涂层的总面积比值；剥除力f，剥除温度t，剥除效果e的表示为：
16、
17、式2中，fo为刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d参数集合为o型时的剥除力，单位为n，tp为刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d参数集合为p型时的剥除温度，单位为℃，eq为刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d参数集合为q型时的剥除效果，单位无量纲。
18、作为本专利技术的具体实施方式，所述步骤2中，刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d参数作为输入激励，剥除力f、剥除温度t、剥除效果e参数作为输出响应，通过支持向量机回归模型建立映射模型，包括以下步骤：
19、步骤201：确定样本集[(f,t,e)1,(s,h,l,d)1,...,(f,t,e)γ,(s,h,l,d)γ]，(s,h,l,d)∈rη，(f,t,e)∈r；
20、步骤202：采用线性ε不敏感损失函数，引进松弛因子θ≥0，θ*≥0，将回归问题转化为，在约束条件下求优化目标函数最小化的问题：惩罚参数ρ(ρ＞0)决定对超出误差ε的样本的惩罚程度；
21、步骤203：获取所述在约束条件下求优化目标函数最小化问题的对偶问题，并得到所述映射模型：
22、
23、式3中，g(s,h,l,d)为剥除性能参数映射模型，αi4为优化参数，为核函数，b为优化偏置。
24、作为本专利技术的具体实施方式，所述步骤3中，剥除力f、剥除温度t、剥除效果e剥除性能参数最小，剥除性能为最佳，基于nsga-ii算法求解多目标剥除性能参数映射模型获得最优剥除力f、剥除温度t、剥除效果e多目标参数，及对应的最优刀具形状参数，其中多目标剥除性能参数表示如下：
25、
26、式4中，ming(s,h,l,d)为g(s,h,l,d)剥除性能参数回归模型最小值，minf为f最小值，mint为t最小值，mine为e最小值，s.t.为约束条件；
27、优选地，所述步骤3中，基于nsga-ii算法对搜索域内多目标性能参数回归模型进行求解，包括以下步骤：
28、步骤301：初始化种群：随机生成初始种群，包含n个个体；
29、步骤302：评估适应度：对每个个体进行适应度值计算；
30、步骤303：非支配排序：根据个体之间的非支配关系，将种群划分为不同的等级；第一等级包含非支配解，第二等级包含被第一等级支配的解，第三等级包含被第一等级和第二等级支配的解，以此类推；
31、步骤304：拥挤度计算：对每个等级的个体进行拥挤度计算；拥挤度计算选用距离排序法；
32、步骤305：选择操作：根据非支配排序和拥挤度计算，采用锦标赛选择选择机制选择下一代个体；所述选择操作保留高等级个体和高拥挤度个体；
33、步骤306：交叉操作：从选择的个体中随机选择两个个体本文档来自技高网...
【技术保护点】
1.一种平面涂层剥除刀具智能优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能优化方法，其特征在于，所述步骤1中，刀片平面展开轨迹S、刀片竖直高度H、刀片径向水平宽度L、刀具径向直径D的表示为：
3.根据权利要求1或2所述的智能优化方法，其特征在于，所述步骤1中，剥除力F为剥除过程中产生的作用在平面材料表面涂层和刀具之间的大小相等、方向相反的剥除力,所述剥除温度T为由刀具、碎屑和涂层所形成的剥除区的平均温度，所述剥除效果E为平面材料表面涂层剥除后剩余的面积与原始表面涂层的总面积比值；剥除力F，剥除温度T，剥除效果E的表示为：
4.根据权利要求1所述的智能优化方法，其特征在于，所述步骤2中，刀片平面展开轨迹S、刀片竖直高度H、刀片径向水平宽度L、刀具径向直径D参数作为输入激励，剥除力F、剥除温度T、剥除效果E参数作为输出响应，通过支持向量机回归模型建立映射模型，包括以下步骤：
5.根据权利要求1所述的智能优化方法，其特征在于，所述步骤3中，剥除力F、剥除温度T、剥除效果E剥除性能参数最小，剥除性能为最佳，基于NSGA-
6.根据权利要求1所述的智能优化方法，其特征在于，基于所述步骤4中的最优刀具形状参数，获取所述步骤5中的不同剥除速度V、进给量A、背吃刀量B的剥除运动参数及对应的剥除力FV、FA、FB，剥除温度TV、TA、TB，剥除效果EV、EA、EB的剥除性能参数，获得所述步骤6中的剥除运动性能数据点(V，A，B，F)，(V，A，B，T)，(V，A，B，E)，其中剥除速度V、进给量A、背吃刀量B的表示方式为：
7.根据权利要求1所述的智能优化方法，其特征在于，所述步骤7中，基于ISODATA算法对剥除运动性能点进行聚类分组，获得聚类分组后的剥除运动性能数据点包括以下步骤：
8.根据权利要求1所述的智能优化方法，其特征在于，所述步骤8中，基于所述聚类后的剥除运动性能点，通过二次回归拟合，建立所述步骤8中的剥除运动性能回归模型，剥除运动性能回归模型的表达方式：
9.根据权利要求1所述的智能优化方法，其特征在于，所述步骤9中，基于牛顿法，对搜索域内剥除运动性能回归模型进行求解，包括以下步骤：
10.一种平面涂层剥除刀具智能优化系统，其特征在于，该智能优化系统包括：处理器；以及
...【技术特征摘要】
1.一种平面涂层剥除刀具智能优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能优化方法，其特征在于，所述步骤1中，刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d的表示为：
3.根据权利要求1或2所述的智能优化方法，其特征在于，所述步骤1中，剥除力f为剥除过程中产生的作用在平面材料表面涂层和刀具之间的大小相等、方向相反的剥除力,所述剥除温度t为由刀具、碎屑和涂层所形成的剥除区的平均温度，所述剥除效果e为平面材料表面涂层剥除后剩余的面积与原始表面涂层的总面积比值；剥除力f，剥除温度t，剥除效果e的表示为：
4.根据权利要求1所述的智能优化方法，其特征在于，所述步骤2中，刀片平面展开轨迹s、刀片竖直高度h、刀片径向水平宽度l、刀具径向直径d参数作为输入激励，剥除力f、剥除温度t、剥除效果e参数作为输出响应，通过支持向量机回归模型建立映射模型，包括以下步骤：
5.根据权利要求1所述的智能优化方法，其特征在于，所述步骤3中，剥除力f、剥除温度t、剥除效果e剥除性能参数最小，剥除性能为最佳，基于nsga-ii算法求解多目标剥除性能参数映射模型获得最优剥除力f、剥除温度t、剥除效果e多目标参数，及对...
【专利技术属性】
技术研发人员：张士栋，
申请(专利权)人：北京微卓科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。