机械器件激光微加工过程抛光参数优化建模分析

王 霞

（郑州西亚斯学院 电子信息工程学院，新郑 451150）

0 引言

随着相关领域对制造技术要求的日益提升，机械零部件的质量要求也逐渐向高精度和高品质的方向发展[1]。在机械制造领域中，若零件成型后的表面粗糙度高或存在较多的凹凸，就难以满足高使役性的要求[2]。因此，零件表面光滑处理成为高性能机械零件制造技术链中的重要环节之一。

文献[3]中首先分析了机械零件加工过程中的固有阶梯效应、球化效应及其成型后表面的高粗糙度特征，然后根据零件表面粗糙度、表层残余应力及其廓形精度等指标，综合电化学、激光处理和磨料流三种处理模式，完成对零件表面的光滑处理。文献[4]中针对圆柱体小零件，设计了一种高效自动打磨抛光处理方法。其在实现对零件的径向圆周加工后，在翻转台设备上完成对零件的轴向自动加工。在加工过程中，根据工艺需求设置多个处理工位，通过添加柔顺可调节装置来控制加工参数，以此来保障光滑处理效果。

然而在实际应用中发现，应用上述传统方法后，零件表面存在凹凸不平的现象，且加工效率也有待提升。主要是因为在加工中，缺少智能化程度高，准确性强的约束条件控制加工过程，人工痕迹明显。为此，本文基于图像处理中纹理特征挖掘结果，设计了一种新的机械零件微加工中表面光滑处理方法。

1 表面光滑处理方法设计

1.1 机械零件表面纹理特征挖掘

为了实现对机械零件表面纹理特征的分析，并为后续的光滑处理提供特征依据，本研究在挖掘机械零件表面纹理特征的基础上，对特征数据实施预处理。

图像本身的质量直接影响特征挖掘的效果，为提高图像特征的真实性，通常使用图像、合成等手段构建360°三维立体场景。但是该方法由于处理步骤较为复杂，会消耗大量的时间。为此，本研究利用分形理论，通过邻近搜索的方式提取机械零件表面图像纹理特征边缘信息，具体的提取步骤如下：

步骤一：根据相关性融合规则得到机械零件表面图像纹理分量值如式(1)所示：

式(1)中，ti和tj分别表示机械零件表面图像的联合共享稀疏分配点(i，j)处的纹理分量，dis(ti，tj)表示两个纹理特征标记特征点之间的欧式距离，σ表示图像的空间信息增加分量。

步骤二：将机械零件表面图像划分为多个子区域，其中，dmax和dmin分别表示图像子块区域中的最大边长与最小边长。以子区域为中心，划分邻近搜索范围如式(2)所示：

式(2)中，n表示机械零件表面图像子区域数量，(x，y)表示子区域的空间坐标。

步骤三：任意选定一个子区域ak，搜索其最佳匹配父区域Ak，将搜索空间设定在2d×2d范围内。

步骤四：在邻近搜索过程中，提取相邻两个子区域中相似的纹理轮廓点，并利用局部信息熵融合过程对得到的轮廓点实施融合处理，从而得到机械零件表面图像纹理的活动轮廓，再结合式(1)中所得的纹理分量值，得到图像的纹理特征量挖掘结果如式(3)所示：

1.2 优化机械零件表面光滑处理参数

结合上述挖掘的机械零件表面纹理特征，将磨头无断续给进速度、磨头压强、磨头转速以及打磨频率作为光滑处理参数。

1）磨头无断续给进速度。在传动速度允许范围内设置进给速度，将其控制在最大无断续给进速度vmax和最小无断续给进速度vmin之内。

2）磨头压强。磨头压强在正常抛光过程中的调整通常具有灵活性和频繁性[5]。光滑打磨压强通常分为两种，第一种为负压，第二种为正压，光滑打磨设备的工作压强就是负压和正压的差值。

3）磨头转速。在最大角速度θmax和最小角速度θmin之内设置磨头角速度。转速的计算过程如式(4)所示：

式(4)中，λ表示磨头振幅，P表示打磨设备电机功率。

4）打磨频率。打磨设备的摆动频率也就是摆动次数的倒数，在抛光参数优化过程中，将设备摆动频率设置在0.2≤g≤0.2之间。

在优化机械零件表面光滑处理参数时，需要符合机械零件的加工要求设置参数约束条件。为此，本研究利用主成分分析法分析不同参数对光滑处理效果的影响。在表面光滑处理过程中，纹理特征去除率越高，材料的粗糙度越低，即表面光滑处理效果越好。假设η表示主成分分析系数，其取值范围为(0，1]，计算过程如式(5)所示：

式(5)中，Xk表示分辨系数，为第k个参数对应的权重，C0表示初始化的表面光滑处理参数参考序列，Ci表示比较序列。基于主成分分析过程，将磨头无断续给进速度、磨头压强、磨头转速以及打磨频率4项参数作为分析对象，分析不同参数对光滑处理效果的累计贡献率，过程如式(6)所示：

式(6)中，μk表示不同参数对零件表面光滑程度影响的特征值，η表示光滑处理特征对应的原始序列与其变化序列间的相关系数。在此基础上，根据累计贡献率计算不同光滑处理参数的主成分贡献率，过程如式(7)所示：

主成分贡献率计算结果即为不同光滑处理参数相对于纹理特征的约束条件。

在此基础上，以不同光滑处理参数的主成分贡献率为约束条件，将机械零件表面不规则凹凸的最小高度方差作为优化目标，构建如下参数优化模型：

式(8)中，D(k)表示机械零件表面不规则凹凸的最小高度方差，zn表示参数k的下限约束，in表示参数k的上限约束。

1.3 机械零件表面光滑处理

结合上述机械零件表面光滑处理参数优化过程，采用种群进化方法对参数优化模型进行求解。

将不同光滑处理参数k视为空间中的种群，ki表示种群中存在的第i个个体。假设B(ki)表示第i个个体在寻优过程中存在的数值最优解，其形式如式(9)所示：

式(9)中，g(ki)表示第i个个体在寻优过程中的适应值，t表示迭代次数。

在最优解处，以机械零件纵截面分布均匀性和横截面分布均匀性为目标，通过邻域变异的方式对全局极值进行更新，形成机械零件表面光滑处理的递阶结构，如图1所示。

图1 机械零件表面光滑处理递阶结构

上述通过种群进化+邻域搜索过程，为光滑处理过程中的磨头无断续给进速度、磨头压强、磨头转速以及打磨频率4项参数提供了最优打磨状态，从而得到了最优的机械零件光滑处理结果。

2 实验与分析

为验证上述设计的基于纹理特征挖掘的机械零件表面光滑处理方法的整体有效性，设计如下测试过程。

实验测试共分为两部分，一是基础测试，利用本文方法对微小机械零件表面的凹凸不平、磨损等进行光滑处理，对本文方法的有效性展开基础性的检验。二是对比测试，以零件表面的粗糙度和不规则凹凸高度为测试项，将本文方法与文献[3]与文献[4]作对比。

1）基础测试

首先利用本文方法对微小机械零件实施光滑处理，待处理的零件如图2所示。

图2 待处理的微小机械零件

图2中，待处理的微小机械零件表面的粗糙度较高，零件1表面凹凸不平且有微小磨损，零件2表面存在严重的毛刺现象。采用本文方法对两个零件进行光滑打磨，打磨后的效果如图3所示。

图3 本文方法处理后的微小机械零件

观察图3可以看出，经本文方法处理后，零件1表面的凹凸不平和微小磨损情况得到了解决，零件2表面毛刺消失且粗糙度有所降低，表面变得光滑。上述结果初步证明了本文方法的有效性。

2）对比测试

为进一步突出本文方法的应用效果，将文献[3]方法和文献[4]方法作为对比，针对不同磨头无断续给进速度下的零件粗糙度、机械零件表面凹凸程度为指标，对比不同方法的实际应用性能。首先对比在磨头压强和磨头转速变化的情况下，机械零件表面的粗糙度，测试结果如图4所示。

图4 应用不同方法后零件表面的粗糙度对比

分析图4(a)可知，在磨头压强不断增加的情况下，应用本文方法、文献[3]方法和文献[4]方法后，机械零件表面的粗糙度整体形成降低的趋势。但在磨头压强相同时，应用本文方法后机械零件表面的粗糙度远低于文献[3]方法和文献[4]方法。

分析图4(b)可知，在磨头转速由5600rad/s增加至6400rad/s的过程中，应用本文方法后机械零件表面的粗糙度不断下降。当磨头转速为6000rad/s时，应用文献[3]方法后机械零件的粗糙度不再发生变化；当磨头转速为6200rad/s时，应用文献[4]方法后机械零件表面的粗糙度不再发生变化。

通过上述测试可知，当磨头压强和磨头转速不同时，本文方法均可有效的降低机械零件表面的粗糙度，表明本文方法的光滑处理效果更好。这是因为本文方法利用主成分分析法分析了多项chuli参数对零件表面打磨质量的影响，选取其中影响较大的参数进行优化，提高了优化效果，进而减小了机械零件的粗糙度。

在此基础上，将机械零件表面不规则凹凸高度作为指标，测试本文方法、文献[3]方法和文献[4]方法的光滑处理效果，测试结果如表1所示。

表1 机械零件表面不规则凹凸高度测试结果

分析表1中的数据可知，应用本文方法处理后的机械零件表面凹凸高度浮动在-0.3nm～0.5nm以内，表明本文方法处理后的机械零件表面较为光滑。而应用文献[3]方法和文献[4]方法处理后的机械零件表面凹凸高度变化较大，说明采用以上两种方法对机械零件表面处理后，零件表仍存在面凹凸不平的情况。

通过上述测试结果可知，本文方法处理后的机械零件表面较为平滑，表明本文方法的光滑处理质量更好。

3 结语

机械制造业的发展程度可通过光化处理技术水平进行衡量，其在民用设备、航空航天、集成电路和军事等领域中，该技术得到了广泛的应用。为此，本研究提出了基于纹理分析的机械零件微加工中表面光滑处理方法，有效降低了机械零件表面的粗糙度，解决了表面凹凸不平的问题。