基于改进神经网络和Fluent的气液固技术的内表面处理

摘要

针对目前航空、航天工件内孔表面有凸起毛刺且不容易去除的问题，提出一种气液固多相流技术方法。基于Fluent数值分析对多相流下的不同气体压力、水流速度和磨粒浓度参数进行流体仿真，得到影响加工的近壁区内表面处的磨粒速度、相对压力及磨粒体积分数参数，采用MATLAB软件利用BP神经网络对各参数进行拟合，通过BP预测模型再运用PSO（粒子群算法）在支配解集中求解满足约束数学模型的气液固三相流最优输入值，基于最优输入值搭建试验平台并设计L9(3～3)正交试验对工件内表面进行加工，最后通过白光干涉仪测量加工前后的内孔表面精度，验证了仿真最优参数与试验加工最优参数的一致性，运用最优参数值下的气液固流体对工件内表面加工，经测量显示，内表面精度提高了75%，满足航空航天工件的应用要求。

关键词

机械制造工艺与设备 / 气液固技术 / 流体仿真 / 神经网络 / 粒子群算法 / 正交试验