基于知识深度置信网络的导电滑环镀金层工艺优化方法

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。