基于BP神经网络的齿轮渗碳淬火热处理工艺优化研究.pdfVIP

摘要

摘要

随着新能源汽车的快速发展，对高速化高扭矩的技术特征传动系统的可靠性和

长寿命提出了更高的要求。斜齿轮作为汽车传动系统的关键零部件，其性能提升更

是重中之重。渗碳淬火是最常见的齿轮表面强化手段，但渗碳淬火在提高性能的同

时往往伴随着材料变形的问题。由于渗碳淬火过程是一种涉及许多因素的非线性过

程，实验周期长且实验成本开销较大，因此对齿轮变形的有效控制也成了目前渗碳

淬火过程中最大的难题。采用计算机仿真模拟手段和人工智能技术实现对渗碳淬火

工艺的优化，对于提高齿轮生产制造效率具有重要的研究意义。

利用JmatPro软件计算20CrMnTiH齿轮钢数值模拟过程中所需物性参数，结合

COSMAP软件对斜齿轮进行渗碳淬火数值模拟，经实验测试对齿轮的微观组织、硬

度及变形量进行表征。实验结果和模拟结果高度吻合，表明了数值模拟方法的有效

性；通过对热处理工艺参数的设计，获得了齿轮渗碳淬火有限元模拟数据集，为后

续神经网络模型的建立奠定基础。

将渗碳淬火过程中的渗碳温度、强渗时间、扩散时间及冷却时换热系数作为输

入层，变形量、螺旋线总偏差及表层硬度作为输出层，构建了渗碳淬火工艺BP神经

网络模型，对PSO算法参数调优获得了粒子群算法的基本控制要素，通过优化后PSO

算法调整BP神经网络的阈值初始值和权值初始值，得到全新PSO-BP神经网络模型。

由模型训练结果可知，PSO-BP神经网络模型精度优于传统BP神经网络模型，保证

了后续齿轮渗碳淬火热多目标优化的可靠性和精确性。

调整NSGA-Ⅱ多目标遗传算法控制参数，建立PSO-BP-NSGA-Ⅱ优化模型，实

现齿轮渗碳淬火热处理工艺参数多目标优化，通过求解得到10组Pareto最优解集，

910132min60min

经满意度计算，取其中渗碳温度℃、强渗时间、扩散时间及换热

系数2的工艺组合进行实验验证。结果表明，该优化工艺下齿轮螺旋线总偏差由15.5

μm减小至11.3μm，与PSO-BP-NSGA-Ⅱ模型预测结果10.816μm误差在5％以内，

证明了该模型可精确实现齿轮渗碳淬火热处理工艺参数多目标优化。

本文采用COSMAP软件对20CrMnTiH钢斜齿轮进行渗碳淬火全流程数值模拟，

将模拟计算结果汇总得到神经网络训练数据样本集，再利用PSO-BP-NSGA-Ⅱ神经

网络对渗碳淬火工艺进行优化，寻求工艺参数的最优组合，探索齿轮渗碳淬火工艺

与齿轮变形间的内在联系，对于实现齿轮渗碳淬火热处理变形控制具有重要的实用

意义。

关键词齿轮；渗碳淬火；数值模拟；神经网络；工艺优化

I

河北科技大学硕士学位论文

II

Abstract

Abstract

Withtherapiddevelopmentofnewenergyvehicles,thetechnicalcharacteristicsof

highspeedandhightorqueputforwardhigherrequirementsforthereliabilityandlong

lifeofthetransmissionsystem.Thedifferentialhelicalgearisakeycomponentofthe

automobiletransmissionsystem,anditsperformanceimprovementismoreimportant.

Carburizingandquenchingisthemostcommonmeansofgearsurfacestrengthening,but

itisoftenaccompaniedbytheprobl