1.本发明涉及轴承合套优化领域，尤其涉及一种轴承合套组件选配工艺参数优化方法。
背景技术：2.在小批量生产深沟球轴承、圆柱滚子轴承等滚动轴承时，目前我国许多轴承生产企业仍采用手工装配的方式，由装配工人从许多待装的零件中，凭经验基于工艺参数挑选合适的零件进行试凑装配，使得装配后的轴承质量参数（通常为游隙）在合格范围内。然而，手工装配的工作效率低，质量参数合格的滚动轴承在实际使用中性能差异也较大，实际生产中组件工艺参数的优选严重依赖经验。也有生产企业尝试建立滚动轴承性能的机理仿真模型，但这类模型求解一组特定的“装配工艺参数-服役性能”往往需要极为耗时的有限元计算，很难用于指导现场的手工装配，因此亟需设计一种以提高轴承性能为目标的滚动轴承组件选配工艺参数优化方法。
技术实现要素：3.本发明的目的是提供一种轴承合套组件选配工艺参数优化方法，通过建立“工艺参数-服役性能”仿真模型的代理模型，实现合套组件选配方案的快速评价；再基于测量得到的组件工艺参数，以服役性能最优为目标，使用遗传算法对组件选配方案进行优化，使得小批量的滚动轴承在装配后的整体服役性能得以优化，在现场使用中，可以快速给出组件选配方案，提高小批量滚动轴承装配的工作效率。
4.为了实现以上目的，本发明采用的技术方案为：一种轴承合套组件选配工艺参数优化方法，包括如下步骤，步骤一、构建滚动轴承服役性能评判代理模型；步骤二、测量轴承组件的参数；步骤三、根据步骤二的轴承组件参数使用向量表征轴承组件合套，产生初始种群；步骤四、对步骤三产生的初始种群使用步骤一的代理模型评估合套质量；步骤五、判断步骤四的合套率与服役性能是否收敛，收敛则得到对应的轴承精准合套组件最优选配方案，不收敛则产生下一代种群 ，重复步骤三-步骤五直至合套率与服役性能收敛，得到对应的轴承精准合套组件最优选配方案。
5.优选的，步骤一中代理模型的构建如下：构建“工艺参数-服役性能”机理仿真模型；使用拉丁超立方抽样在参数空间进行均匀分层采样，并通过“工艺参数-服役性能”机理仿真模型计算相应的服役性能，然后通过集成学习模型进行拟合，如拟合精度满足要求，则计算集成学校模型相对仿真模型的拟合残差，训练残差拟合模型，进而得到代理模型，如拟合精度不满足要求，则通过加点准则的方式重新抽样新的参数值并计算相应的服役性能后再重复集成学习模型的拟合操作，直至拟合精度满足要求，计算集成学校模型相对仿真模型的拟合残差，训练残差拟合模型，得到
代理模型。
6.优选的，步骤五中产生下一代种群的操作包括不限于选择、交叉和变异操作。
7.首先，针对“工艺参数-服役性能”仿真模型运行计算量大、时间长的问题，使用集成学习方法构建其代理模型，具体是使用拉丁超立方抽样在参数空间进行均匀分层采样，通过仿真模型计算得到少量“参数-性能”数据，训练集成学习拟合模型。研究加点准则并获取额外关键
ꢀ“
参数-性能”数据，进一步提升拟合精度。最后修正残差得到精确代理模型；用于在参数优化中评价装配的服役性能，集成学习算法近年来在多种数据竞赛中占据优势，实用效果强。
8.其次，在对滚动轴承组件选配参数进行测量并记录的基础上，使用代理模型评价组件选配方案的服役性能，在保证合套率的前提下，以最优服役性能为目标，使用遗传算法对合套组件选配方案进行优化。
9.本发明的技术效果为：针对现有小批量滚动轴承合套组件选配严重依赖经验的问题，本发明技术方案通过建立“工艺参数-服役性能”仿真模型的代理模型，实现合套组件选配方案的快速评价；再基于测量得到的组件工艺参数，以服役性能最优为目标，使用遗传算法对组件选配方案进行优化；本发明技术方案使得小批量的滚动轴承在装配后的整体服役性能得以优化，在现场使用中，可以快速给出组件选配方案，提高小批量滚动轴承装配的工作效率。
附图说明
10.图1为一种轴承合套组件选配工艺参数优化方法的流程示意图。
11.图2为滚动轴承服役性能评判代理模型的构建流程示意图。
具体实施方式
12.为了使本领域技术人员更好地理解本发明的技术方案，下面结合附图对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。
13.如图1-图2所示，本发明一种轴承合套组件选配工艺参数优化方法，包括如下步骤，步骤一、构建“工艺参数-服役性能”机理仿真模型；使用拉丁超立方抽样在参数空间进行均匀分层采样，并通过“工艺参数-服役性能”机理仿真模型计算相应的服役性能，然后通过集成学习模型进行拟合，如拟合精度满足要求，则计算集成学校模型相对仿真模型的拟合残差，训练残差拟合模型，进而得到代理模型，如拟合精度不满足要求，则通过加点准则的方式重新抽样新的参数值并计算相应的服役性能后再重复集成学习模型的拟合操作，直至拟合精度满足要求，计算集成学校模型相对仿真模型的拟合残差，训练残差拟合模型，得到代理模型；步骤二、测量待装配的轴承组件的参数；步骤三、根据步骤二的轴承组件参数使用向量表征轴承组件合套，产生初始种群；步骤四、对步骤三产生的初始种群使用步骤一的代理模型评估合套质量；步骤五、判断步骤四的合套率与服役性能是否收敛，收敛则得到对应的轴承精准
合套组件最优选配方案，不收敛则使用选择、交叉和变异操作产生下一代种群 ，重复步骤三-步骤五直至合套率与服役性能收敛，得到对应的轴承精准合套组件最优选配方案。
14.本发明技术方案使得小批量的滚动轴承在装配后的整体服役性能得以优化，在现场使用中，可以快速给出组件选配方案，提高小批量滚动轴承装配的工作效率。
15.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
16.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上所述仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。
技术特征：1.一种轴承合套组件选配工艺参数优化方法，其特征在于，包括如下步骤，步骤一、构建滚动轴承服役性能评判代理模型；步骤二、测量轴承组件的参数；步骤三、根据步骤二的轴承组件参数使用向量表征轴承组件合套，产生初始种群；步骤四、对步骤三产生的初始种群使用步骤一的代理模型评估合套质量；步骤五、判断步骤四的合套率与服役性能是否收敛，收敛则得到对应的轴承精准合套组件最优选配方案，不收敛则产生下一代种群 ，重复步骤三-步骤五直至合套率与服役性能收敛，得到对应的轴承精准合套组件最优选配方案。2.根据权利要求1所述的一种轴承合套组件选配工艺参数优化方法，其特征在于，步骤一中代理模型的构建如下：构建“工艺参数-服役性能”机理仿真模型；使用拉丁超立方抽样在参数空间进行均匀分层采样，并通过“工艺参数-服役性能”机理仿真模型计算相应的服役性能，然后通过集成学习模型进行拟合，如拟合精度满足要求，则计算集成学校模型相对仿真模型的拟合残差，训练残差拟合模型，进而得到代理模型，如拟合精度不满足要求，则通过加点准则的方式重新抽样新的参数值并计算相应的服役性能后再重复集成学习模型的拟合操作，直至拟合精度满足要求，计算集成学校模型相对仿真模型的拟合残差，训练残差拟合模型，得到代理模型。3.根据权利要求1所述的一种轴承合套组件选配工艺参数优化方法，其特征在于，步骤五中产生下一代种群的操作包括不限于选择、交叉和变异操作。
技术总结本发明涉及轴承合套优化领域，尤其涉及一种轴承合套组件选配工艺参数优化方法，包括如下步骤，步骤一、构建滚动轴承服役性能评判代理模型；步骤二、测量轴承组件的参数；步骤三、根据步骤二的轴承组件参数使用向量表征轴承组件合套，产生初始种群；步骤四、对步骤三产生的初始种群使用步骤一的代理模型评估合套质量；步骤五、判断步骤四的合套率与服役性能是否收敛，收敛则得到对应的轴承精准合套组件最优选配方案，不收敛则产生下一代种群，重复步骤三-步骤五直至合套率与服役性能收敛，得到对应的轴承精准合套组件最优选配方案；在现场使用中，可以快速给出组件选配方案，提高小批量滚动轴承装配的工作效率。量滚动轴承装配的工作效率。量滚动轴承装配的工作效率。
技术研发人员：杨喆 周灵川 王湘 宋成浩 李川
受保护的技术使用者：东莞理工学院
技术研发日：2022.06.30
技术公布日：2022/11/1
