CN113399344A - 高压喷射清洗机工艺参数优化方法和计算装置 - Google Patents
高压喷射清洗机工艺参数优化方法和计算装置 Download PDFInfo
- Publication number
- CN113399344A CN113399344A CN202110597253.1A CN202110597253A CN113399344A CN 113399344 A CN113399344 A CN 113399344A CN 202110597253 A CN202110597253 A CN 202110597253A CN 113399344 A CN113399344 A CN 113399344A
- Authority
- CN
- China
- Prior art keywords
- cleaning
- process parameters
- significant
- factors
- cleanliness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
- B08B3/02—Cleaning by the force of jets or sprays
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B2203/00—Details of cleaning machines or methods involving the use or presence of liquid or steam
- B08B2203/007—Heating the liquid
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B2203/00—Details of cleaning machines or methods involving the use or presence of liquid or steam
- B08B2203/02—Details of machines or methods for cleaning by the force of jets or sprays
- B08B2203/0217—Use of a detergent in high pressure cleaners; arrangements for supplying the same
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Cleaning By Liquid Or Steam (AREA)
Abstract
本发明公开了一种高压喷射清洗机工艺参数优化方法和计算装置。高压喷射清洗机工艺参数优化方法包括获取控制因素、控制因素的第一工艺参数,以及由各个控制因素的第一工艺参数共同形成的第一清洗清洁度;根据控制因素、第一工艺参数和第一清洗清洁度,从控制因素中获得显著因素;根据各个显著因素的第一工艺参数以及各个显著因素的第一工艺参数对应的第一清洗清洁度,计算出各个显著因素的初步优化值;根据初步优化值计算出各个显著因素的第二工艺参数并获取由各个显著因素的第二工艺参数共同形成的第二清洗清洁度,根据第二工艺参数和第二清洗清洁度计算出最佳工艺参数组合。
Description
技术领域
本发明涉及清洗领域,特别涉及一种高压喷射清洗机工艺参数优化方法和计算装置。
背景技术
在生产和生活过程中经常需要对物件进行清洗,传统的清洗技术有蒸汽清洗、化学清洗、超声波清洗、以及高压喷射清洗等,目前高压喷射清洗已经成为清洗领域的主流。高压喷射清洗由于效率高、成本低、不损伤工件、操作方便和安全等优点被广泛地应用于大型设备或零部件的表面、压力容器、工业容器和管道等。高压喷射清洗能够清洁的污垢类型包括:各类盐碱类污垢、氧化铁、金属锈蚀物、油脂及其油污凝结物、油漆、灰尘和附着在船体的海洋生物等。
在现有技术中,高压喷射清洗一般由高压喷射清洗机完成,高压喷射清洗机包括:用于控制清洗液喷射到清洗物表面上的压力的上、下清洗移动装置;用于对清洗液进行加热和恒温控制的加热***;用于对清洗液进行收集和过滤的清洗液过滤***。这些***能够控制清洗液喷射到清洗物表面的压力、清洗温度、清洗液的浓度等影响清洗效果的控制因素,但是在现有技术中缺乏对这些控制因素的研究,高压喷射清洗机不能高效地清洗各种物体,造成资源的浪费。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种高压喷射清洗机工艺参数优化方法和计算装置,能够使高压喷射清洗机快速地获得最佳的工艺参数,在确保清洗效果的情况下提高高压喷射清洗机的工作效率,并且节能环保。
根据本发明第一方面实施例的高压喷射清洗机工艺参数优化方法,包括:
获取控制因素、所述控制因素的第一工艺参数,以及由各个所述控制因素的所述第一工艺参数共同形成的第一清洗清洁度;
根据所述控制因素、所述第一工艺参数和所述第一清洗清洁度,从所述控制因素中获得显著因素;
根据各个所述显著因素的所述第一工艺参数以及各个所述显著因素的所述第一工艺参数对应的所述第一清洗清洁度,计算出各个所述显著因素的初步优化值;
根据所述初步优化值计算出各个所述显著因素的第二工艺参数并获取由各个所述显著因素的所述第二工艺参数共同形成的第二清洗清洁度,根据所述第二工艺参数和所述第二清洗清洁度计算出最佳工艺参数组合。
根据本发明第一方面实施例的高压喷射清洗机工艺参数优化方法,至少具有如下有益效果:
以第一清洗清洁度作为评价高压喷射清洗机清洗效果的初步参考标准,根据不同控制因素的不同第一工艺参数组合而获得的第一清洗清洁度,选取出影响第一清洗清洁度的主要控制因素作为显著因素,并对显著因素作进一步分析,能够快速地排除对第一清洁度影响较少的控制因素,减少对数据分析的复杂度,提高计算最佳工艺参数组合的效率。通过计算各个显著因素的初步优化值,在保障清洁效果的前提下得出各个显著因素的初步的最佳工艺参数值。根据初步优化值计算各个显著因素的第二工艺参数,并根据各个显著因素的第二工艺参数组合获得第二清洗清洁度。以第二清洗清洁度作为评价高压喷射清洗机清洗效果的最终参考标准,根据第二清洗清洁度和第二工艺参数的对应关系构建出显著因素与第二清洗清洁度的关系模型,在保证清洁效果的前提下从模型中得到显著因素的最佳工艺参数组合。由此可见,本方法先从所有控制因素中筛选出显著因素作为分析对象,并在确保清洁效果的前提下,得出显著因素的最佳工艺参数组合,使高压喷射清洗机能够快速地获得最佳的工艺参数,在确保清洗效果的情况下提高高压喷射清洗机的工作效率,本发明能够优化高压喷射清洗机对资源的配置和有效利用率,避免能源的浪费,实现节能环保的目的。
根据本发明的一些实施例,所述第一清洗清洁度和所述第二清洗清洁度为清洗后物体表面颗粒数量。
根据本发明的一些实施例,所述控制因素的数量至少为两个,各个所述控制因素的所述第一工艺参数的数量至少为两个。
根据本发明的一些实施例,所述控制因素包括喷射表面压力、清洗时间、清洗液温度和清洗液浓度。
根据本发明的一些实施例,所述根据所述控制因素、所述第一工艺参数和所述第一清洗清洁度,从所述控制因素中获得显著因素,包括:
构造所述控制因素、所述第一工艺参数和所述第一清洗清洁度的正交模型;
通过极差分析算法计算出所述正交模型中各个所述控制因素的极差值;
根据所述极差值对所述控制因素进行排序并得出显著因素。
根据本发明的一些实施例,所述极差分析算法为:
R=max[k1,…,ki]-min[k1…,ki]
其中,所述R表示各个所述控制因素的极差值,所述i表示同一所述控制因素的不同第一工艺参数的个数,所述ki表示在所述正交模型中同一所述控制因素的相同的所述第一工艺参数所对应的所述第一清洗清洁度之和,所述 max[k1,…,ki]表示获取所述k1至所述ki中的最大值,所述min[k1…,ki]表示获取所述k1至所述ki中的最小值。
根据本发明的一些实施例,所述根据各个所述显著因素的所述第一工艺参数以及各个所述显著因素的所述第一工艺参数对应的所述第一清洗清洁度,计算出各个所述显著因素的初步优化值,包括:
通过最小二乘算法分别对各个所述显著因素的所述第一工艺参数以及各个所述显著因素的所述第一工艺参数对应的所述第一清洗清洁度进行曲线拟合,获得各个所述显著因素的曲线函数;
通过最速下降算法计算出各个所述曲线函数的最小值,各个所述曲线函数的最小值构成初步优化值。
根据本发明的一些实施例,所述显著因素的数量至少为两个,根据所述初步优化值计算出各个所述显著因素的第二工艺参数并获取由各个所述显著因素的所述第二工艺参数共同形成的第二清洗清洁度,根据所述第二工艺参数和所述第二清洗清洁度计算出最佳工艺参数组合,包括:
根据等径因子为等边八边形且中心点为所述初步优化值的中心复合设计法计算出各个所述显著因素的第二工艺参数;
获取由各个所述显著因素的所述第二工艺参数共同形成的第二清洗清洁度;
通过最小二乘法对所述第二工艺参数和所述第二清洗清洁度进行曲面拟合,获得二阶响应面函数;
通过列文伯格-马夸尔特算法计算出所述二阶响应面函数的最小值,所述二阶响应面函数的最小值为最佳工艺参数组合。
根据本发明的一些实施例,所述二阶响应面函数为:
其中,所述y表示所述第二清洗清洁度,所述xi和所述xj表示第i个和第j 个所述显著因素所对应的第二工艺参数,所述n表示显著因素的个数,所述δy为回归值与真实值的误差,所述β0、所述βi、所述βii和所述βij为所述二阶响应面函数中各项的待定系数。
根据本发明第二方面实施例的计算装置,应用于高压喷射清洗机,包括:
处理器,所述处理器的数量至少为一个;
存储介质,用于存储至少一个程序,所述存储介质的数量至少为一个,所述存储介质与所述处理器通信连接,当所述程序被所述处理器执行,使得所述处理器实现上述第一方面实施例的高压喷射清洗机工艺参数优化方法。
根据本发明第二方面实施例的计算装置,至少具有如下有益效果:
应用了上述第一方面实施例的计算装置能够快速地从所有控制因素中筛选出显著因素作为分析对象,并在确保清洁效果的前提下,得出显著因素的最佳工艺参数组合,使高压喷射清洗机能够快速地获得最佳的工艺参数,在确保高压喷射清洗机的清洗效果的情况下提高高压喷射清洗机的工作效率,优化高压喷射清洗机对资源的配置和有效利用率,避免能源的浪费,实现节能环保的目的。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明的一个实施例提供的高压喷射清洗机工艺参数优化方法示意图;
图2为本发明的另一个实施例提供的高压喷射清洗机工艺参数优化方法示意图;
图3为本发明的一个实施例提供的控制因素的水平表示意图;
图4为本发明的一个实施例提供的控制因素的正交模型示意图;
图5为本发明的另一个实施例提供的高压喷射清洗机工艺参数优化方法示意图;
图6是本发明的一个实施例提供的喷射表面压力和第一清洗清洁度的第一曲线函数的曲线图;
图7为本发明的另一个实施例提供的高压喷射清洗机工艺参数优化方法示意图;
图8为本发明的一个实施例提供的等边八边形等径因子示意图;
图9为本发明的一个实施例提供的中心复合设计模型示意图;
图10为本发明的一个实施例提供的喷射表面压力、清洗时间和第二清洗清洁度的二阶响应面函数的曲面图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二、第三、第四只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
下面结合附图详细描述本发明第一方面实施例的高压喷射清洗机工艺参数优化方法。
参照图1,本发明的一个实施例提供的高压喷射清洗机工艺参数优化方法,该方法应用于高压喷射清洗机,该方法包括但不限于以下步骤:
S100,获取控制因素、控制因素的第一工艺参数,以及由各个控制因素的第一工艺参数共同形成的第一清洗清洁度;
S200,根据控制因素、第一工艺参数和第一清洗清洁度,从控制因素中获得显著因素;
S300,根据各个显著因素的第一工艺参数以及各个显著因素的第一工艺参数对应的第一清洗清洁度,计算出各个显著因素的初步优化值;
S400,根据初步优化值计算出各个显著因素的第二工艺参数并获取由各个显著因素的第二工艺参数共同形成的第二清洗清洁度,根据第二工艺参数和第二清洗清洁度计算出最佳工艺参数组合。
本实施例的高压喷射清洗机工艺参数优化方法以第一清洗清洁度作为评价高压喷射清洗机清洗效果的初步参考标准,根据不同控制因素的不同第一工艺参数组合而获得的第一清洗清洁度,选取出影响第一清洗清洁度的主要控制因素作为显著因素,并对显著因素作进一步分析,能够快速地排除对第一清洁度影响较少的控制因素,减少对数据分析的复杂度,提高计算最佳工艺参数组合的效率。通过计算各个显著因素的初步优化值,在保障清洁效果的前提下得出各个显著因素的初步的最佳工艺参数值。根据初步优化值计算各个显著因素的第二工艺参数,并根据各个显著因素的第二工艺参数组合获得第二清洗清洁度。以第二清洗清洁度作为评价高压喷射清洗机清洗效果的最终参考标准,根据第二清洗清洁度和第二工艺参数的对应关系构建出显著因素与第二清洗清洁度的关系模型,在保证清洁效果的前提下从模型中得到显著因素的最佳工艺参数组合。由此可见,本方法先从所有控制因素中筛选出显著因素作为分析对象,并在确保清洁效果的前提下,得出显著因素的最佳工艺参数组合,使高压喷射清洗机能够快速地获得最佳的工艺参数,在确保清洗效果的情况下提高高压喷射清洗机的工作效率,本发明能够优化高压喷射清洗机对资源的配置和有效利用率,避免能源的浪费,实现节能环保的目的。
进一步地,第一清洗清洁度和第二清洗清洁度为清洗后物体表面残留的颗粒数量,通过统计清洗后物体表面残留的颗粒数量能够量化高压喷射清洗机的清洗效果,以便于通过计算获得最佳工艺参数组合。
参照图2、图3和图4,本发明的另一个实施例提供的高压喷射清洗机工艺参数优化方法,在上述实施例的基础上,图2所示方法为图1中步骤S200的具体流程,该方法包括但不限于以下步骤:
S210,构造控制因素、第一工艺参数和第一清洗清洁度的正交模型;
S220,通过极差分析算法计算出正交模型中各个控制因素的极差值;
S230,根据极差值对控制因素进行排序并得出显著因素。
具体地,在本实施例中,控制因素的数量为四个,其中包括喷射表面压力、清洗时间、清洗液温度和清洗液浓度,清洗液温度的第一工艺参数(A)的取值范围为20℃≤A≤80℃;喷射表面压力的第一工艺参数(B)的取值范围为0.2MP ≤B≤0.5MP;清洗液浓度的第一工艺参数(C)的取值范围为0.05≤C≤0.1(清洗液与水的比值);清洗时间的第一工艺参数(D)的取值范围为10min≤D≤20min。如图3所示,在各个控制因素所对应的第一工艺参数中选取四个水平值,每个水平值对应一个水平号。对四个控制因素的不同水平值的组合做试验,得出第一清洗清洁度。如图4所述,在步骤S210中,选取十六个第一清洗清洁度和其对应各个控制因素的第一工艺参数的水平值构造控制因素的正交模型。
在步骤S220中,通过极差分析算法计算出正交模型中喷射表面压力、清洗时间、清洗液温度和清洗液浓度的极差值,具体地,极差值的计算公式为:
R=max[k1,…,ki]-min[k1…,ki]
其中,R表示各个控制因素的极差值,i表示同一控制因素的不同第一工艺参数的个数,即同一控制因素的水平值的数量,在本实例中的i=4,ki表示在正交模型中同一控制因素的相同水平号的水平值所对应的第一清洗清洁度之和,例如,参照图4,对于喷射表面压力,k1=S1+S5+S9+S13,k2=S2+S6+S10+S14, k3=S3+S7+S11+S15,k4=S4+S8+S12+S16,max[k1,…,ki]表示获取k1至ki中的最大值,min[k1…,ki]表示获取k1至k4中的最小值。极差值最大的那一列控制因素的第一工艺参数的改变对第一清洗清洁度的影响最大,因此通过步骤S230比较各个控制因素的极差值,可以得出对第一清洗清洁度影响最大的控制因素。在本实施例中,R喷射表面压力>R清洗时间>R清洗液浓度>R清洗液温度,影响第一清洗清洁度的最显著的因素是喷射表面压力,其次是清洗时间、清洗液浓度,最后是清洗液温度,因此步骤S230选取喷射表面压力和清洗时间作为显著因素。通过本实施例的高压喷射清洗机工艺参数优化方法能够快速地排除对第一清洁度影响较少的控制因素,减少后续对数据分析的复杂度,提高计算最佳工艺参数组合的效率。
参照图4、图5和图6,本发明的另一个实施例提供的高压喷射清洗机工艺参数优化方法,在上述实施例的基础上,图5所示方法为图1中步骤S300的具体流程,该方法包括但不限于以下步骤:
S310,通过最小二乘算法分别对各个显著因素的第一工艺参数以及各个显著因素的第一工艺参数对应的第一清洗清洁度进行曲线拟合,获得各个显著因素的曲线函数;
S320,通过最速下降算法计算出各个所曲线函数的最小值,各个曲线函数的最小值构成初步优化值。
具体地,在步骤S310中,利用图4中喷射表面压力的第一工艺参数(B1至 B4)和第一工艺参数对应的第一清洗清洁度(S1至S16)通过最小二乘法进行曲线拟合,得到如图6所示的关于喷射表面压力的第一曲线函数;利用图4中清洗时间的第一工艺参数(D1至D4)和第一工艺参数对应的第一清洗清洁度(S1至 S16)通过最小二乘法进行曲线拟合,得到关于清洗时间的第二曲线函数。
在步骤S310中,通过最速下降算法分别计算第一曲线函数的第一最小值和第二曲线函数的第二最小值,由第一最小值和第二最小值构成初步优化值,可见初步优化值是在保证清洗效果的前提下喷射表面压力和清洗时间分别可以取得的最少值。通过本发明获得的参数在满足清洁效果的前提下减少喷射表面的压力和清洗时间,从而节约水电的使用,达到环保的效果;另外,对清洗时间的优化可以提高高压喷射清洗机的作业速度和工作效率。
具体地,在步骤S310中,分别对第一曲线函和第二曲线函数使用最速迭代公式x(k +1)=xk+λkdk(k=k+1)进行迭代,当满足条件时分别获得第一最小值和第二最小值。其中f(x)为第一曲线函数或第二曲线函数,ε表示计算精度要求,k表示迭代次数,dk表示第k次迭代的搜索方向,λk表示第k次迭代的步长,为f(x)在xk位置处的梯度,xk表示第一工艺参数第 k次迭代的值。
参照图7、图8、图9和图10,本发明的另一个实施例提供的高压喷射清洗机工艺参数优化方法,在上述实施例的基础上,图7所示方法为图1中步骤S400 的具体流程,该方法包括但不限于以下步骤:
S410,根据等径因子为等边八边形且中心点为初步优化值的中心复合设计法计算出各个显著因素的第二工艺参数;
S420,获取由各个显著因素的第二工艺参数共同形成的第二清洗清洁度;
S430,通过最小二乘法对第二工艺参数和第二清洗清洁度进行曲面拟合,获得二阶响应面函数;
S440,通过列文伯格-马夸尔特算法计算出二阶响应面函数的最小值,二阶响应面函数的最小值为最佳工艺参数组合。
具体地,参考图8和图9,步骤S410根据中心复合设计模型,将喷射表面压力和清洗时间作为研究对象,以初步优化值,即喷射表面压力的第一最小值和清洗时间和第二最小值为中心点,并以等边八边形等径因子的选择规则计算出用于实验的喷射表面压力的第二工艺参数和清洗时间的第二工艺参数。步骤420 通过对喷射表面压力的各个第二工艺参数和清洗时间的各个第二工艺参数进行组合和实验得出各个组合的第二清洗清洁度。步骤S430通过最少二乘法拟合第二清洗清洁度、喷射表面压力的第二工艺参数和清洗时间的第二工艺参数得出表征第二清洗清洁度与喷射表面压力和清洗时间之间的关系的二阶响应面函数。在本实施例中,二阶响应面函数的曲面图如图10所示,二阶响应面函数为:
其中,y表示第二清洗清洁度,xi和xj表示第i个和第j个显著因素所对应的第二工艺参数,n表示显著因素的个数,δy为回归值与真实值的误差,β0、βi、βii和βij为二阶响应面函数中各项的待定系数,β0、βi、βii、βij和δy的值通过最小二乘法求得,在本实施例中xi和xj表示喷射表面压力的第二工艺参数和清洗时间的第二工艺参数且n=2。步骤S440通过LM(Levenberg-Marquardt,列文伯格-马夸尔特)算法计算出二阶响应面函数的最稳定点,在最稳定点上的喷射表面压力的第三最小值和清洗时间的第四最小值构成最佳工艺参数组合,最佳工艺参数组合表征了在满足清洁效果的情况下,喷射表面压力和清洗时间所能取到的最小值。在本实施例中,采用LM算法找出二阶响应面函数的最稳定点,LM 算法的迭代公式如下:
其中,k表示迭代次数,Jk表示二阶响应面函数的经过k次迭代的雅可比矩阵,gk表示二阶响应面函数在xk位置处的负梯度方向,xk表示对喷射表面压力的第二工艺参数和清洗时间的第二工艺参数在第k次迭代后所形成的矩阵,I表示单位矩阵,μ表示迭代步长。当满足条件时,获得最佳工艺参数组合,ε表示计算精度要求,表示二阶响应面函数在xk位置处的梯度。本实施例的高压喷射清洗机工艺参数优化方法通过二阶响应面函数拟合出第二清洗清洁度与喷射表面压力和清洗时间的关系,二阶响应面函数能够直观地反映喷射表面压力和清洗时间的共同作用对第二清洗清洁度的影响,通过寻找二阶响应面函数的局部最小值点,可以确定在满足清洁效果的前提下喷射表面压力的第三最小值和清洗时间的第四最小值,在第二清洗清洁度的约束下,能够更加精确地获得喷射表面压力和清洗时间的最佳工艺参数组合。
综上所述,本发明先由正交实验法预测影响清洗效果的显著因素,并求出显著因素的初步优化值,然后结合响应面分析法对初步优化值进行优化并求出满足清洗效果的情况下显著因素的最佳工艺参数组合,有效提高获得最佳工艺参数组合的计算速度,提高了高压喷射清洗机对工艺参数优化的效率与精度,工作在最佳工艺参数组合下的高压喷射清洗机能够提高工作效率并且节能环保。
下面结合附图详细描述本发明第二方面实施例的计算装置。
本发明的一个实施例还提供了一种计算装置,应用于高压喷射清洗机,包括至少一个处理器和至少一个存储介质,存储介质用于存储至少一个程序,处理器与存储介质通信连接,当程序被处理器执行,使得处理器实现上述第一方面实施例的高压喷射清洗机工艺参数优化方法。例如,执行以上描述的图1中的方法步骤S100、S200、S300和S400,图2中的方法步骤S210、S220和S230,图5中的方法步骤S310和S320,以及图7中的方法步骤S410、S420、S430和S440。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在存储介质上,存储介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机可读存储介质包括在用于存储信息(诸如集成电路可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储介质技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
还需要说明的是,本实施例的计算装置可以是集成于高压喷射清洗机的内部,对上述第一方面实施例中的正交实验法和响应面分析法的设计和执行,即对第一工艺参数和第二工艺参数的设定、对第一清洗清洁度和第二清洗清洁度的测量和获取,以及采取极差分析算法、最小二乘法、最速下降算法和LM算法获得初步优化值和最佳工艺参数组合的计算可以是由集成于高压喷射清洗机内的计算装置和由计算装置控制的高压喷射清洗机的功能模块协同完成,即由高压喷射清洗机独立完成;计算装置也可以是独立于高压喷射清洗机的设备,计算装置与高压喷射清洗机通过有线或无线的方式通信连接,对第一清洗清洁度和第二清洗清洁度的测量可以由高压喷射清洗机根据计算装置发送的控制指令执行,计算装置则用于对正交实验法和响应面分析法中的第一工艺参数和第二工艺参数的设定,以及从高压喷射清洗机或其他测量仪器获取第一清洗清洁度和第二清洗清洁度,并采用极差分析算法、最小二乘法、最速下降算法和LM算法计算初步优化值和最佳工艺参数组合,最终将最佳工艺参数组合发送至高压喷射清洗机并完成对高压喷射清洗机的配置。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (10)
1.一种高压喷射清洗机工艺参数优化方法,其特征在于,包括:
获取控制因素、所述控制因素的第一工艺参数,以及由各个所述控制因素的所述第一工艺参数共同形成的第一清洗清洁度;
根据所述控制因素、所述第一工艺参数和所述第一清洗清洁度,从所述控制因素中获得显著因素;
根据各个所述显著因素的所述第一工艺参数以及各个所述显著因素的所述第一工艺参数对应的所述第一清洗清洁度,计算出各个所述显著因素的初步优化值;
根据所述初步优化值计算出各个所述显著因素的第二工艺参数并获取由各个所述显著因素的所述第二工艺参数共同形成的第二清洗清洁度,根据所述第二工艺参数和所述第二清洗清洁度计算出最佳工艺参数组合。
2.根据权利要求1所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述第一清洗清洁度和所述第二清洗清洁度为清洗后物体表面颗粒数量。
3.根据权利要求2所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述控制因素的数量至少为两个,各个所述控制因素的所述第一工艺参数的数量至少为两个。
4.根据权利要求3所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述控制因素包括喷射表面压力、清洗时间、清洗液温度和清洗液浓度。
5.根据权利要求1所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述根据所述控制因素、所述第一工艺参数和所述第一清洗清洁度,从所述控制因素中获得显著因素,包括:
构造所述控制因素、所述第一工艺参数和所述第一清洗清洁度的正交模型;
通过极差分析算法计算出所述正交模型中各个所述控制因素的极差值;
根据所述极差值对所述控制因素进行排序并得出显著因素。
6.根据权利要求5所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述极差分析算法为:
R=max[k1,…,ki]-min[k1…,kt]
其中,所述R表示各个所述控制因素的极差值,所述i表示同一所述控制因素的不同第一工艺参数的个数,所述ki表示在所述正交模型中同一所述控制因素的相同的所述第一工艺参数所对应的所述第一清洗清洁度之和,所述max[k1,…,ki]表示获取所述k1至所述ki中的最大值,所述min[k1…,ki]表示获取所述k1至所述ki中的最小值。
7.根据权利要求1所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述根据各个所述显著因素的所述第一工艺参数以及各个所述显著因素的所述第一工艺参数对应的所述第一清洗清洁度,计算出各个所述显著因素的初步优化值,包括:
通过最小二乘算法分别对各个所述显著因素的所述第一工艺参数以及各个所述显著因素的所述第一工艺参数对应的所述第一清洗清洁度进行曲线拟合,获得各个所述显著因素的曲线函数;
通过最速下降算法计算出各个所述曲线函数的最小值,各个所述曲线函数的最小值构成初步优化值。
8.根据权利要求1所述的高压喷射清洗机工艺参数优化方法,其特征在于,所述显著因素的数量至少为两个,根据所述初步优化值计算出各个所述显著因素的第二工艺参数并获取由各个所述显著因素的所述第二工艺参数共同形成的第二清洗清洁度,根据所述第二工艺参数和所述第二清洗清洁度计算出最佳工艺参数组合,包括:
根据等径因子为等边八边形且中心点为所述初步优化值的中心复合设计法计算出各个所述显著因素的第二工艺参数;
获取由各个所述显著因素的所述第二工艺参数共同形成的第二清洗清洁度;
通过最小二乘法对所述第二工艺参数和所述第二清洗清洁度进行曲面拟合,获得二阶响应面函数;
通过列文伯格-马夸尔特算法计算出所述二阶响应面函数的最小值,所述二阶响应面函数的最小值为最佳工艺参数组合。
10.一种计算装置,应用于高压喷射清洗机,其特征在于,包括:
处理器,所述处理器的数量至少为一个;
存储介质,用于存储至少一个程序,所述存储介质的数量至少为一个,所述存储介质与所述处理器通信连接,当所述程序被所述处理器执行,使得所述处理器实现如权利要求1至9任一所述的高压喷射清洗机工艺参数优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597253.1A CN113399344B (zh) | 2021-05-31 | 2021-05-31 | 高压喷射清洗机工艺参数优化方法和计算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597253.1A CN113399344B (zh) | 2021-05-31 | 2021-05-31 | 高压喷射清洗机工艺参数优化方法和计算装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113399344A true CN113399344A (zh) | 2021-09-17 |
CN113399344B CN113399344B (zh) | 2022-05-20 |
Family
ID=77675295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110597253.1A Active CN113399344B (zh) | 2021-05-31 | 2021-05-31 | 高压喷射清洗机工艺参数优化方法和计算装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113399344B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116329197A (zh) * | 2023-05-30 | 2023-06-27 | 扬州市宜楠科技有限公司 | 一种滤波天线的生产清洁控制方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN87204756U (zh) * | 1987-11-10 | 1988-09-28 | 湖南省机械研究所 | 机械零件清洗机 |
CN101017773A (zh) * | 2007-02-27 | 2007-08-15 | 江苏佳讯电子有限公司 | 半导体管芯总成晶粒表面的处理方法 |
CN101641164A (zh) * | 2007-06-29 | 2010-02-03 | Khs股份公司 | 喷射管以及具有这种喷射管的喷射站 |
US20130220371A1 (en) * | 2010-10-04 | 2013-08-29 | Duerr Ecoclean Gmbh | Apparatus and method for determining soiling of an object |
CN103914581A (zh) * | 2013-12-27 | 2014-07-09 | 华中科技大学 | 一种塑料注射成型工艺参数优化方法 |
CN107729648A (zh) * | 2017-10-13 | 2018-02-23 | 华中科技大学 | 一种基于Shepard插值的曲线纤维复合结构设计瀑布型多级优化方法 |
CN108939903A (zh) * | 2018-06-26 | 2018-12-07 | 中国成达工程有限公司 | 一种针对scr尿素法脱硝喷嘴结晶的在线消除装置及方法 |
CN109013468A (zh) * | 2018-07-09 | 2018-12-18 | 谢亚平 | 一种热水清洗机 |
CN109776766A (zh) * | 2018-12-24 | 2019-05-21 | 河南大学 | 一种噻吩[3,4-f]异苯并呋喃-4,8-二酮基聚合物、其制备方法及应用 |
US20190330998A1 (en) * | 2014-12-03 | 2019-10-31 | Rolls-Royce Corporation | Turbine engine fleet wash management system |
CN110899252A (zh) * | 2019-11-29 | 2020-03-24 | 湖北工业大学 | 一种激光清洗的智能控制***及方法 |
CN111105069A (zh) * | 2019-11-18 | 2020-05-05 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 数控加工工艺参数优化方法、装置、***及计算机设备 |
CN111123282A (zh) * | 2020-01-20 | 2020-05-08 | 中车广东轨道交通车辆有限公司 | 轨道交通电机感应板检测装置 |
-
2021
- 2021-05-31 CN CN202110597253.1A patent/CN113399344B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN87204756U (zh) * | 1987-11-10 | 1988-09-28 | 湖南省机械研究所 | 机械零件清洗机 |
CN101017773A (zh) * | 2007-02-27 | 2007-08-15 | 江苏佳讯电子有限公司 | 半导体管芯总成晶粒表面的处理方法 |
CN101641164A (zh) * | 2007-06-29 | 2010-02-03 | Khs股份公司 | 喷射管以及具有这种喷射管的喷射站 |
US20130220371A1 (en) * | 2010-10-04 | 2013-08-29 | Duerr Ecoclean Gmbh | Apparatus and method for determining soiling of an object |
CN103914581A (zh) * | 2013-12-27 | 2014-07-09 | 华中科技大学 | 一种塑料注射成型工艺参数优化方法 |
US20190330998A1 (en) * | 2014-12-03 | 2019-10-31 | Rolls-Royce Corporation | Turbine engine fleet wash management system |
CN107729648A (zh) * | 2017-10-13 | 2018-02-23 | 华中科技大学 | 一种基于Shepard插值的曲线纤维复合结构设计瀑布型多级优化方法 |
CN108939903A (zh) * | 2018-06-26 | 2018-12-07 | 中国成达工程有限公司 | 一种针对scr尿素法脱硝喷嘴结晶的在线消除装置及方法 |
CN109013468A (zh) * | 2018-07-09 | 2018-12-18 | 谢亚平 | 一种热水清洗机 |
CN109776766A (zh) * | 2018-12-24 | 2019-05-21 | 河南大学 | 一种噻吩[3,4-f]异苯并呋喃-4,8-二酮基聚合物、其制备方法及应用 |
CN111105069A (zh) * | 2019-11-18 | 2020-05-05 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 数控加工工艺参数优化方法、装置、***及计算机设备 |
CN110899252A (zh) * | 2019-11-29 | 2020-03-24 | 湖北工业大学 | 一种激光清洗的智能控制***及方法 |
CN111123282A (zh) * | 2020-01-20 | 2020-05-08 | 中车广东轨道交通车辆有限公司 | 轨道交通电机感应板检测装置 |
Non-Patent Citations (7)
Title |
---|
余俊: "《中国机械设计大典 第1卷 现代机械设计方法》", 31 January 2002, 江西科学技术出版社 * |
余俊: "《现代设计方法及应用》", 31 October 2002, 中国标准出版社出版社 * |
孙耀南等: "基于正交试验的飞机风扇叶片清洗参数优化", 《清洗世界》 * |
尹儿琴等: "《水质工程实验技术》", 30 November 2017, 黄河水利出版社 * |
李钒等: "《冶金与材料近代物理化学研究方法 上》", 30 September 2018, 冶金工业出版社 * |
栗怀广等: "《大跨度自锚悬索桥的设计与分析》", 31 October 2016, 西南交通大学出版社 * |
闫相祯: "《地下储气库围岩力学分析与安全评价》", 30 June 2012, 中国石油大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116329197A (zh) * | 2023-05-30 | 2023-06-27 | 扬州市宜楠科技有限公司 | 一种滤波天线的生产清洁控制方法 |
CN116329197B (zh) * | 2023-05-30 | 2023-08-22 | 扬州市宜楠科技有限公司 | 一种滤波天线的生产清洁控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113399344B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113399344B (zh) | 高压喷射清洗机工艺参数优化方法和计算装置 | |
CN110181516A (zh) | 一种喷涂机器人的路径规划方法、装置、***及存储介质 | |
Sadeghzadeh et al. | Self-learning visual servoing of robot manipulator using explanation-based fuzzy neural networks and Q-learning | |
CN114757512B (zh) | 一种基于图神经网络的作业车间调度方法 | |
CN115415135B (zh) | 一种喷涂方法、装置、设备及介质 | |
CN115390459B (zh) | 模型预测控制方法及装置 | |
JP2021152762A (ja) | 学習済みモデル生成方法、学習済みモデル、異常要因推定装置、基板処理装置、異常要因推定方法、学習方法、学習装置、及び、学習データ作成方法 | |
CN114800500B (zh) | 一种用于打磨机器人的柔性恒力控制方法及*** | |
CN116882574A (zh) | 一种基于神经网络模型的碳排放预测方法及*** | |
CN116673968B (zh) | 基于强化学习的机械臂轨迹规划要素选择方法及*** | |
Bouhouche et al. | Combined use of principal component analysis and self organisation map for condition monitoring in pickling process | |
CN113506048A (zh) | 一种柔性作业车间的调度方法 | |
CN111968103B (zh) | 一种钢卷间距检测方法、***、介质及电子终端 | |
CN117519194A (zh) | 环卫车覆盖清扫的路径规划方法和装置 | |
CN116541638B (zh) | 一种基于张量投票的飞机蒙皮修配加工路径计算方法 | |
CN103196460B (zh) | 一种估计步长的方法和装置 | |
CN117075634A (zh) | 基于改进蚁群算法的配电网多无人机调度巡检方法及装置 | |
Ordieres-Meré et al. | Advanced predictive quality control strategy involving different facilities | |
Xiong et al. | Local deformable template matching in robotic deburring | |
CN114217610A (zh) | 一种脏污程度检测方法、装置、设备和介质 | |
Zhong et al. | Sequencing problem for a hull mixed-model assembly line considering manufacturing complexity | |
CN113570147A (zh) | 一种薄壁件多工况加工误差快速预测方法及设备 | |
CN109655884B (zh) | 一种速度拾取异常点去除方法及*** | |
CN117193333B (zh) | 一种地坪除尘机器人路径规划方法、清洁***和处理器 | |
CN110716522A (zh) | 基于任意时间a*启发式搜索的制造企业车间调度优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |