基于GA-GRNN的AWJ强化3D打印AlSi10Mg表面性能实验研究

作     者：张苗苗 侯荣国 吕哲 王龙庆 石广行 王中庆 ZHANG Miaomiao;HOU Rongguo;L Zhe;WANG Longqing;SHI Guangxing;WANG Zhongqing

作者机构：山东理工大学机械工程学院淄博255000 山东省精密制造与特种加工重点实验室淄博255000 

出 版 物：《现代制造工程》 (Modern Manufacturing Engineering)

年 卷 期：2024年第7期

页      面：35-41页

学科分类：08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：山东省自然科学基金项目(ZR2020ME154) 

主　　题：磨料水射流 3D打印的AlSi10Mg 表面强化 GA-GRNN神经网络 遗传算法 

摘      要：为提高磨料水射流(Abrasive Water Jet,AWJ)强化工艺对3D打印AlSi10Mg表面性能的强化效果预测的准确性及高效性,首先开展磨料水射流强化AlSi10Mg表面强化实验;然后分别以表面硬度和表面残余应力作为目标,基于遗传算法-广义回归神经网络(Genetic Algorithm-Generalized Ragression Neural Network,GA-GRNN)对实验数据样本进行训练,建立3D打印AlSi10Mg表面性能预测模型;最后,利用遗传算法对建立的神经网络预测模型中的AWJ强化主要参数进行优化。研究结果表明,经过磨料水射流强化后的AlSi10Mg表面硬度与表面残余应力均得到有效提高;建立的GA-GRNN预测模型与校验值误差在2.3%以内,具有较高的准确性;经遗传算法优化后,得到表面硬度最佳参数组合:射流压力为33 MPa,磨料粒径为0.15 mm,靶距为12.4 mm,此时表面硬度为159.25HV;表面残余应力最佳参数组合:射流压力为40 MPa,磨料粒径为0.13 mm,靶距为15 mm,此时表面残余应力为-137.4 MPa。为后续磨料水射流强化零件表面的参数选择提供数据支撑。