在线材和添加剂的制造中,这种有效的算法就是最优解!

   自动化那些事        

为了在线材和电弧添加剂的制造中获得良好的几何质量,选择合适的工艺参数是很重要的。首先,在四因素、五级实验的基础上,利用响应面法建立了工艺参数与几何质量的多目标数学模型。其次,提出了一种求解多目标问题的自适应算法。


该算法引入了外部存档机制、自适应狩猎机制和融合多项式变异机制,提高了算法的搜索能力。本文以“Optimization of geometry quality model for wire and arc additive manufacture based on adaptive multi-objective grey wolf algorithm”为题于2020年5月9日发布于《Soft Computing》杂志上。

在线材和添加剂的制造中,这种有效的算法就是最优解!


研究背景


线材和电弧添加剂制造(WAAM)是一个复杂的物理和化学过程;在制造大型金属零件方面,它以其高效、低成本的独特优势而备受关注。WAAM工艺参数的选择对焊缝的几何质量和零件的尺寸精度有重要影响。


单面焊缝的几何结构决定了零件的尺寸精度。几何结构的均匀性和稳定性决定了零件的最终尺寸精度。因此,选择最优的工艺参数以获得零件所期望的精度,对实现WAAM的自动化生产具有重要意义。


WAAM中焊缝的几何结构受到各种工艺参数(如焊接电压、送丝速度、焊接速度、喷嘴到板的距离、通道温度、送丝角、气体流量)的影响。这些参数相互作用,熟练操作人员很难选择合适的参数组合,以达到最佳的焊缝几何质量。工艺参数选择不当会导致驼峰、气孔、熔合不完全等质量问题。严重缺陷会显著降低零件的力学性能。


近年来,人工神经网络、遗传算法、基因表达算法等智能算法被引入增材制造领域,优化工艺参数以获得良好的产品质量。提出使用遗传算法优化工艺参数,以获得所需的焊缝几何形状。采用加权法进行单目标优化,其权重取决于经验。


现有的WAAM产品质量优化研究大多采用单目标优化或将多目标问题转化为单目标问题。事实上,增材制造的不同优化目标可能是矛盾的。这些目标相互冲突,使得很难同时获得所有客观问题的最优解。


因此,有必要对WAAM进行多目标优化,生成一组最优解供操作人员选择。同时,这些参数之间存在较强的非线性和耦合性。因此,要求多目标优化算法具有高效率和多样性。为了帮助操作者选择最优解集中的工艺参数,采用TOPSIS算法进行多属性决策分析。得到了理想的焊道几何形状,提高了焊道零件的质量。

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为WAAM焊缝的几何结构

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为焊接工艺产生焊缝的几何结构

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为WAAM实验装置

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为差异分析


给出了完全模型和最终模型的方差分析比较。结果表明,W模型的平差大于96%。同时,最终模型使H值从72.70%提高到76.68%,D值从91.05%提高到92.42%。结果表明,与完全模型相比,最终模型具有更高的精度。


基准问题用来测试算法的性能。这些基准问题被认为是文献中最具挑战性的问题。它们提供不同的多目标搜索空间,具有不同的Pareto边界:凸的、非凸的、不连续的和多模的.所有测试功能的计算经验都是用MATLABR2016b在具有Intel核i5-24104.0GHz处理器和8.0GB内存的PC机上实现的。


在基准问题上对改进的多目标优化算法进行了测试,验证了多项式变异机制的有效性。在所有测试问题中,采用多项式变异机制的方法获得了最优的平均IGD,这意味着在这些测试问题上,AMOGWO优于pMOGWO。


结果表明,AMOGWO算法已成为ZDT 1、ZDT 2、ZDT 3、DTLZ 1、DTLZ 2、DTLZ 3、DTLZ 4问题上最具竞争力的算法,在ZDT 4问题上具有次优值。这表明AMOGWO算法具有良好的收敛性能。得到的解集接近真实的Pareto前沿。AMOGWO在8个测试功能中赢得了6个,分别在ZDT 1和ZDT 3上排名第二。MOGWO的SP指标在ZDT 1和ZDT 3上具有竞争力。但是MOGWO算法并不稳定。它不能得到关于ZDT 2和ZDT 4问题的有效解决方案集。


加权和技术是一种多目标优化的标度化方法.智能优化算法不需要同时加权处理多目标问题,也可以求解非凸问题。


为了减小仿真的随机误差,每种算法的所有实验都重复了20次。六种算法得到的Pareto最优集如图所示。

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为用NSGA-III得到几何质量模型的Pareto最优集

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为MOEADCMA得到的几何质量模型的Pareto最优集

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为基于dMOPSO的几何质量模型的Pareto最优集

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为MOEAD得到的几何质量模型的Pareto最优集

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为MOGWO得到的几何质量模型的Pareto最优集

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为AMOGWO得到的几何质量模型的Pareto最优集


结果表明,AMOGWO的最大珠高、最大珠宽和最小稀释率分别为3.069、15.149和0.233。它明显优于其他五种算法。虽然AMOGWO获得的珠子高度分布范围的最大值相当于NSGA-III、MOEADCMA、MOEADCMA,但珠宽分布范围的最大值和最小稀释率的AMOGWO算法都优于其他算法。

在线材和添加剂的制造中,这种有效的算法就是最优解!


图为WAAM获得的焊缝截面


实验表明,AMOGWO在多目标模型的多样性和收敛性方面优于NSGA-Ⅲ、MOEADCMA、dMOPSO、MOEAD和MOGWO。在得到的Pareto集的基础上,结合TOPSIS算法,为WAAM工艺参数的选择提供指导。最后,得到了期望的几何质量。


研究结论


在四因素、五水平实验的基础上,利用RSM建立了工艺参数与几何质量的多目标数学模型。通过引入外部存档机制、自适应搜索机制和融合多项式变异机制,提高了该算法的搜索能力,适用于求解多目标优化问题。然后,将该数学模型作为AMOGWO优化的目标函数。结合TOPSIS算法,帮助算子对所得到的最优解集进行决策。


实验表明,AMOGWO得到的Pareto最优集的多样性和收敛性优于NSGA-III、MOEADCMA、dMOPSO、MOEAD和MOGWO。HV指数也定性地证明了AMOGWO的优异表现。结合TOPSIS算法,在Pareto最优集合中选择工艺参数,得到焊缝的几何结构。今后还将进一步研究和优化影响WAAM质量的因素。


参考文献:Yun-tao Zhao, Wei-gang Li & Ao Liu Optimization of geometry quality model for wire and arc additive manufacture based on adaptive multi-objective grey wolf algorithm  Soft Computing 17401–17416(2020)



最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐