使用优化的支向量回归和进化算法对铜合金的WEDM进行预测建模和优化

科学领域:

• 材料科学与工程 材料科学与工程
• 制造过程 制造过程 制造过程
• 计算机建模 计算建模

背景情况:

• 线电放电加工 (WEDM) 是先进材料的关键非传统加工工艺.
• 为NAB等特定合金优化WEDM需要复杂的预测和优化策略来平衡竞争性表现指标.
• 了解过程参数与切割速度和表面粗度等结果之间的复杂关系对于高效的制造至关重要.

研究的目的:

• 开发一个准确的预测框架,用于NAB合金的线电放电加工 (WEDM).
• 建立一个高效的多目标优化策略,以最大限度地提高切割速度 (CS) 和最大限度地减少表面粗度 (SR).
• 分析WEDM过程参数对表面完整性的影响.

主要方法:

• 使用优化支向量回归 (OSVR) 模型来预测CS和SR.
• 一种基于指标的适应性后代生成驱动的进化算法 (IBEA-AOG) 用于多目标优化.
• 场发射扫描电子显微镜 (FESEM) 和光学分析仪被用于表面完整性评估.

主要成果:

• 该OSVR模型显示了CS (R2 = 0.9970) 和SR (R2 = 0.9924) 的高预测精度.
• 该IBEA-AOG算法成功生成了帕雷托最佳解决方案,并超过了现有的算法.
• 表面完整性分析显示,高放电能导致表面粗,缺陷较大,而低能产生更光滑,缺陷较少的表面.

结论:

• 混合OSVR-IBEA-AOG框架对于预测和优化NAB合金的WEDM流程非常有效.
• 这项研究为通过调整放电能量来控制表面完整性提供了宝贵的见解.
• 这项研究提供了一个强大的方法来提高WEDM应用程序的效率和质量.