机理⁃数据混合驱动的叶片加工变形预测方法

航空发动机叶片作为一种典型的薄壁类零件,在铣削加工过程中易发生弹性变形与加工残余应力变形,影响其加工精度与质量。针对叶片复杂加工过程的变形机理建模问题和依赖于有限采集样本的数据驱动模型预测问题,建立了机理引导的麻雀优化极限学习机(SSA-ELM)薄壁叶片加工变形预测模型。首先,建立了综合考虑弹性变形、加工残余应力变形的薄壁叶片加工变形机理模型。其次,设计极限学习机神经网络(ELMNN),并采用麻雀搜索算法(SSA)优化ELMNN隐含层网络参数。然后,构建了数据驱动模型的数据集,并利用蒙特卡洛模拟对加工变形数据样本进行增强,建立了数据驱动模型。最后,采用机理引导的SSA-ELM预测薄壁叶片加工变形值,以加工变形均方根误差与相关系数作为模型精度评价指标,结果表明机理引导和SSA优化后的加工变形预测模型的均方根误差分别减小了77.25%和30.5%,证明模型有良好的预测性能。