吳少杰，劉懷舉，張仁華，張秀華，葛一波

表面強(qiáng)化技術(shù)

基于正交實(shí)驗(yàn)和數(shù)據(jù)驅(qū)動(dòng)的噴丸表面完整性參數(shù)預(yù)測(cè)

吳少杰1，劉懷舉1，張仁華1，張秀華1，葛一波2

（1.重慶大學(xué) 機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，重慶 400044；2.上海恩太設(shè)備技術(shù)有限公司，上海 201806）

探究噴丸工藝參數(shù)對(duì)18CrNiMo7-6滾子表面完整性的影響規(guī)律，得到噴丸工藝參數(shù)與表面完整性的映射關(guān)系，提高噴丸工藝的質(zhì)量與效率。運(yùn)用Python語(yǔ)言對(duì)Abaqus進(jìn)行二次開(kāi)發(fā)，建立噴丸仿真的隨機(jī)多彈丸模型并進(jìn)行了試驗(yàn)驗(yàn)證。設(shè)計(jì)正交實(shí)驗(yàn)研究噴射角度、噴射速度、彈丸直徑、覆蓋率及彈丸類型對(duì)殘余應(yīng)力與表面粗糙度的影響規(guī)律，并用隨機(jī)森林算法得到各個(gè)工藝參數(shù)對(duì)噴丸綜合效果的重要度值。以噴射角度、噴射速度、彈丸直徑、覆蓋率、彈丸類型、距表面深度為輸入，殘余應(yīng)力和表面粗糙度為輸出，建立基于神經(jīng)網(wǎng)絡(luò)的噴丸表面完整性參數(shù)預(yù)測(cè)模型。通過(guò)正交實(shí)驗(yàn)分析得到彈丸直徑和噴射速度對(duì)表面粗糙度有顯著影響。各個(gè)噴丸工藝參數(shù)對(duì)18CrNiMo7-6滾子的噴丸綜合效果的重要度依次為：噴射角度0.249，噴射速度0.224，彈丸類型0.193，覆蓋率0.173，彈丸直徑0.161。在各個(gè)工藝參數(shù)范圍內(nèi)，較優(yōu)的工藝參數(shù)組合為：噴射角度90°，噴射速度80 m/s，彈丸直徑0.7 mm，覆蓋率300%，彈丸材料為鑄鋼丸。基于神經(jīng)網(wǎng)絡(luò)的噴丸表面完整性參數(shù)預(yù)測(cè)模型的平均相對(duì)誤差低于7%。基于神經(jīng)網(wǎng)絡(luò)的噴丸表面完整性參數(shù)預(yù)測(cè)模型可以較準(zhǔn)確地表示噴丸工藝參數(shù)與表面完整性參數(shù)之間的映射關(guān)系，能夠?yàn)閲娡韫に囂峁┫嚓P(guān)參考。

噴丸強(qiáng)化；殘余應(yīng)力；表面粗糙度；正交實(shí)驗(yàn)；數(shù)據(jù)驅(qū)動(dòng)；有限元仿真

隨著航空航天、風(fēng)電、船舶、高鐵等重大裝備向著長(zhǎng)壽命、高可靠性方向發(fā)展，對(duì)以齒輪為代表的關(guān)鍵零部件表面質(zhì)量提出更高的要求。噴丸作為一種表面強(qiáng)化技術(shù)，具有強(qiáng)化效果顯著、適應(yīng)面廣、能耗低等特點(diǎn)，廣泛應(yīng)用于齒輪等重要零部件的表面強(qiáng)化。噴丸強(qiáng)化是一種金屬表面冷加工工藝，其原理為高速噴射的丸流撞擊金屬零件表面，使其產(chǎn)生塑性變形，從而在零件表層引入殘余壓應(yīng)力并改善表層組織結(jié)構(gòu)，使零件產(chǎn)生組織強(qiáng)化和應(yīng)力強(qiáng)化，提高零件的抗疲勞性能[1-3]。

國(guó)內(nèi)外學(xué)者為探究噴丸工藝參數(shù)與表面完整性參數(shù)間的關(guān)聯(lián)規(guī)律進(jìn)行了大量的試驗(yàn)與仿真研究。許科飛等[4]研究了不同噴丸工藝參數(shù)對(duì)齒輪表面完整性的影響，發(fā)現(xiàn)提高噴丸覆蓋率可以降低表面粗糙度及提高齒根表面的殘余壓應(yīng)力。Nordin等[5]研究了噴丸工藝參數(shù)對(duì)表面硬化齒輪鋼表面粗糙度的影響，在給定噴丸強(qiáng)度下，隨著覆蓋率的增大，表面粗糙度會(huì)增加，達(dá)到一定覆蓋率后，粗糙度隨覆蓋率的增加而減小。Seki等[6]研究發(fā)現(xiàn)噴丸處理提高了齒輪的硬度、殘余壓應(yīng)力及表面耐久性。Iida等[7]對(duì)比了鋼丸和玻璃丸的噴丸效果，得出使用鑄鋼丸可以得到更大的表面殘余壓應(yīng)力和表面硬度。Unal等[8]研究劇烈噴丸對(duì)AISI 1017鋼的影響，得出表面硬度隨噴丸強(qiáng)度的降低而減小，且在200 μm后，劇烈噴丸的效果消失。何嘉禧等[9]通過(guò)數(shù)值模擬研究了噴射速度、彈丸直徑及覆蓋率對(duì)二次噴丸后的殘余應(yīng)力、表面粗糙度的影響，發(fā)現(xiàn)提高二次噴丸的覆蓋率可顯著降低表面粗糙度。Wu等[10]通過(guò)實(shí)驗(yàn)與仿真研究覆蓋率對(duì)殘余應(yīng)力及表面粗糙度的影響，實(shí)測(cè)殘余應(yīng)力和表面粗糙度與有限元仿真的誤差在18%以內(nèi)。Lin等[11]建立了一個(gè)包含位錯(cuò)密度本構(gòu)方程的隨機(jī)多彈丸模型，研究噴射速度、覆蓋率及二次噴丸對(duì)殘余應(yīng)力、表面粗糙度和位錯(cuò)胞尺寸的影響。在實(shí)際噴丸過(guò)程中，影響殘余應(yīng)力、表面粗糙度等表面完整性參數(shù)的工藝參數(shù)眾多，表面完整性參數(shù)與噴丸工藝參數(shù)間存在復(fù)雜的非線性關(guān)系，噴丸試驗(yàn)費(fèi)時(shí)費(fèi)力，噴丸工藝參數(shù)選取依賴經(jīng)驗(yàn)。因此，需要探究噴丸工藝參數(shù)與表面完整性參數(shù)間的對(duì)應(yīng)關(guān)系，以指導(dǎo)噴丸工藝。

為了探究噴丸工藝參數(shù)與表面完整性參數(shù)間的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)表面完整性參數(shù)的預(yù)測(cè)，Miao等[12]基于Hertz理論、Zarka彈塑性理論，采用解析法得到噴射速度、彈丸直徑與Almen強(qiáng)度的關(guān)系式，并對(duì)殘余應(yīng)力進(jìn)行預(yù)測(cè)。李金魁等[13]通過(guò)引入無(wú)量綱彈痕直徑參數(shù)，推導(dǎo)殘余壓應(yīng)力場(chǎng)與無(wú)量綱彈痕直徑的關(guān)系式，實(shí)現(xiàn)了不同材料的殘余應(yīng)力預(yù)測(cè)。陳家偉 等[14]基于有限元仿真和響應(yīng)面法，得到鋁合金的表面殘余應(yīng)力和變形與噴丸工藝參數(shù)間的對(duì)應(yīng)關(guān)系。這種基于物理模型的表面完整性預(yù)測(cè)公式繁瑣，試驗(yàn)復(fù)雜且工作量大。而基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)方法無(wú)需知道噴丸具體作用機(jī)理，根據(jù)已有的噴丸工藝數(shù)據(jù)進(jìn)行學(xué)習(xí)，可以對(duì)表面完整性參數(shù)進(jìn)行預(yù)測(cè)，已被廣泛用于機(jī)械零部件的壽命預(yù)測(cè)[15-16]、故障診斷[17]研究。目前采用神經(jīng)網(wǎng)絡(luò)研究噴丸工藝參數(shù)對(duì)表面完整性參數(shù)影響規(guī)律的研究較少。本文運(yùn)用Python語(yǔ)言對(duì)Abaqus進(jìn)行二次開(kāi)發(fā)，建立噴丸仿真的隨機(jī)多彈丸模型并進(jìn)行了試驗(yàn)驗(yàn)證，設(shè)計(jì)正交實(shí)驗(yàn)進(jìn)行有限元仿真，研究噴射角度、噴射速度、彈丸直徑、覆蓋率、彈丸類型對(duì)18CrNiMo7-6滾子的噴丸綜合效果的影響；建立基于神經(jīng)網(wǎng)絡(luò)的噴丸表面完整性參數(shù)預(yù)測(cè)模型，探究噴丸工藝參數(shù)與表面完整性參數(shù)間的映射關(guān)系，實(shí)現(xiàn)表面完整性參數(shù)的快速預(yù)測(cè)，提高噴丸的質(zhì)量與效率，為噴丸工藝人員提供相關(guān)參考。

1 研究方法

1.1 正交實(shí)驗(yàn)設(shè)計(jì)

正交實(shí)驗(yàn)是目前常用的試驗(yàn)優(yōu)化分析方法[18]，利用標(biāo)準(zhǔn)化正交表安排噴丸工藝方案，對(duì)表面完整性參數(shù)結(jié)果進(jìn)行極差分析，得出較優(yōu)噴丸工藝參數(shù)組合。噴丸強(qiáng)度作為評(píng)價(jià)噴丸效果的一個(gè)重要指標(biāo)，其大小直接影響殘余壓應(yīng)力場(chǎng)、表面粗糙度等表面完整性參數(shù)，進(jìn)而影響零部件的疲勞性能。在實(shí)際噴丸工藝中，鑄鋼丸與鋼絲切丸常用于齒輪等零部件的噴丸處理，噴丸強(qiáng)度與噴射速度呈線性關(guān)系[19]。噴丸覆蓋率[20]是指噴丸后零件表面凹坑面積占總面積的百分比。通過(guò)阿夫拉米公式[21]計(jì)算特定覆蓋率下所需的彈丸數(shù)量，如公式（1）所示。其中，為覆蓋率，表示彈痕半徑（mm），為彈丸數(shù)量。

本文選取彈丸直徑（）、噴射角度（）、噴射速度（）、覆蓋率（）、彈丸類型（M）5個(gè)因素。其中，彈丸直徑為4水平，取值為0.5、0.6、0.7、0.8 mm；噴射角度為4水平，取值為45°、60°、 75°、90°；噴射速度為4水平，取值為60、80、100、120 m/s[22]；覆蓋率為3水平，取值為100%、200%、300%[23]；彈丸類型為3水平，取為鑄鋼丸（ZG）、鋼絲切丸（CW）、高硬度鋼絲切丸（HCW）。由于本噴丸工藝試驗(yàn)各因素的水平數(shù)不相等，為混合水平的多因素試驗(yàn)，采用擬水平法進(jìn)行處理[24]。將覆蓋率的水平4用水平1替換，彈丸類型的水平4用水平1替換。噴丸工藝正交實(shí)驗(yàn)因素水平如表1所示。

表1 噴丸工藝正交實(shí)驗(yàn)因素水平

Tab.1 Orthogonal experimental factor levels for shot peening process

確定好噴丸工藝正交實(shí)驗(yàn)的因素和水平數(shù)之后，利用統(tǒng)計(jì)分析軟件Minitab進(jìn)行混合水平的多因素實(shí)驗(yàn)設(shè)計(jì)。為了彈丸類型表示方便，將鑄鋼丸用1表示，鋼絲切丸用2表示，高硬度鋼絲切丸用3表示，最終的噴丸工藝正交實(shí)驗(yàn)方案如表2所示。

表2 噴丸工藝正交實(shí)驗(yàn)方案

Tab.2 Orthogonal experiment scheme of shot peening process

1.2 隨機(jī)多彈丸噴丸有限元模型

在有限元商業(yè)軟件Abaqus中建立一長(zhǎng)寬高分別為5 mm×5 mm×5 mm的小方塊來(lái)模擬18CrNiMo7-6滾子的噴丸過(guò)程。在噴丸強(qiáng)化過(guò)程中，在彈丸的撞擊下，靶體表層發(fā)生彈塑性變形，靶體選用隨動(dòng)強(qiáng)化本構(gòu)模型[23]；鑄鋼丸、鋼絲切丸、高硬度鋼絲切丸的本構(gòu)模型均為各向同性，彈丸和靶體的力學(xué)性能參數(shù)如表3所示。為了減少計(jì)算量，在小方塊的中心位置分割一個(gè)1 mm×1 mm×1 mm的正方體來(lái)作為噴丸區(qū)域，并加密網(wǎng)格，保證模型的計(jì)算精度。為減小模型邊界上的應(yīng)力波反射對(duì)仿真結(jié)果造成的影響，把模型邊界處單元類型設(shè)置為無(wú)限單元（CIN3D8）。模型噴丸區(qū)域單元類型為C3D8R，模型噴丸區(qū)域與邊界的過(guò)渡區(qū)域單元類型為C3D8R，噴丸區(qū)域網(wǎng)格大小為20 μm。彈丸與靶體之間的切向摩擦設(shè)置為罰函數(shù)（penalty），摩擦系數(shù)為0.2[25]，法向行為設(shè)置為“硬接觸”[26]。模型建立好后，選用ABAQUS/Explicit求解器的顯示時(shí)間積分算法進(jìn)行求解，建立的隨機(jī)多彈丸有限元模型如圖1所示。

為了驗(yàn)證隨機(jī)多彈丸噴丸有限元模型的正確性，采用氣動(dòng)式噴丸機(jī)（Peentech，MT25-G80IIE/1/R）對(duì)18CrNiMo7-6材料制造的滾子進(jìn)行噴丸試驗(yàn)。彈丸采用直徑為0.6 mm的鋼絲切丸，其硬度為55~62HRC，氣壓為0.5 MPa，噴嘴距待噴試件表面200 mm，噴槍移動(dòng)速度為167.8 mm/min，噴丸流量為8 kg/min，噴射角度為90°，覆蓋率為200%。由于在噴丸過(guò)程中噴丸速度不能直接測(cè)量，噴丸速度通過(guò)氣壓、噴丸流量、彈丸直徑之間的公式（2）[28]計(jì)算得到。在上述工藝參數(shù)下，通過(guò)公式（2）計(jì)算的速度為56.4 m/s。

表3 彈丸和靶體的力學(xué)性能參數(shù)

Tab.3 Mechanical property parameters of shot and target

圖1 隨機(jī)多彈丸有限元模型

采用LXRD型X射線應(yīng)力測(cè)試儀（Cr靶，衍射角2為156.3°，電壓為30 kV，電流為25 mA）測(cè)量殘余應(yīng)力，如圖2所示。用飽和食鹽水對(duì)試件進(jìn)行電解拋光，完成沿深度方向的殘余應(yīng)力測(cè)量。一般殘余壓應(yīng)力影響層深約為0.15~0.3 mm[29]，故取0~0.25 mm深度下的殘余應(yīng)力值。測(cè)量的殘余應(yīng)力結(jié)果與仿真值對(duì)比如圖3所示?？梢钥闯觯囼?yàn)的表面殘余壓應(yīng)力值、最大殘余壓應(yīng)力值分別為–706、–1078 MPa；隨機(jī)多彈丸有限元模型仿真的表面殘余壓應(yīng)力值、最大殘余壓應(yīng)力值分別為–609、–1020 MPa；相對(duì)誤差分別為13.7%、5.4%。有限元仿真值與試驗(yàn)值吻合較好，可以驗(yàn)證隨機(jī)多彈丸噴丸有限元模型的正確性。

采用多功能摩擦磨損試驗(yàn)臺(tái)（RTEC MFT-5000）中的表面形貌測(cè)量模塊（白光干涉儀）對(duì)上述噴丸后滾子的表面粗糙度進(jìn)行測(cè)量，以進(jìn)一步驗(yàn)證隨機(jī)多彈丸有限元模型的正確性。在測(cè)量過(guò)程中，選用10×的放大倍數(shù)進(jìn)行觀察和測(cè)量。由于所測(cè)量滾子的幾何形狀是弧形，為了消除宏觀曲率半徑的影響，對(duì)初始測(cè)量的表面形貌數(shù)據(jù)進(jìn)行處理，以獲得平整的表面形貌數(shù)據(jù)，測(cè)量的三維表面形貌如圖4所示。試驗(yàn)測(cè)量的表面粗糙度值為2.04 μm，隨機(jī)多彈丸有限元仿真的表面粗糙度值為2.30 μm，表面粗糙度仿真值與試驗(yàn)值的誤差小于0.3 μm，仿真值與試驗(yàn)值吻合較好。

圖2 殘余應(yīng)力測(cè)試

圖3 殘余應(yīng)力仿真值與試驗(yàn)值對(duì)比

1.3 噴丸性能預(yù)測(cè)的GA-BP神經(jīng)網(wǎng)絡(luò)模型

本文以彈丸直徑、覆蓋率、噴射速度、噴射角度、彈丸類型和距表面深度為模型的輸入?yún)?shù)，殘余應(yīng)力及表面粗糙度為輸出參數(shù)，則模型的輸入層節(jié)點(diǎn)數(shù)為6，輸出層節(jié)點(diǎn)數(shù)為2，神經(jīng)網(wǎng)絡(luò)的隱藏層取2[30]，將有限元仿真所得到的數(shù)據(jù)按照3∶1的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集。噴丸表面完整性參數(shù)預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)鋱D如圖5所示。

圖4 表面形貌測(cè)量結(jié)果

圖5 噴丸性能預(yù)測(cè)的GA-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

采用遺傳算法（Genetic Algorithms，GA）[32]對(duì)噴丸強(qiáng)化性能預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型初始權(quán)值和偏置進(jìn)行優(yōu)化，以殘余應(yīng)力、表面粗糙度的預(yù)測(cè)值和實(shí)際值之間的誤差平方和的倒數(shù)作為適應(yīng)度函數(shù)，如公式（7）所示。采用實(shí)數(shù)編碼的方法對(duì)待優(yōu)化的參數(shù)進(jìn)行編碼，編碼完成后，經(jīng)選擇、交叉、變異尋找出最優(yōu)數(shù)值，建立基于GA-BP神經(jīng)網(wǎng)絡(luò)的噴丸表面完整性參數(shù)預(yù)測(cè)模型。

2 結(jié)果及分析

2.1 噴丸仿真正交實(shí)驗(yàn)結(jié)果

本文研究噴射角度、噴射速度、彈丸直徑、覆蓋率、彈丸類型對(duì)噴丸綜合效果的影響，有限元計(jì)算完成后的殘余應(yīng)力云圖如圖6所示?？梢钥闯?，第4、8、12、16組的最大殘余應(yīng)力分別為–1621、–1685、–1834、–1751 MPa，表面局部位置出現(xiàn)殘余拉應(yīng)力，殘余壓應(yīng)力分布不均勻，殘余應(yīng)力沿深度方向有明顯的變化趨勢(shì)。

然后以平均應(yīng)力法[20]求出殘余應(yīng)力沿深度方向的殘余應(yīng)力曲線，將每層表面節(jié)點(diǎn)的應(yīng)力值取平均值作為該層的殘余應(yīng)力值，以0.02 mm為一層，得到的殘余應(yīng)力曲線如圖7所示?？梢钥闯?，從表面到0.1~0.2 mm的深度下，殘余壓應(yīng)力逐漸增加到最大值，且隨著深度的增加，殘余壓應(yīng)力逐漸增大，到0.25~0.35 mm深度位置，殘余壓應(yīng)力消失并逐漸轉(zhuǎn)變?yōu)闅堄嗬瓚?yīng)力，表層的殘余壓應(yīng)力值為–459~–583 MPa，最大殘余壓應(yīng)力為–919~–1022 MPa，彈丸直徑、噴射速度、覆蓋率和彈丸材料4個(gè)工藝參數(shù)一同影響著殘余應(yīng)力結(jié)果。

圖6 4、8、12、16組殘余應(yīng)力云圖

圖7 4、8、12、16組殘余應(yīng)力曲線

提取噴丸區(qū)域的表面位移，采用三維表面粗糙度均方根偏差來(lái)作為表面粗糙度評(píng)價(jià)參數(shù)[33]。是衡量三維表面粗糙度的重要參數(shù)之一，計(jì)算式見(jiàn)式（8），其中為節(jié)點(diǎn)數(shù)目，Z為隨機(jī)多彈丸噴丸有限元模型向變形后的坐標(biāo)位移。接觸表面微觀形貌可能利于潤(rùn)滑油的存儲(chǔ)，但粗糙度過(guò)大會(huì)導(dǎo)致局部應(yīng)力集中，從而影響表層和次表層材料的疲勞壽命[34]。

提取的表面粗糙度數(shù)據(jù)如圖8所示。其中第13組工藝參數(shù)為彈丸直徑0.8 mm、噴射角度45°、噴射速度120 m/s、覆蓋率200%、彈丸材料為高硬度鋼絲切丸，表面粗糙度達(dá)到最大，為4.71 μm；第1組工藝參數(shù)為彈丸直徑0.5 mm、噴射角度45°、噴射速度60 m/s、覆蓋率100 %、彈丸材料為鑄鋼丸，表面粗糙度最小，為1.4 μm。可以看出，隨著彈丸直徑從0.5 mm變化到0.8 mm，噴丸速度從60 m/s增加到120 m/s，表面粗糙度從1.4 μm增加到4.71 μm，增加了2.36倍。彈丸直徑和噴射速度會(huì)顯著影響工件表面粗糙度，在實(shí)際工件噴丸過(guò)程中，應(yīng)選用較小的彈丸直徑和噴射速度，以獲得較小的表面粗糙度，提高齒輪等零部件的疲勞壽命。

圖8 表面粗糙度Sq仿真值

在噴丸工藝中，表面殘余壓應(yīng)力（srcs）、最大殘余壓應(yīng)力（mcrs）、最大殘余壓應(yīng)力深度（m）、殘余壓應(yīng)力層深度（0）是工程中廣泛被關(guān)注的參數(shù)，可以預(yù)估噴丸效果[35]。表層和次表層的殘余壓應(yīng)力可以抵消齒輪等零部件工作時(shí)由負(fù)載引起的拉應(yīng)力，同時(shí)可以抑制疲勞裂紋的萌生和擴(kuò)展[36]。表面粗糙度是影響齒輪潤(rùn)滑、服役性能的重要參數(shù)，表面粗糙度過(guò)大導(dǎo)致應(yīng)力集中，影響表層或次表層零件的疲勞壽命[37]。為評(píng)價(jià)各個(gè)工藝參數(shù)對(duì)噴丸綜合效果的影響，采用百分制加權(quán)綜合評(píng)分法[38]，如公式（9）所示，將表面粗糙度、表面殘余壓應(yīng)力、最大殘余壓應(yīng)力、殘余壓應(yīng)力層深度、最大殘余壓應(yīng)力深度5個(gè)參數(shù)進(jìn)行歸一化，根據(jù)工程經(jīng)驗(yàn)及5個(gè)參數(shù)對(duì)噴丸綜合效果的影響，分配給表面粗糙度、表面殘余壓應(yīng)力、最大殘余壓應(yīng)力、殘余壓應(yīng)力層深度、最大殘余壓應(yīng)力深度的權(quán)重分別為40%、20%、20%、10%、10%，計(jì)算的綜合評(píng)分如表4所示。其中，為加權(quán)后的綜合評(píng)分，b為各個(gè)參數(shù)的權(quán)重，Y為每個(gè)參數(shù)歸一化后的值，=1,2,3,4,5。

表4 噴丸工藝正交實(shí)驗(yàn)結(jié)果

Tab.4 Orthogonal experiment results of shot peening process

在噴丸工藝參數(shù)的極差分析中，極差越大，表示該工藝參數(shù)對(duì)噴丸綜合效果的影響越顯著。極差分析的結(jié)果如表5所示?？梢钥闯觯鱾€(gè)噴丸工藝參數(shù)對(duì)18CrNiMo7-6滾子的綜合噴丸效果重要度依次為噴射角度、噴射速度、彈丸類型、覆蓋率、彈丸直徑，在各個(gè)工藝參數(shù)范圍內(nèi)，較優(yōu)的工藝參數(shù)組合為：噴射角度90°，噴射速度80 m/s，彈丸直徑0.7 mm，覆蓋率300%，彈丸類型為鑄鋼丸。為了進(jìn)一步量化各個(gè)工藝參數(shù)對(duì)噴丸綜合效果的重要度，采用隨機(jī)森林算法對(duì)工藝參數(shù)重要度進(jìn)行評(píng)價(jià)。隨機(jī)森林（Random Forest，RF）是以決策樹(shù)為基學(xué)習(xí)器的集成學(xué)習(xí)算法，具有預(yù)測(cè)準(zhǔn)確率高、泛化能力強(qiáng)的優(yōu)點(diǎn)，可用于分類和回歸分析，同時(shí)給出特征的重要度[40]。隨機(jī)森林根據(jù)平均基尼指數(shù)（Mean Decrease Gini，MDG）和平均下降精度（Mean Decrease Accuracy，MDA）兩種算法對(duì)噴丸工藝參數(shù)的重要度進(jìn)行評(píng)價(jià)。由于隨機(jī)森林的雙重隨機(jī)機(jī)制，僅使用屬性在隨機(jī)森林決策樹(shù)中的出現(xiàn)頻率來(lái)體現(xiàn)特征重要性不可取[41]，導(dǎo)致基于平均基尼指數(shù)的重要度分析方法精度較差。為了評(píng)價(jià)不同工藝參數(shù)對(duì)噴丸綜合效果的重要度，本文選用平均下降精度進(jìn)行特征重要性分析，重要性評(píng)分（Variable Importance Measure，VIM）公式如式（11）所示。

表5 噴丸綜合評(píng)分結(jié)果極差分析

Tab.5 Range analysis of shot peening comprehensive score results

2.2 噴丸強(qiáng)化GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

隱藏層神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)對(duì)噴丸表面完整性參數(shù)預(yù)測(cè)模型的精度影響顯著。根據(jù)公式（3）初步確定隱藏層節(jié)點(diǎn)數(shù)范圍為4~12，以決定系數(shù)2為精度評(píng)價(jià)參數(shù)，運(yùn)用試錯(cuò)法得到噴丸表面完整性預(yù)測(cè)模型的精度隨隱藏層節(jié)點(diǎn)數(shù)的變化曲線，如圖9所示?？梢钥闯?，當(dāng)節(jié)點(diǎn)數(shù)為4~6時(shí)，決定系數(shù)2隨著節(jié)點(diǎn)數(shù)的增加而增大，當(dāng)節(jié)點(diǎn)數(shù)為6時(shí)，2最大，為0.9978，當(dāng)節(jié)點(diǎn)數(shù)為7~12時(shí)，2逐漸減小，隨后穩(wěn)定在0.91左右。

由表2正交實(shí)驗(yàn)方案共得到16組殘余應(yīng)力曲線，其中試驗(yàn)組數(shù)為2、8、11、15組的數(shù)據(jù)為測(cè)試集。

圖10a為第2組殘余應(yīng)力有限元仿真值與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值擬合圖。圖10b為有限元仿真值與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值的對(duì)比圖?？梢钥闯?，殘余應(yīng)力有限元仿真值與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值吻合較好。

圖9 噴丸性能預(yù)測(cè)模型R2隨隱藏層節(jié)點(diǎn)數(shù)的變化

圖10 第2組測(cè)試集殘余應(yīng)力神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與有限元仿真值對(duì)比

計(jì)算了第2、8、11、15組測(cè)試集的表面殘余壓應(yīng)力、最大殘余壓應(yīng)力、殘余壓應(yīng)力層深、最大殘余壓應(yīng)力層深和表面粗糙度5個(gè)噴丸主要評(píng)價(jià)參數(shù)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與有限元仿真值的相對(duì)誤差，結(jié)果如圖11所示?？梢钥闯?，最大殘余壓應(yīng)力的相對(duì)誤差為0.41%~2.29%，測(cè)試集中最大相對(duì)誤差小于7%，預(yù)測(cè)結(jié)果的精度在噴丸工藝的可接受范圍內(nèi)。

噴丸表面完整性參數(shù)預(yù)測(cè)模型的精度評(píng)價(jià)參數(shù)有2、RMSE、MRE，以2為主要評(píng)價(jià)參數(shù)，預(yù)測(cè)模型精度評(píng)價(jià)如表6所示?？梢钥闯?，4組測(cè)試集的殘余應(yīng)力決定系數(shù)（2）均大于0.99，平均相對(duì)誤差（MRE）均低于7%，其中第8組的預(yù)測(cè)精度最高，2為0.9967。采用4組測(cè)試集來(lái)驗(yàn)證模型精度，說(shuō)明預(yù)測(cè)模型的泛化能力及魯棒性，且在噴丸領(lǐng)域，此精度滿足工程需求，可以為噴丸工藝人員提供相關(guān)參考。

圖11 測(cè)試集神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與有限元仿真值的相對(duì)誤差

表6 測(cè)試集的2、RMSE、MRE值

Tab.6 R2, RMSE and MRE values of the test sets

3 結(jié)論

1）噴丸各個(gè)工藝參數(shù)對(duì)18CrNiMo7-6滾子的綜合噴丸效果的重要度依次為噴射角度（0.249）、噴射速度（0.224）、彈丸類型（0.193）、覆蓋率（0.173）、彈丸直徑（0.161）。在各個(gè)工藝參數(shù)范圍內(nèi)，較優(yōu)的工藝參數(shù)組合為：噴射角度90°，噴射速度80 m/s，彈丸直徑0.7 mm，覆蓋率為300%，彈丸材料為鑄鋼丸。

2）基于GA-BP神經(jīng)網(wǎng)絡(luò)的噴丸表面完整性參數(shù)預(yù)測(cè)模型，殘余應(yīng)力的決定系數(shù)2大于0.99，殘余應(yīng)力和表面粗糙度的平均相對(duì)誤差均低于7%，此模型可以較準(zhǔn)確地表示噴丸工藝參數(shù)與表面完整性參數(shù)之間的映射關(guān)系，預(yù)測(cè)精度滿足工程需求。

[1] TEKELI S. Enhancement of fatigue strength of SAE 9245 steel by shot peening[J]. Materials letters, 2002, 57(3): 604-608.

[2] TORRES M A S, VOORWALD H J C. An evaluation of shot peening, residual stress and stress relaxation on the fatigue life of AISI 4340 steel[J]. International journal of fatigue, 2002, 24(8): 877-886.

[3] 李行, 張繼旺, 易科尖, 等. 噴丸處理EA4T車軸鋼疲勞性能和殘余應(yīng)力松弛行為研究[J]. 表面技術(shù), 2019, 48(10): 244-250.LI Xing, ZHANG Ji-wang, YI Ke-jian, et al. Fatigue pro-perties and residual stress relaxation behavior of shot pee-ned EA4T axle steel[J]. Surface technology, 2019, 48(10): 244-250.

[4] 徐科飛. 噴丸工藝對(duì)18CrNiMo7-6齒輪彎曲疲勞強(qiáng)度的影響研究[D]. 鄭州: 鄭州大學(xué), 2016.XU Ke-fei. Study on effect of shot peening on bending fatigue strength of 18CrNiMo7-6 gear[D]. Zhengzhou:Zhengzhou University, 2016.

[5] NORDIN E, ALFREDSSON B. Experimental investiga-tion of shot peening on case hardened SS2506 gear steel [J]. Experimental techniques, 2017, 41(4): 433-451.

[6] SEKI M, YOSHIDA A, OHUE Y, et al. Influence of shot peening on surface durability of case-hardened steel gears [J]. Journal of advanced mechanical design systems and manufacturing, 2007, 1(4): 518-529.

[7] IIDA K, TOSHA K. Comparison between steel shot and glass shot on the peened surface and the surface layer[J]. Journal of the Japan Society for Precision Engineering, 1988, 54(5): 922-927.

[8] UNAL O, VAROL R. Almen intensity effect on microstr-u-cture and mechanical properties of low carbon steel sub-jected to severe shot peening[J]. Applied surface science, 2014, 290: 40-47.

[9] 何嘉禧, 汪舟, 甘進(jìn), 等. 二次噴丸42CrMo鋼表面完整性的數(shù)值模擬研究[J]. 表面技術(shù), 2020, 49(6): 216- 223. HE Jia-xi, WANG Zhou, GAN Jin, et al. Numerical simu-lation on surface integrity of 42CrMo steel after dual shot peening[J]. Surface technology, 2020, 49(6): 216-223.

[10] WU J Z, LIU H J, WEI P T, et al. Effect of shot peening coverage on residual stress and surface roughness of 18CrNiMo7-6 steel[J]. International journal of mechani-cal sciences, 2020, 183: 105785.

[11] LIN Q J, LIU H J, ZHU C C, et al. Effects of different shot peening parameters on residual stress, surface roug-hness and cell size[J]. Surface & coatings technology, 2020, 398: 126054.

[12] MIAO H Y, LAROSE S, PERRON C, et al. An analytical approach to relate shot peening parameters to almen int-ensity[J]. Surface & coatings technology, 2010, 205(7): 2055-2066.

[13] 李金魁, 姚枚, 王仁智. 度量噴丸強(qiáng)度的新參量[J]. 航空材料學(xué)報(bào), 1989(4): 38-45.LI Jin-kui, YAO Mei, WANG Ren-zhi.A new parameter measuring shot peening intensity[J].Journal of aeronau-tical materials, 1989(4): 38-45.

[14] 陳家偉, 廖凱, 李立君, 等. 鋁合金噴丸工藝參數(shù)-表面特征值的函數(shù)關(guān)系與應(yīng)用[J]. 表面技術(shù), 2019, 48(6): 212-220.CHEN Jia-wei, LIAO Kai, LI Li-jun, et al.Function rela-tionship between shot peening parameters and surface characteristic of Al-based alloy and application[J]. Sur-face technology, 2019, 48(6): 212-220.

[15] 裴洪, 胡昌華, 司小勝, 等. 基于機(jī)器學(xué)習(xí)的設(shè)備剩余壽命預(yù)測(cè)方法綜述[J]. 機(jī)械工程學(xué)報(bào), 2019, 55(8): 1-13. PEI Hong, HU Chang-hua, SI Xiao-sheng, et al. Review of machine learning based remaining useful life predic-tion methods for equipment[J]. Journal of mechanical eng-ineering, 2019, 55(8): 1-13.

[16] QIN Y, XIANG S, CHAI Y, et al. Macroscopic-microscopic attention in LSTM networks based on fusion features for gear remaining life prediction[J]. IEEE transactions on industrial electronics, 2020, 67(12): 10865-10875.

[17] 溫江濤, 周熙楠. 模糊粒化非監(jiān)督學(xué)習(xí)結(jié)合隨機(jī)森林融合的旋轉(zhuǎn)機(jī)械故障診斷[J]. 機(jī)械科學(xué)與技術(shù), 2018, 37(11): 88-96. WEN Jiang-tao, ZHOU Xi-nan. Fault diagnosis of rotat-ing machinery in combination with unsupervised learning of fuzzy granulation and random forest fusion[J]. Mecha-nical science and technology for aerospace engineering, 2018, 37(11): 88-96.

[18] SINGH L, KHAN R A, AGGARWAL M L. Empirical modeling of shot peening parameters for welded auste-nitic stainless steel using grey relational analysis[J]. Jou-rnal of mechanical science & technology, 2012, 26(6): 1731-1739.

[19] K?NITZER A M, POLANETZKI H. Implementation of velocity measurement as intensity verification in produc-tion[C]//International conference on shot peening (ISCP- 11). Indiana South Bend: Shotpeener, 2011: 11-17.

[20] BAGHERIFARD S, GHELICHI R, GUAGLIANO M. On the shot peening surface coverage and its assessment by means of finite element simulation: A critical review and some original developments[J]. Applied surface sci-ence, 2012, 259: 186-194.

[21] KIRK D. Shot peening[J]. Aircraft engineering & aeros-pace technology, 1999, 71(4): 349-361.

[22] NORDIN E, ALFREDSSON B. Measuring shot peening media velocity by indent size comparison[J]. Journal of materials processing technology, 2016, 235: 143-148.

[23] SEDDIK R, BAHLOUL A, ATIG A, et al. A simple meth--odology to optimize shot-peening process parameters using finite element simulations[J]. International journal of adv-a-nced manufacturing technology, 2017, 90(5): 2345-2361.

[24] 楊德. 試驗(yàn)設(shè)計(jì)與分析[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 2002: 194-196.YANG De.Design and analysis of experiments[M]. Beijing:Agricultural Press of China, 2002: 194-196.

[25] LIN Q J, LIU H J, ZHU C C, et al. Investigation on the effect of shot peening coverage on the surface integrity[J]. Applied surface science, 2019, 489: 66-72.

[26] 閆五柱, 張嘉振, 周振功. 噴丸過(guò)程中的摩擦影響研究[J]. 熱加工工藝, 2014, 43(18): 134-136.YAN Wu-zhu, ZHAGN Jia-zhen, ZHOU Zhen-gong.Study on friction during shot peening process[J].Hot working technology, 2014, 43(18): 134-136.

[27] WANG W, LIU H J, ZHU C C, et al. Evaluation of roll-ing contact fatigue of a carburized wind turbine gear con-sidering the residual stress and hardness gradient[J]. Jour-nal of tribology-transactions of the ASME, 2018, 140: 0614016.

[28] XIE L C, ZHANG J, XIONG C B, et al. Investigation on experiments and numerical modelling of the residual stress distribution in deformed surface layer of Ti-6Al-4V after shot peening[J]. Materials and design, 2012, 41: 314-318.

[29] VAARA J, KUNNARI A, FRONDDELIUS T. Literature review of fatigue assessment methods in residual stressed state[J]. Engineering failure analysis, 2020, 110: 104379.

[30] KOHLI A, DIXIT U S. A neural-network-based methodo-logy for the prediction of surface roughness in a turning process[J]. International journal of advanced manufactur-ing technology, 2005, 25(1-2): 118-129.

[31] NAGELKERKE N J D. A note on a general definition of the coefficient of determination[J].Biometrika, 1991, 78(3): 691-692.

[32] 李文龍, 陳燕, 趙楊, 等. 采用神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化磁粒研磨TC4彎管工藝參數(shù)[J]. 表面技術(shù), 2020, 49(6): 330-336. LI Wen-long, CHEN Yan, ZHAO Yang, et al. Optimizing technological parameters of magnetite grinding TC4 elbow by neural network and genetic algorithms[J]. Surface tec-hnology, 2020, 49(6): 330-336.

[33] HU Z X, ZHU L, TENG J X, et al. Evaluation of three- dimensional surface roughness parameters based on digital image processing[J]. International journal of advanced manufacturing technology, 2009, 40(3-4): 342-348.

[34] ZHANG B Y, LIU H J, BAI H Y, et al. Ratchetting- multiaxial fatigue damage analysis in gear rolling contact considering tooth surface roughness[J]. Wear, 2019, 428- 429: 137-146.

[35] 朱鵬飛, 嚴(yán)宏志, 陳志, 等. 齒輪齒面噴丸強(qiáng)化研究現(xiàn)狀與展望[J]. 表面技術(shù), 2020, 49(4): 113-131.ZHU Peng-fei, YAN Hong-zhi, CHEN Zhi, et al. Research status and prospect of shot peening of gear tooth flanks[J]. Surface technology, 2020, 49(4): 113-131.

[36] 秦海迪, 張亞龍, 劉海鵬, 等. 噴丸對(duì)25CrNi2MoV鋼滾動(dòng)接觸疲勞性能的影響[J]. 表面技術(shù), 2020, 49(5): 222-229. QIN Hai-di, ZHANG Ya-long, LIU Hai-peng, et al. Effect of shot peening on rolling contact fatigue properties of 25CrNi2MoV steel[J]. Surface technology, 2020, 49(5): 222-229.

[37] 周文龍, 呂成, 李燁, 等. 噴丸強(qiáng)度對(duì)316不銹鋼表面完整性及疲勞壽命的影響[J]. 表面技術(shù), 2020, 49(7): 230-237. ZHOU Wen-long, LYU Cheng, LI Ye, et al. Effect of shot peening intensity on surface integrity and fatigue life of 316 stainless steel[J]. Surface technology, 2020, 49(7): 230-237.

[38] 王利平, 王建明, 趙莉莉. 基于正交試驗(yàn)法的噴丸工藝多目標(biāo)參數(shù)優(yōu)化[J]. 現(xiàn)代制造工程, 2016(3): 110-114. WANG Li-ping, WANG Jian-ming, ZHAO Li-li. Multi- object optimization for the shot peening parameters based on orthogonal experiment method[J]. Modern manufactu-r-ing engineering, 2016(3): 110-114.

[39] 侯化國(guó), 王玉民. 正交試驗(yàn)法[M]. 長(zhǎng)春: 吉林人民出版社, 1985: 74-76. HOU Hua-guo, WANG Yu-min.Orthogonal experiment [M]. Changchun:Jilin People’s Publishing House, 1985: 74-76.

[40] BREIMAN L. Random forests[J]. Machine learning, 2001, 45(1): 5-32.

[41] 黃梅, 朱焱. 基于隨機(jī)森林特征重要性的-匿名特征優(yōu)選[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2020, 37(3): 266-270. HUANG Mei, ZHU Yan.-anonymity feature optimiz-a-tion based on the importance of random forest features[J].Computer applications and software, 2020, 37(3): 266-270.

Prediction of Surface Integrity Parameters of Shot Peening Based on Orthogonal Experiment and Data-driven

1,1,1,1,2

(1.State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing 400044, China; 2.Shanghai Peentech Equipment Tech. Co. Ltd, Shanghai 201806, China)

This paper aims to study the influence of process parameters of shot peening on the surface integrity of 18CrNiMo7-6 roller and acquire the mapping relation between process parameters and surface integrity, so as to improve the quality and efficiency of shot peening process. During this, Python language was used for the secondary development of Abaqus to establish the random multi-shots model of shot peening simulation and the experimental verification was carried out. Orthogonal experiment was designed to study the effect laws of impact angle, impact velocity, shot diameter, coverage and shot type on residual stress and surface roughness, and the importance value of each process parameter on the comprehensive effect of shot peening was obtained by the random forest algorithm. With impact angle, impact velocity, shot diameter, coverage, shot type and surface depth as input values and residual stress and surface roughness as output values, a prediction model of shot peening surface integrity based on neural network was established. Through the orthogonal test, it is found that the shot diameter and impact velocity have a significant influence on the surface roughness. The importance of each shot peening process parameter to the comprehensive shot peening effect of 18CrNiMo7-6 roller is impact angle (0.249), impact velocity (0.224), shot type (0.193), coverage (0.173) and shot diameter (0.161). The optimal combination of process parameters within the range of each process parameter is that the impact angle is 90°, the impact velocity is 80 m/s, the shot diameter is 0.7 mm, the coverage is 300%, and the shot material is cast steel shot. The average relative error of the shot peening surface integrity prediction model based on neural network is less than 7%. Therefore, it is concluded that the shot peening surface integrity prediction model based on neural network can accurately represent the mapping relation between the shot peening process parameters and surface integrity parameters, thus providing relevant reference for shot peening process.

shot peening strengthening; residual stress; surface roughness; orthogonal experiment; data-driven; finite element simulation

2020-01-05；

2020-05-09

WU Shao-jie (1997—), Male, Master, Research focus: data-driven and shot peening.

劉懷舉（1986—），男，博士，副教授，主要研究方向?yàn)闄C(jī)械傳動(dòng)智能設(shè)計(jì)與抗疲勞制造。郵箱：huaijuliu@cqu.edu.cn

Corresponding author：LIU Huai-ju (1986—), Male, Doctor, Associate professor, Research focus: intelligent design of mechanical transmission and anti-fatigue manufacture. E-mail: huaijuliu@cqu.edu.cn

吳少杰，劉懷舉，張仁華, 等.基于正交實(shí)驗(yàn)和數(shù)據(jù)驅(qū)動(dòng)的噴丸表面完整性參數(shù)預(yù)測(cè)[J]. 表面技術(shù), 2021, 50(4): 86-95.

TG668

A

1001-3660(2021)04-0086-10

10.16490/j.cnki.issn.1001-3660.2021.04.008

2020-01-05；

2020-05-09

國(guó)家自然科學(xué)基金（51975063）；重慶市自然科學(xué)基金重點(diǎn)項(xiàng)目（cstc2019jcyj-zdxmX0007）

Fund：Supported by the National Natural Science Foundation of China (51975063), Key Program of Natural Science Foundation of Chongqing (cstc2019jcyj-zdxmX0007)

吳少杰（1997—），男，碩士研究生，主要研究方向?yàn)閿?shù)據(jù)驅(qū)動(dòng)與噴丸強(qiáng)化。

WU Shao-jie, LIU Huai-ju, ZHANG Ren-hua, et al. Prediction of surface integrity parameters of shot peening based on orthogonal experiment and data-driven[J]. Surface technology, 2021, 50(4): 86-95.