本發(fā)明涉及金屬熱處理，具體為基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法。
背景技術(shù)：
1、緊固件（如螺栓、螺釘、螺母等）作為機械制造、建筑、汽車等眾多領(lǐng)域的核心基礎(chǔ)零部件，其性能直接影響設(shè)備的可靠性與安全性；熱處理工藝是決定緊固件性能的關(guān)鍵環(huán)節(jié)，通過控制淬火、回火等過程的工藝參數(shù)，可調(diào)整緊固件的硬度、殘余應(yīng)力、變形量等性能指標。
2、目前緊固件熱處理工藝參數(shù)的制定主要依賴于：依賴工藝工程師的個人經(jīng)驗，通過反復(fù)試驗確定參數(shù)的經(jīng)驗試錯法；通過有限元分析（fea）等軟件模擬熱處理過程的物理仿真法；采用響應(yīng)面法（rsm）或田口方法等，基于少量實驗數(shù)據(jù)建立簡單的線性或二次模型的傳統(tǒng)統(tǒng)計模型；緊固件熱處理工藝參數(shù)優(yōu)化多采用單目標優(yōu)化方法，如僅針對硬度或變形量進行優(yōu)化，從而實現(xiàn)對緊固件熱處理工藝參數(shù)的控制。
3、然而，緊固件的實際應(yīng)用中，需要同時滿足硬度均勻性、殘余應(yīng)力合理分布、變形量小等多方面要求；傳統(tǒng)單目標優(yōu)化方法難以兼顧多個性能指標，導(dǎo)致優(yōu)化后的緊固件在某一性能達標時，其他性能可能無法滿足需求，例如在追求硬度均勻性時，可能會使殘余應(yīng)力增大，增加緊固件開裂風(fēng)險；或者在控制變形量時，影響硬度的均勻性；此外，傳統(tǒng)優(yōu)化方法依賴經(jīng)驗或簡單的試驗設(shè)計，缺乏對大數(shù)據(jù)的有效利用，難以精準捕捉工藝參數(shù)與多性能指標之間的復(fù)雜非線性關(guān)系，優(yōu)化效率和精度都有待提高。
技術(shù)實現(xiàn)思路
1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實施例提供基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，以解決上述背景技術(shù)中提出的問題。
2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，包括：
3、s1：通過數(shù)據(jù)采集設(shè)備，采集工藝輸入?yún)?shù)、設(shè)備運行參數(shù)、環(huán)境參數(shù)以及緊固件熱處理性能檢測參數(shù)，確定采集的數(shù)據(jù)維度，得到第一熱處理工藝多維度數(shù)據(jù)；
4、s2：采集不同批次的第一熱處理工藝多維度數(shù)據(jù)并進行預(yù)處理，得到第二熱處理工藝多維度數(shù)據(jù)；
5、s3：基于預(yù)處理中數(shù)據(jù)歸一化后的第一熱處理工藝多維度數(shù)據(jù)和第二熱處理工藝多維度數(shù)據(jù)，構(gòu)建熱處理過程中緊固件硬度均勻性指數(shù)、緊固件殘余應(yīng)力平衡指數(shù)和緊固件形變指數(shù)的優(yōu)化模型；
6、s4：融合三個子優(yōu)化模型，構(gòu)建多目標綜合優(yōu)化模型，采用改進的多目標智能優(yōu)化算法對所述多目標綜合優(yōu)化模型進行求解，得到最優(yōu)熱處理工藝參數(shù)組合；
7、s5：將所述最優(yōu)熱處理工藝參數(shù)組合應(yīng)用于緊固件熱處理生產(chǎn)過程，對多子優(yōu)化目標進行評估，將異常評估結(jié)果傳輸至管理端進行人機交互。
8、本發(fā)明的技術(shù)效果和優(yōu)點：
9、1、本發(fā)明通過數(shù)據(jù)采集設(shè)備，采集熱處理過程中工藝、設(shè)備、環(huán)境、性能四維度數(shù)據(jù)，并通過min-max歸一化與pca規(guī)約，構(gòu)建高質(zhì)量標準化數(shù)據(jù)集，解決傳統(tǒng)數(shù)據(jù)維度單一的問題，為后續(xù)精準捕捉工藝參數(shù)與多性能指標之間的復(fù)雜關(guān)系，提供科學(xué)的數(shù)據(jù)支持；
10、2、本發(fā)明通過建立工藝參數(shù)與性能指標間的線性/二次函數(shù)關(guān)系，實現(xiàn)參數(shù)影響的量化分析；同時融合緊固件硬度均勻性、殘余應(yīng)力分布、變形量的子優(yōu)化模型，構(gòu)建多目標綜合優(yōu)化模型，采用改進的多目標智能優(yōu)化算法，解決了多目標優(yōu)化中算法收斂性與搜索能力的問題；
11、3、本發(fā)明通過對工藝參數(shù)優(yōu)化評估與反饋，采用量化的提高率和降低率來評估優(yōu)化效果，使評估結(jié)果客觀、準確，便于企業(yè)對工藝優(yōu)化效果進行直觀的比較和判斷；形成了“優(yōu)化參數(shù)-生產(chǎn)應(yīng)用-效果評估-模型更新”的閉環(huán)優(yōu)化流程，能夠持續(xù)改進工藝參數(shù)優(yōu)化模型，不斷提高緊固件的性能。
1.基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：包括：
2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s3實現(xiàn)包括：
3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s3實現(xiàn)還包括：構(gòu)建緊固件硬度均勻性指數(shù)優(yōu)化模型：s3.2.1：相關(guān)性計算：基于第二熱處理工藝多維度數(shù)據(jù)，采用皮爾遜相關(guān)系數(shù)，計算m個批次的第i個主成分值xi與m個批次的硬度標準差σhj的相關(guān)系數(shù)yi(pc,σh)，每批次對應(yīng)1組包含主成分值-σh值的樣本對，共m組；然后遍歷n個主成分，篩選出相關(guān)系數(shù)yi(pc,σh)的絕對值≥相應(yīng)閾值的候選主成分pci，得到候選主成分數(shù)據(jù)集pc，，pcs,i為候選第i個主成分，n1表示候選主成分的數(shù)量，n1＜n；
4.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s3實現(xiàn)還包括：構(gòu)建優(yōu)化模型：s3.2.4：構(gòu)建緊固件硬度均勻性指數(shù)的優(yōu)化模型：首先基于緊固件硬度均勻性指數(shù)優(yōu)化目標u，通過m個批次的目標主成分數(shù)據(jù)集pcm與h1、h2和σh擬合相應(yīng)的映射關(guān)系模型h1(pcm)、h2(pcm)和σh(pcm)；
5.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s3實現(xiàn)還包括：構(gòu)建優(yōu)化模型：s3.2.6：模型驗證：采集m1個批次新的第二熱處理工藝多維度數(shù)據(jù)，提取出相應(yīng)的m1個實際硬度標準差σhj，同時通過映射關(guān)系模型σh(pcm)得到m1個模型輸出的硬度標準差σhjm，計算模型決定系數(shù)r2；然后計算單個批次的誤差率δ(σhj)，通過第j個實際硬度標準差σhj與第j個模型輸出的硬度標準差σhjm的偏差率的絕對值得到；若r2≥相應(yīng)的閾值且所有批次的誤差率δ(σhj)≤相應(yīng)的閾值，說明目標函數(shù)u(pcm)構(gòu)建精度合格，得到緊固件硬度均勻性指數(shù)的優(yōu)化模型u(pcm)；若r2＜相應(yīng)的閾值，重新調(diào)整主成分權(quán)重，若存在誤差率δ(σhj)＞相應(yīng)的閾值，則重新進行映射關(guān)系模型擬合過程。
6.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s3實現(xiàn)還包括：s3.3：與構(gòu)建緊固件硬度均勻性指數(shù)優(yōu)化模型的原理相同，基于第二熱處理工藝多維度數(shù)據(jù)中的主成分和相應(yīng)的主成分值以及應(yīng)力梯度g，得到緊固件殘余應(yīng)力平衡指數(shù)的優(yōu)化模型b(pc1m)；
7.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s4中構(gòu)建多目標綜合優(yōu)化模型，包括：
8.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的緊固件熱處理工藝參數(shù)優(yōu)化方法，其特征在于：所述s4中改進的多目標智能優(yōu)化算法，包括：