基于知识深度置信网络的导电滑环镀金层工艺优化方法
文献发布时间:2023-06-19 13:26:15
技术领域
本发明属于导电摩擦副领域,具体涉及一种基于知识深度置信网 络的导电滑环镀金层工艺优化方法。
背景技术
空间用精密导电滑环广泛应用于星载微波辐射计\散射计、太阳 帆板驱动机构、控制力矩陀螺、惯性导航系统等。导电滑环摩擦副在 长期服役后均无法避免磨损严重、结构应力松弛、接触应力衰减等问 题,从而导致系统接触稳定性、可靠性下降。其中导电滑环的研制过 程中涉及的环刷摩擦副磨损性能和金属材料电镀工艺,很大程度上影 响导电滑环的使用寿命和可靠度,因而对导电滑环的镀层工艺进行优 化,探究工艺参数对镀层性能及摩擦副磨损的影响具有重大意义。
目前对于导电滑环镀金层工艺的研究大多通过实验探究的方法, 分析工艺参数对镀层结构、硬度及粗糙度的影响,但是导电滑环镀层 工艺复杂、工艺参数繁多,实验探究成本高。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种基于知 识深度置信网络的导电滑环镀金层工艺优化方法。
本发明提供了一种基于知识深度置信网络的导电滑环镀金层工 艺优化方法,用于优化导电滑环的摩擦副镀层的电镀工艺参数来减少 摩擦副在实际运作过程中的各类磨损,具有这样的特征,包括以下步 骤:
步骤S1,对摩擦副镀层进行可靠性分析;
步骤S2,基于可靠性分析的结果对摩擦副镀层的接触特性进行 建模分析,得到摩擦副镀层的电镀制备工艺对摩擦副镀层的接触特性 的影响;
步骤S3,明确摩擦副镀层的电镀制备工艺并获取摩擦副镀层的 电镀工艺参数;
步骤S4,结合电镀制备工艺对摩擦副镀层的接触特性的影响, 基于知识深度置信网络得到电镀工艺参数对镀层磨损性能的影响关 系;
步骤S5,根据电镀工艺参数对镀层磨损性能的影响关系,进行 电镀工艺参数的优化分析后得到最佳加工工艺参数,并根据最佳加工 工艺参数设置电镀工艺参数的范围。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S1中,可靠性分 析为对构成摩擦副镀层的电接触材料进行分析,通过对电接触材料进 行性能的测试分析得到电接触材料的基本力学性能及摩擦磨损性,并 建模得到由不同电接触材料构成的摩擦副镀层在机械磨损和电接触 情况中的寿命分布情况。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S2中,建模分析 包括对导电滑环的硬度、比热容、泊松比弹性模量、结构尺寸材料密 度、接触载荷和工作环境进行建模分析。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S3中,电镀制备 工艺包括镀前处理工艺技术、电镀过渡层工艺技术、耐磨电镀硬金工 艺技术、电接触摩擦磨损性能分析及测试方法和基于多场耦合接触模 型的镀层优化。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S4包括以下子步 骤:
步骤S4-1,通过置信度符号规则和分类规则解释深度置信网络来 作为知识深度置信网络,在深度置信网络的受限玻尔兹曼机部分采用 置信度符号规则,在深度置信网络的顶部分类层采用遗传算法提取分 类规则;
步骤S4-2,根据置信度符号规则初始化受限玻尔兹曼机部分;
步骤S4-3,将分类规则融入到深度置信网络的顶部分类层网络;
步骤S4-4,根据提取的分类规则,通过电镀工艺参数推导预测出 摩擦副镀层的硬度或粗糙度分类,进一步得到电镀工艺参数对镀层磨 损性能的影响关系。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S4-1中,置信度 符号规则的表示方式如下所示:
公式(1)中,c
为了使所提取的规则信息损失度最小,规则损失函数如下所示:
公式(2)中,l
根据公式(2),当且仅当ω
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S4-1中,采用遗 传算法提取分类规则时,运用IF-THEN规则对受限玻尔兹曼机部分 的顶部分类层分进行分类表示,IF-THEN规则的表达形式为:
R
∧...∧(x
公式(3)中,R
遗传算法中每个基因由状态值、符号值和具体数值三个元素编码 表示,遗传算法的适应度函数为:
公式(4)中,n
通过该适应度函数,得到对每一个分类都具有高敏感度和特异性 的分类规则。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S4-2包括以下子 步骤:
步骤T1,建立一个与深度置信网络的网络结构相同的规则表达 网络,对每个隐层神经元h
步骤T2,确定网络权重,h
步骤T3,用置信度符号规则自上而下初始化每一层受限玻尔兹 曼机部分;
步骤T4,利用与置信度符号规则的结构相匹配的逻辑对受限玻 尔兹曼机部分进行训练。
在本发明提供的基于知识深度置信网络的导电滑环镀金层工艺 优化方法中,还可以具有这样的特征:其中,步骤S4-3中,将分类 规则融入到知识深度置信网络的顶部分类层网络的具体过程如下:
通过分类规则在受限玻尔兹曼机部分与顶部分类层之间初始化 一个隐藏层,并根据分类规则确定隐藏层与顶部分类层内神经元偏置 值以及相关层间连接权重,再利用BP算法对网络参数进行微调。
发明的作用与效果
根据本发明所涉及的一种基于知识深度置信网络的导电滑环镀 金层工艺优化方法,本发明基于知识深度置信网络,对导电滑环的摩 擦副镀层性能和电镀工艺参数进行建模分析,相比以前的实验测量方 法具有很大优势,节省大量资金及时间。通过对相关电接触材料性能 的测试分析,全面了解材料的基本力学性能及其摩擦磨损性能的基础 上,建立了镀层磨损性能与电镀工艺参数的相关关系,得到硬度、粗 糙度等物理特性对镀层磨损性能的影响关系,并根据电镀工艺参数对 镀层磨损性能的影响关系进行优化分析,得到最佳加工工艺参数,通 过优化涂层的制备技术及工艺流程,能够有效提升到导电滑环的摩擦副的可靠性和应用寿命。
附图说明
图1是本发明的实施例中一种基于知识深度置信网络的导电滑环镀 金层工艺优化方法的流程图。
具体实施方式
为了使本发明实现的技术手段与功效易于明白了解,以下结合实 施例及附图对本发明作具体阐述。
<实施例>
图1是本发明的实施例中一种基于知识深度置信网络的导电滑 环镀金层工艺优化方法的流程图。
如图1所示,本实施例的一种基于知识深度置信网络的导电滑环 镀金层工艺优化方法,用于优化导电滑环的摩擦副镀层的电镀工艺参 数来减少摩擦副在实际运作过程中的各类磨损,包括以下步骤:
步骤S1,对摩擦副镀层进行可靠性分析。
步骤S1中,可靠性分析为对构成摩擦副镀层的电接触材料进行 分析,通过对电接触材料进行性能的测试分析得到电接触材料的基本 力学性能及摩擦磨损性,并建模得到由不同电接触材料构成的摩擦副 镀层在机械磨损和电接触情况中的寿命分布情况,以掌握主流空间滑 动电接触材料的综合性能与可靠性及应用特点。
步骤S2,基于可靠性分析的结果对摩擦副镀层的接触特性进行 建模分析,得到摩擦副镀层的电镀制备工艺对摩擦副镀层的接触特性 的影响。
步骤S2中,建模分析包括对导电滑环的硬度、比热容、泊松比 弹性模量、结构尺寸材料密度、接触载荷和工作环境进行建模分析。
步骤S3,明确摩擦副镀层的电镀制备工艺并获取摩擦副镀层的 电镀工艺参数。
步骤S3中,电镀制备工艺包括镀前处理工艺技术、电镀过渡层 工艺技术、耐磨电镀硬金工艺技术、电接触摩擦磨损性能分析及测试 方法和基于多场耦合接触模型的镀层优化。
步骤S4,结合电镀制备工艺对摩擦副镀层的接触特性的影响, 基于知识深度置信网络得到电镀工艺参数对镀层磨损性能的影响关 系。
步骤S4包括以下子步骤:
步骤S4-1,通过置信度符号规则和分类规则解释深度置信网络 (Deep BeliefNetwork,DBN)来作为知识深度置信网络,在深度置信 网络的受限玻尔兹曼机(RestrictedBoltzmann Machine,RBM)部分采 用置信度符号规则,在深度置信网络的顶部分类层采用遗传算法 (Genetic Algorithm,GA)提取分类规则。
步骤S4-1中,置信度符号规则的表示方式如下所示:
公式(1)中,c
为了使所提取的规则信息损失度最小,规则损失函数如下所示:
公式(2)中,l
根据公式(2),当且仅当ω
步骤S4-1中,采用遗传算法提取分类规则时,运用IF-THEN规 则对受限玻尔兹曼机部分的顶部分类层分进行分类表示,IF-THEN规 则的表达形式为:
R
∧...∧(x
公式(3)中,R
遗传算法中每个基因由状态值(State,Sta)、符号值(Symbol,Sym) 和具体数值(Specific value,SV)三个元素编码表示,本实施例中,当具 有M个基因时的编码形式如下所示:
遗传算法的适应度函数为:
公式(4)中,n
通过该适应度函数,得到对每一个分类都具有高敏感度和特异性 的分类规则。
步骤S4-2,根据置信度符号规则初始化受限玻尔兹曼机部分。
步骤S4-2包括以下子步骤:
步骤T1,建立一个与深度置信网络的网络结构相同的规则表达 网络,对每个隐层神经元h
步骤T2,确定网络权重,h
步骤T3,用置信度符号规则自上而下初始化每一层受限玻尔兹 曼机部分;
步骤T4,利用与置信度符号规则的结构相匹配的逻辑对受限玻 尔兹曼机部分进行训练。
步骤S4-3,将分类规则融入到深度置信网络的顶部分类层网络。
步骤S4-3中,将分类规则融入到知识深度置信网络的顶部分类 层网络的具体过程如下:
通过分类规则在受限玻尔兹曼机部分与顶部分类层之间初始化 一个隐藏层,并根据分类规则确定隐藏层与顶部分类层内神经元偏置 值以及相关层间连接权重,再利用BP(Back Propagation)算法对网 络参数进行微调。
步骤S4-4,根据提取的分类规则,通过电镀工艺参数推导预测出 摩擦副镀层的硬度或粗糙度分类,进一步得到电镀工艺参数对镀层磨 损性能的影响关系,为制造过程工艺优化提供决策信息。
步骤S5,根据电镀工艺参数对镀层磨损性能的影响关系,进行 电镀工艺参数的优化分析后得到最佳加工工艺参数,并根据最佳加工 工艺参数设置电镀工艺参数的范围,通过加工工艺优化进而显著地减 少摩擦副在实际运作过程中的各类磨损,以实现该摩擦副材料应用寿 命的显著增长。
实施例的作用与效果
根据本实施例所涉及的一种基于知识深度置信网络的导电滑环 镀金层工艺优化方法,本实施例基于知识深度置信网络,对导电滑环 的摩擦副镀层性能和电镀工艺参数进行建模分析,相比以前的实验测 量方法具有很大优势,节省大量资金及时间。通过对相关电接触材料 性能的测试分析,全面了解材料的基本力学性能及其摩擦磨损性能的 基础上,建立了镀层磨损性能与电镀工艺参数的相关关系,得到硬度、 粗糙度等物理特性对镀层磨损性能的影响关系,并根据电镀工艺参数 对镀层磨损性能的影响关系进行优化分析,得到最佳加工工艺参数, 通过优化涂层的制备技术及工艺流程,能够有效提升到导电滑环的摩 擦副的可靠性和应用寿命。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护 范围。
- 基于知识深度置信网络的导电滑环镀金层工艺优化方法
- 选择性电镀RFID天线镀金层的导电掩模和导电掩模组