[发明专利]一种磨削表面残余应力预测方法

说明书

本发明属于磨削加工技术领域，公开了一种磨削表面残余应力预测方法，利用实验数据推断模型参数分布的概率，使物理模型的可泛化性和可解释性能够以数据混合驱动的方式来保证。即，将目前已有的物理模型以及实验数据以有组织的方式结合起来。一方面，能够提供一些初始的指导性信息，这些信息可以定义为先验知识；另一方面，真实的磨削实验提供关于外圆磨削真实残余应力的附加信息，这些信息可以通过物理模型传播到模型参数中。因此，本发明使用小样本数据能够准确地获得相应加工条件下工件磨削工艺参数与其表面残余应力的对应关系，实现磨削表面残余应力预测的精确预测，进而提高零件的抗腐蚀，抗疲劳和抗磨损等高机械物理性能。

技术领域

本发明属于磨削加工技术领域，具体涉及一种磨削表面残余应力预测方法。

背景技术

磨削工艺广泛应用于曲轴、凸轮轴、轴承与齿轮等关键零件的应用中。磨削中的热过程和机械过程会导致零件内部材料的弹塑性变形，进而产生残余应力。为了控制磨削零件的残余应力，提高零件的抗腐蚀，抗疲劳和抗磨损等高机械物理性能，需要对材料在不同磨削工艺下产生的残余应力进行预测。

目前，在现有技术中涉及磨削表面残余应力预测的方法很少。现有磨削加工表面残余应力预测方法主要有基于物理的解析方法、有限元法和经验模型法，需要大量的校准和验证数据。例如，基于物理的解析方法存在模型参数不准确的问题；有限元法存在着计算时间长、预测效率低，且不同输入参数条件下模型互换性差等缺点；而基于数据的经验模型方法缺乏通用性和物理可解释性。

发明内容

为了解决上述技术问题，本发明提供了一种磨削表面残余应力预测方法，将基于物理的解析方法和基于数据的机器学习方法相结合，通过复杂几何/运动学等物理过程与数据驱动实现磨削残余应力的精确预测。

本发明通过以下的技术方案予以实现：

一种磨削表面残余应力预测方法，该方法按照如下步骤进行：

(1)对多个工件进行磨削试验；并在每个磨削试验前测量工件的初始残余应力，在每个磨削试验后测量工件的最终残余应力；；

(2)将每个磨削试验的材料参数、砂轮参数、工艺参数和步骤(1)得到的最终残余应力形成数据库，并将数据库中数据分为训练集和测试集；

(3)归一化训练集；

(4)建立神经网络，并设置所述神经网络的初始条件；

(5)训练所述神经网络，得到所述神经网络输出的预测残余应力，并计算所述神经网络的偏差；

(6)通过J-C本构模型将所述神经网络输出的预测残余应力转化为塑性变形阶段工件的应变；

(7)基于Merwin和Johnson边界条件和Prandtl-Reuss增量关系获得解析残余应力的偏差方程；

(8)通过胡克定律与von Mises流动法则将偏差方程表示为偏微分方程形式，将偏微分方程作为物理解析的边界约束方程；

(9)根据神经网络算法与边界约束方程建立物理解析结合神经网络预测模型的损失函数，获得物理解析结合神经网络预测模型的最大偏差L_max；

(10)根据工艺需要设置允许的最大误差值，将物理解析结合神经网络预测模型的最大偏差与允许的最大误差值进行比较，若最大偏差小于等于允许的最大误差值，则进入步骤(12)；若最大偏差大于允许的最大误差值；则进入步骤(11)；

(11)更新神经网络的连接权与阈值，进入步骤(5)，重复步骤(5)-步骤(10)；

(12)保存物理解析结合神经网络预测模型，输出预测残余应力。