基于MOWOA算法的42CrMo钢超声滚挤压加工参数优化

为提高42CrMo钢零件的表面质量与抗疲劳性能,设计正交实验分析了超声滚挤压加工参数的显著性及其对表层性能指标的影响规律。基于实验数据建立了BP神经网络与指数回归预测模型,对比验证模型的精确性。对预测模型采用多目标鲸鱼算法(MOWOA)进行了三目标和双目标优化,得到了加工参数和表层性能最优参数集合并分析了表层性能指标之间的权衡关系。结果表明,指数预测模型预测精度更高,最优加工参数集合为:转速210~250 r·min^(-1)、进给速度12~16 mm·min^(-1)、振幅25~28μm、静压力517~630 N;最优表层性能参数集合为:表面粗糙度0.466~0.507μm、残余压应力1002~1110 MPa、显微硬度709~720 HV。实验验证了算法的准确性。