22、加工过程参数优化与原油价格预测的算法研究

加工过程参数优化与原油价格预测的算法研究

1. 磨料水射流加工过程参数优化

磨料水射流（AWJ）加工过程中，表面粗糙度是一个关键指标，其通过以下公式定义：
[Ra = \frac{1}{L}\int_{0}^{L}|y(x)||dx|]
其中，$Ra$ 表示表面粗糙度（平均值），$L$ 表示采样长度，$y$ 表示轮廓曲线，$x$ 表示轮廓方向。影响加工性能的五个主要参数为：横移速度 ($V$)、水射流压力 ($P$)、离壁距离 ($h$)、磨料粒度 ($d$) 和磨料流量 ($m$)。加工优化的任务通常是调整这些参数以实现最小的 $Ra$ 值。

在 AWJ 加工过程优化研究中，主要有两个方向：
- 建模 ：通过人工神经网络（ANN）或回归分析等方法，建立加工过程模型，使模型与实验结果之间的误差最小化。
- 参数优化 ：利用估计的模型，通过搜索最优参数值来最小化表面粗糙度。常用的方法是遗传算法（GA）和模拟退火（SA）等软计算技术。

然而，研究发现该模型的目标函数是一个带有边界约束的简单二次公式，因此可以使用二次规划中的许多成熟方法来搜索最优解。本文采用了活动集方法来解决这个问题，并证明该方法在加工性能和计算时间上都优于 GA 和 SA。

1.1 AWJ 加工过程建模

建模的任务是估计一个传递函数 $F$，以 $V$、$P$、$h$、$d$ 和 $m$ 为输入，$Ra$ 为输出，使近似值与实验 $Ra$ 值之间的差异最小化。由于进行实验的成本较高，通常采用田口正交阵列方法来减少实验次数。

Caydas 和