[发明专利]蜗轮加工形性可控工艺

权利要求书

1.蜗轮加工形性可控工艺，其特征在于：包括以下步骤：

建立蜗轮加工过程中齿向误差和残余应力的预测模型；

建立基于粒子群算法的多目标协同优化模型；

通过预测模型处理得到预测输出值；所述预测输出值包括齿向误差、轴向残余应力、切向残余应力；

将预测输出值输入到优化模型并采用归一法将输出值进行目标整合得到优化目标；

将优化目标作为粒子群算法中评价的适应度，最终通过优化选择适应度最高的加工参数作为最优解。

2.如权利要求1所述的蜗轮加工形性可控工艺，其特征在于：所述基于粒子群算法的多目标协同优化模型中的最优解时按照以下步骤进行的：

在优化模型中利用优化目标和初始化粒子群计算各个粒子目标函数；

找到各个粒子的当前个体极值；

找到整个粒子群的当前全局最优解；

更新各个粒子的速度和位置；

判断是否达到终止条件，如果否，则返回继续计算各个粒子目标函数；

如果有，则结束。

3.如权利要求1所述的蜗轮加工形性可控工艺，其特征在于：所述预测模型是基于改进的广义回归神经网络IGRNN算法而建立预测模型，所述改进的广义回归神经网络IGRNN包括输入层、模式层、求和层和输出层；

当输入向量通过输入层处理后，然后在进入到模式层，再通过求和层处理，最后通过输出层将处理后的数据输出；所述输出的数据再通过改进的灰狼算法得到最优的平滑因子，并将最优的平滑因子输入到模式层。

4.如权利要求3所述的蜗轮加工形性可控工艺，其特征在于：所述基于改进的灰狼算法的中判断猎物与灰狼距离的准则如下：

其中，t为当前迭代次数；

和X分别表示猎物和灰狼的位置向量；

是由随机向量r2计算的系数向量；

是猎物和灰狼之间的距离。

5.如权利要求3所述的蜗轮加工形性可控工艺，其特征在于：所述改进的灰狼算法中的搜索范围自适应调整步骤如下：

式中，表示第i只灰狼与目标猎物之间的距离；

表示第i只灰狼与目标猎物之间的系数向量；

表示目标猎物的位置向量；

表示灰狼的位置向量；

表示迭代后的灰狼位置向量；

表示距离系数向量；

表示距离向量；

表示搜索范围系数；

表示取自[0，1]之间的随机系数；

表示取自[0，1]之间的随机系数；

t_max表示最大迭代次数。

6.如权利要求3所述的蜗轮加工形性可控工艺，其特征在于：所述改进的广义回归神经网络IGRNN中的求和层包括算术求和单元和加权求和单元，所述算术求和单元用于所有输出神经元的算术求和；所述加权求和单元用于对模式层中所有神经元的输出进行加权求和。

7.如权利要求3所述的蜗轮加工形性可控工艺，其特征在于：所述改进的广义回归神经网络IGRNN中的输出层输出的最终预测结果按照以下公式计算：

式中，S_Nj表示模式层中所有神经元输出的加权求和；

S_D表示分母中的求和单元；y_j表示第j个元素的输出结果。

8.如权利要求3所述的蜗轮加工形性可控工艺，其特征在于：所述优化目标按照以下转化公式计算：

其中，D代表整合目标；

d_i代表第i个目标，分别表示齿向误差、轴向与切向残余应力；

Tc代表整合前个体目标的实际值；

Th代表个体目标的历史极值。