助航燈具干冰清洗多目標(biāo)參數(shù)混合優(yōu)化

董慧芬，劉嘉祺

助航燈具干冰清洗多目標(biāo)參數(shù)混合優(yōu)化

董慧芬，劉嘉祺

（中國民航大學(xué)，天津 300000）

采用干冰清洗技術(shù)對助航燈具進行自動清洗，并對清洗參數(shù)進行多目標(biāo)混合優(yōu)化。以清潔度為評價指標(biāo)，使用單一變量控制法進行試驗，分析清洗工藝參數(shù)影響力，獲得清洗距離、角度、流量、時間等參數(shù)的最佳范圍。提出以提高清潔度，節(jié)約清洗原料，降低發(fā)光口磨損度，提升清洗效率為目標(biāo)，構(gòu)建多目標(biāo)參數(shù)優(yōu)化模型，以清洗參數(shù)為決策變量，通過GA-SA混合算法求解優(yōu)化參數(shù)。最后，對設(shè)定權(quán)重下的子目標(biāo)優(yōu)化結(jié)果進行試驗驗證。在僅考慮清潔度這一目標(biāo)時，試驗結(jié)果表明，清洗距離范圍為8.5～12 cm，清洗角度范圍為70°～83°，清洗流量范圍為0.6 L/min及以上，清洗時間范圍為2 s及以上。通過求解多目標(biāo)優(yōu)化模型，獲得清洗工藝參數(shù)組合，距離為10.801 7 cm，角度為77.459 5°，流量為0.630 1 L/min，時間為2.207 0 s。相較于傳統(tǒng)助航燈具清洗方式，干冰清洗多目標(biāo)參數(shù)混合優(yōu)化獲得的工藝參數(shù)組合在保證清潔度的前提下，可以實現(xiàn)同時使節(jié)約清洗原料、降低發(fā)光口磨損度、提升清洗效率達(dá)到理想效果的最優(yōu)解，解決了人工手動清洗費時、耗力、成本高等問題。

助航燈具；干冰清洗；多目標(biāo)模型；參數(shù)優(yōu)化；遺傳算法；模擬退火算法

保障飛行安全一直是民航領(lǐng)域備受重視的環(huán)節(jié)，在每年的飛行事故當(dāng)中，有一大部分發(fā)生在飛機起降階段。根據(jù)波音公司1959—2016年商用噴氣飛機事故統(tǒng)計和國際航空運輸協(xié)會（IATA）統(tǒng)計，進近著陸階段飛行事故占總事故數(shù)量的60%[1]。助航燈具作為飛行員在起降階段時的“眼睛”，經(jīng)常容易受到飛機輪胎橡膠、飛機尾油以及空氣灰塵的污染，進而影響燈具的發(fā)光強度，帶來飛行安全隱患，所以做好助航燈具的清潔工作十分重要。

人力清洗是助航燈具傳統(tǒng)的清洗方式，由于其存在的耗時費力、污染嚴(yán)重、成本較高等諸多弊端，國內(nèi)外逐步開始研究半自動清洗設(shè)備去代替人力清洗。孫廣奇等[2]使用刀刃刮除的方式對發(fā)光口表面的橡膠進行清理。胡衛(wèi)衛(wèi)等[3]研發(fā)了跑道燈除污系統(tǒng)，并對清洗角度、清洗壓力以及噴嘴結(jié)構(gòu)對清洗效率的影響進行了分析。程彬彬等[4]采用碳酸氫鈉噴丸對助航燈具進行清洗，分析了污染物清潔度與清洗介質(zhì)尺寸、角度、速度等參數(shù)的關(guān)系。這些研究均停留在如何提升清潔度的層面，而提升清潔度所改變的相關(guān)清洗參數(shù)勢必會導(dǎo)致其他清洗工藝效果的下降。如增大清洗流量可以提升清潔度，同時也會導(dǎo)致清洗原料的浪費，延長清洗時間則會導(dǎo)致清洗效率的降低。因此，如何使多個清洗工藝效果達(dá)到平衡，在保證清潔度合格的前提下，能夠提高清洗效率，節(jié)約清洗試劑，降低燈具表面磨損度目前還未曾有研究。

目前國內(nèi)在助航燈具清洗研究中運用的方法有許多種，每種方法都存在特定的優(yōu)勢，同時也存在一定的弊端，它們各自的優(yōu)缺點見表1。

符合美國環(huán)保署EPA規(guī)定的干冰顆粒作為一種清洗原料，不僅可以通過自身的“微型爆炸”效果使燈具表面覆蓋的橡膠得以有效清除，而且由于其在清洗過程中瞬間氣化，不會產(chǎn)生任何二次污染。在20世紀(jì)美國人便開始使用干冰顆粒對頑固油污和碳?xì)浠衔镞M行清洗[5-7]，隨后Hill[8]和Toscano等[9]對干冰清洗機理做出解釋，并提出響應(yīng)模型。在常溫常壓狀態(tài)下，–78 ℃的干冰顆粒接觸到污染物表面后，快速升華吸熱，體積膨脹，與污染物進行熱交換，使之出現(xiàn)脆化爆炸現(xiàn)象，伴隨壓縮氣體的沖擊作用，污染物從物體表面脫落。近些年來，國內(nèi)外相繼把干冰應(yīng)用在各個清洗領(lǐng)域當(dāng)中[10-14]，日本、德國和英國先后研發(fā)出自動化程度較高的助航燈具干冰清洗車，并投入使用[15]。

表1 清洗方式對比

Tab.1 Comparison of cleaning methods

基于以上分析，現(xiàn)采用干冰顆粒作為清洗介質(zhì)對助航燈具進行清洗試驗，分析清洗參數(shù)與清潔度之間的關(guān)系，以保證清洗效果、提高清洗效率、節(jié)約清洗原料、減小對燈具表面磨損程度為目標(biāo)，建立多目標(biāo)優(yōu)化模型，進行相關(guān)參數(shù)的優(yōu)化，為助航燈具清洗工作提供參考依據(jù)。

1 試驗

1.1 設(shè)備及材料

試驗設(shè)備包括優(yōu)躍CL-0119A型干冰清洗機、BRTIRUS0707A型串聯(lián)機械臂、儲氣罐、過濾器和空氣壓縮機等。空壓機和儲氣罐為干冰清洗機提供氣源；過濾器用來過濾空氣中的水分，防止與干冰混合后結(jié)塊堵塞噴槍口；干冰清洗機的噴槍連接在機械臂末端，用來噴射干冰清洗污漬。清洗試驗平臺如圖1所示。

圖1 清洗試驗平臺

試驗清洗樣本制作方法如下：把加熱到黏流態(tài)的橡膠與油污混合，以此來模擬助航燈具實際污染物成分飛機輪胎橡膠和飛機尾油，同時為了方便計算樣本的清潔度，加入少量墨汁使混合物著色，橡膠、油污、墨汁三者的體積比約為5︰2︰1。此時的混合物沒有到達(dá)理想中的黏稠狀態(tài)，于是加入麥芽糖并不斷攪拌，直到混合物呈現(xiàn)黏稠狀態(tài)。把調(diào)制好的混合污染物均勻涂抹于發(fā)光口玻璃表面，厚度約為2 mm，隨后在空氣中靜置晾干。

1.2 方法及參數(shù)

為了研究單一清洗參數(shù)與清潔度的關(guān)系，依次改變清洗距離、角度、流量和時間中的一個參數(shù)，同時固定其他參數(shù)進行試驗[16-17]，記錄每次試驗后的樣本清潔度。清洗距離定義為噴嘴末端到試驗樣本中心點的直線距離；清洗角度定義為噴嘴與試驗樣本水平面的夾角；清洗時間定義為清洗一個發(fā)光口所需要的時間；清洗流量為干冰清洗機上面顯示的實時流量值。試驗使用的干冰清洗機為恒壓工作，固定為0.6 MPa，不隨其他參數(shù)的改變而改變。清潔度定義為燈具發(fā)光口清洗干凈的面積與總面積的比值，通過清潔度來判斷干冰清洗的除污效果，清潔度計算公式如式（1）所示。

計算清潔度時，采用Matlab圖像處理的方法[18]，具體操作步驟如下：1）用攝像機對清洗后的助航燈具發(fā)光口進行圖像采集；2）Matlab讀取圖像，將彩色圖像轉(zhuǎn)化為灰度圖像；3）采用中值濾波法進行噪聲去除，在保護污斑圖像邊緣細(xì)節(jié)信息的同時過濾掉玻璃表面的雜質(zhì)；4）采用均值迭代閾值分割法進行前景提取，并生成二值化圖像；5）二值化圖像中，黑色像素點區(qū)域為污斑區(qū)域，即為未清洗干凈區(qū)域，白色像素點區(qū)域為清洗干凈區(qū)域，白色像素點與總像素點的比值就是最終清潔度的值。

設(shè)計的參數(shù)組合見表2，以上述試驗方法進行清洗試驗，分析各清洗參數(shù)對清洗效果的影響。

表2 工藝參數(shù)因素水平

Tab.2 Process parameter factor level table

1.3 結(jié)果分析

1.3.1 清洗距離對清洗效果的影響

固定噴嘴角度為80°，清洗流量為0.7 L/min，清洗時間為2.4 s，清洗距離從7 cm開始，每次增加1 cm，共進行8組試驗，試驗結(jié)果如圖2所示。清洗距離為8.5～12 cm時，燈具清潔度在0.9以上，在10 cm處可以達(dá)到0.95。根據(jù)宋燦等[19]、彭家強等[20]的研究，由于有效受力面積和清洗距離相互作用，射流沖擊力隨清洗距離的增大先增大后減小，所以過長的清洗距離和過短的清洗距離均無法完成清洗任務(wù)，最佳清洗距離范圍為8.5～12 cm。

圖2 距離與清潔度的關(guān)系

1.3.2 清洗角度對清洗效果的影響

固定清洗距離為10 cm，清洗流量為0.7 L/min，清洗時間為2.4 s，清噴嘴角度從55°開始，每次增加5°，共進行8組試驗，試驗結(jié)果如圖3所示。清洗角度為70°～83°時，燈具清潔度在0.9以上，在75°處可以達(dá)到0.95。噴嘴與發(fā)光口成一定角度時產(chǎn)生的沖擊力有一個垂直分量和一個水平分量，垂直分量使得污漬凝結(jié)、脆化，水平分量則可以使污漬從發(fā)光口表面剝離、脫落。當(dāng)清洗角度過小時，沖擊力的垂直分量小，水平分量大，污染物與干冰顆粒進行能量轉(zhuǎn)換不夠充分；而清洗角度過大時，沖擊力的垂直分量大，水平分量小，污染物無法徹底脫落，所以最佳的清洗角度為70°～83°。

圖3 角度與清潔度的關(guān)系

1.3.3 清洗流量對清洗效果的影響

固定清洗距離為10 cm，清洗角度為75°，清洗時間為2.4 s，清洗流量從0.5 L/min開始，每次增加0.04 L，共進行8組試驗，試驗結(jié)果如圖4所示。清洗流量超過0.6 L/min時，燈具清潔度可以達(dá)到0.9；當(dāng)流量值增加到0.66 L/min以上時，清潔度可以達(dá)到0.95。干冰顆粒的流量對清洗效果有直接影響，流量越大，干冰顆?？梢耘c污染物進行充分能量轉(zhuǎn)換，清洗效果越明顯，最佳清洗流量范圍為0.6 L/min以上。

圖4 流量與清潔度的關(guān)系

1.3.4 清洗時間對清洗效果的影響

固定清洗距離為10 cm，清洗角度為75°，清洗流量為0.66 L/min，清洗時間從1.4 s開始，每次增加0.2 s，共進行8組試驗，試驗結(jié)果如圖5所示。清洗時間超過2 s時，燈具清潔度在0.9以上；當(dāng)清洗時間達(dá)到2.2 s時，清潔度可以達(dá)到0.95。因此，清洗時間也對清洗效果有直接影響，時間越長，噴射到污染物表面干冰的量越大，清洗效果越好，最佳清洗時間范圍為2 s以上。

圖5 清洗時間與清潔度的關(guān)系

2 清洗參數(shù)多目標(biāo)優(yōu)化模型建立

通過試驗獲得了清洗參數(shù)（距離、角度、流量、時間）對清潔度的影響規(guī)律，并且分析了各個參數(shù)的最佳取值范圍，本節(jié)將對各優(yōu)化目標(biāo)進行建模。

2.1 子目標(biāo)定義及建模

2.1.1 清潔度

由于試驗次數(shù)的有限性，所獲得的參數(shù)與清潔度之間的關(guān)系是離散的點狀分布狀態(tài)，無法用準(zhǔn)確的線性關(guān)系來表述，所以本文采用模糊控制建模[21-22]的方法來解決這一問題。主要步驟如下所述。

1）確定模糊控制系統(tǒng)的輸入和輸出，取輸入為距離、角度、流量、時間這4個影響參數(shù)，輸出為清潔度。

3）清潔度預(yù)測，搭建好模糊推理規(guī)則庫之后，任意輸入一組參數(shù)，經(jīng)過模糊控制器的推理，得到清潔度的模糊子集和隸屬度，然后利用最大隸屬度平均法mom進行反模糊求解，這樣就可以輸出這組參數(shù)對應(yīng)的清潔度數(shù)值。最大隸屬度公式如式（2）所示。

2.1.2 干冰消耗量

干冰消耗量定義為清洗單個發(fā)光口所消耗的干冰體積，計算公式如式（3）所示。

式中：為干冰的體積流量；為清洗單個發(fā)光口所需要的時間。

2.1.3 損傷度

損傷度定義為干冰顆粒沖擊燈具表面時對玻璃表面產(chǎn)生的損傷程度，用沖擊力在試片表面的垂直分量來表示，沖擊力越大，損傷度越高。由于噴嘴末端距離樣本很近，所以可以忽略空氣阻力和干冰顆粒所受的重力。根據(jù)文獻(xiàn)[23]，發(fā)光口所受沖擊力的垂直分量如式（4）所示。

式中：為流體的密度；V為體積流量；0為干冰顆粒在噴嘴出口處的速度；為噴嘴與發(fā)光口夾角的正弦值。

將干冰體積流量代入式（4），損傷度如式（5）所示。

2.1.4 清洗效率

清洗效率用清洗單個發(fā)光口所用時間來表示。越大，清洗效率越低；越小，清洗效率越高。

2.2 清洗參數(shù)多目標(biāo)優(yōu)化模型

以保證清洗效果、提高清洗效率、節(jié)約清洗原料、減小對燈具表面磨損程度為目標(biāo)，采用權(quán)重分配的方法建立目標(biāo)函數(shù)并進行單位化處理[24]，如（6）式所示。

3 基于GA-SA混合算法的多目標(biāo)清洗參數(shù)優(yōu)化

針對于本文中多目標(biāo)尋優(yōu)的情況，已經(jīng)建立了相應(yīng)目標(biāo)函數(shù)，最終目的是求得目標(biāo)函數(shù)的最大值。在遺傳算法中加入模擬退火算子，尋找全局最優(yōu)解[25]。算法采用內(nèi)外雙層循環(huán)模式，內(nèi)層循環(huán)由遺傳操作進行函數(shù)值尋優(yōu)，并通過Metropolis準(zhǔn)則以一定概率保留每一次迭代的最優(yōu)解，外層循環(huán)通過溫度更新函數(shù)修改溫度值，降溫過后再次進入內(nèi)循環(huán)，直到溫度降為設(shè)定值。

3.1 問題編碼

由于決策變量需要精確到小數(shù)位，對精度有較高要求，且取值為連續(xù)數(shù)值，所以采用浮點數(shù)編碼，即真實值編碼。相較于二進制編碼，浮點數(shù)編碼運算更加簡便，提高了運算效率。

3.2 適應(yīng)度函數(shù)

在不能確定目標(biāo)函數(shù)函數(shù)值正負(fù)的情況下，為了保證個體適應(yīng)度總能取到非負(fù)值，于是設(shè)定適應(yīng)度函數(shù)，如（7）式所示。

3.3 遺傳算子

1）選擇算子。為了防止最優(yōu)解流失，每次迭代把當(dāng)前群體中適應(yīng)度最低的個體淘汰，用適應(yīng)度最高的個體進行替換。其余個體按照輪盤賭的方式以一定概率復(fù)制下來[26]，個體被復(fù)制的概率ps如式（8）所示。

3）變異算子。在單個染色體上指定一點為變異點來進行基因突變，變異概率為m。

3.4 算法操作流程

GA-SA算法流程如圖6所示。

1）初始化種群，設(shè)置種群規(guī)模、初始溫度0；初始化遺傳代數(shù)計數(shù)器，按照浮點數(shù)編碼的方法生成初始種群()。

2）根據(jù)適應(yīng)度評價公式計算個體適應(yīng)度值f，保留當(dāng)前目標(biāo)函數(shù)最優(yōu)解max。

圖6 GA-SA算法流程

3）進行遺傳操作，得到子代種群m()。

4）判斷子代種群m()中個體適應(yīng)度值mi是否優(yōu)于父代種群()中個體適應(yīng)度值f，并按照Metropolis準(zhǔn)則接受子代，準(zhǔn)則如式（10）所示。

式中：為接受子代的概率；為當(dāng)前溫度。此時種群更新為m()。

3.5 優(yōu)化結(jié)果分析

優(yōu)化算法中，參數(shù)、m、0、E、的取值分別為0.5、0.1、100、2、0.6。子目標(biāo)函數(shù)的權(quán)重分布見表3。根據(jù)不同的權(quán)重分布，優(yōu)化結(jié)果見表4。

表3 權(quán)重分布

Tab.3 Weight distribution

表4 不同權(quán)重下的優(yōu)化結(jié)果

Tab.4 Optimization results under different weights

圖7 迭代收斂情況

由圖7可知，迭代40次時，適應(yīng)度值在起初有一個大幅度提升，收斂速度很快。在5～20次迭代時，收斂速度變慢，并且在第20次附近達(dá)到最佳適應(yīng)度0.936 6。通過改變模擬退火的冷卻系數(shù)，把迭代次數(shù)改為200，同樣在前期收斂速度很快。當(dāng)?shù)?0次左右時，出現(xiàn)最佳適應(yīng)度值，與迭代次數(shù)為40時的最佳適應(yīng)度處在同一水平，所以增大迭代次數(shù)對清洗參數(shù)的最終優(yōu)化結(jié)果并無影響。

3.6 實驗驗證

本節(jié)將對優(yōu)化結(jié)果進行實驗驗證，由于設(shè)備精度的原因，清洗參數(shù)無法精確到小數(shù)點后4位，所以在實驗平臺上實際設(shè)置的優(yōu)化參數(shù)如下：清洗距離為10.8 cm，清洗角度為77.5°，清洗流量為0.63 L/min，清洗時間為2.2 s。實驗結(jié)果如圖8所示。經(jīng)計算得知，清洗后樣本燈具的清潔度為0.973 4，而算法優(yōu)化結(jié)果中的清潔度為0.975 5，二者基本接近。由于在圖像處理過程中，外界光強以及拍攝角度均會對結(jié)果產(chǎn)生一定誤差，所以計算結(jié)果偏低于理論值。綜上所述，參數(shù)優(yōu)化結(jié)果符合預(yù)期設(shè)想。

圖8 清洗效果

4 結(jié)論

運用干冰清洗技術(shù)對助航燈具進行清洗，通過試驗驗證了方案的可行性，并獲得了清洗參數(shù)的最佳取值范圍。在僅考慮燈具清潔度時，清洗距離為8.5～12 cm，清洗角度為70°～83°，清洗流量為0.6 L/min及以上，清洗時間為2 s及以上，此時燈具的清潔度可達(dá)90%以上。

在保證清潔度的前提下，同時考慮了節(jié)約清洗原料、降低燈具發(fā)光口磨損程度、提升清洗效率這3個指標(biāo)，通過建模和設(shè)定目標(biāo)函數(shù)，運用GA-SA混合算法對清洗參數(shù)進行了優(yōu)化。當(dāng)清洗指標(biāo)的權(quán)重分別為0.4、0.2、0.2、0.2時，優(yōu)化得出清洗距離為10.801 7 cm，清洗角度為77.459 5°，清洗流量為0.630 1 L/min，清洗時間為2.207 0 s，并且通過實驗驗證了此組結(jié)論。

本文的研究內(nèi)容有效解決了傳統(tǒng)人工手動清洗助航燈具費力的問題，有較大的工程應(yīng)用價值。

[1] 魯志東, 張曙光, 戴閏志, 等. 大型民機進近著陸段異常能量風(fēng)險判據(jù)[J]. 航空學(xué)報, 2021, 42(6): 102-115.

LU Zhi-dong, ZHANG Shu-guang, DAI Run-zhi, et al. Abnormal Energy Risk Criteria of Large Civil Airplanes in Approach and landingFull Text Replacement[J]. Acta Aeronautica et Astronautica Sinica, 2021, 42(6): 102-115.

[2] 孫廣奇. 基于粘接理論的跑道燈除污試驗及設(shè)備研究[D]. 成都: 西南交通大學(xué), 2009.

SUN Guang-qi. Research of Decontamination Experiment of Runway Light and Decontamination Equipment Based on Bonding Theory[D]. Chengdu: Southwest Jiaotong University, 2009.

[3] 胡衛(wèi)衛(wèi). 車載機場跑道指引燈干粉清洗系統(tǒng)的開發(fā)[D]. 廈門: 廈門理工學(xué)院, 2017.

HU Wei-wei. Development of the Vehicle Powder Clean-ingsystem for the Runway Light[D]. Xiamen: Xiamen University of Technology, 2017.

[4] 程彬彬, 于之靖. 嵌入式機場助航燈具污染膠層去除機理[J]. 科學(xué)技術(shù)與工程, 2019, 19(2): 86-90.

CHENG Bin-bin, YU Zhi-jing. Mechanism of Rubber Mud Removal in Embedded Airport Navigation Lights[J]. Science Technology and Engineering, 2019, 19(2): 86-90.

[5] OSBORN C. Precision Cleaning is a Quality Concern[J]. Manuf Eng, 2003, 131(2): 112.

[6] SHERMAN R, HIRT D, VANE R. Surface Cleaning with the Carbon Dioxide Snow Jet[J]. Journal of Vacuum Science & Technology A: Vacuum, Surfaces, and Films, 1994, 12(4): 1876-1881.

[7] 武爽爽, 賈秀杰, 熊勝, 等. 面向再制造的油漆清洗技術(shù)綜述[J]. 表面技術(shù), 2021, 50(3): 51-65.

WU Shuang-shuang, JIA Xiu-jie, XIONG Sheng, et al. Review of Paint Cleaning Technology for Remanuf-act-uring[J]. Surface Technology, 2021, 50(3): 51-65.

[8] HILLS M M. Carbon Dioxide Jet Spray Cleaning of Mol-ecular Contaminants[J]. Journal of Vacuum Science & Technology A: Vacuum, Surfaces, and Films, 1995, 13(1): 30-34.

[9] TOSCANO C, AHMADI G. Particle Removal Mechan-isms in Cryogenic Surface Cleaning[J]. The Journal of Adhesion, 2003, 79(2): 175-201.

[10] 隋春飛, 蔡堅, 石振東. 干冰表面處理技術(shù)在系統(tǒng)級封裝的應(yīng)用[J]. 表面技術(shù), 2017, 46(3): 177-183.

SUI Chun-fei, CAI Jian, SHI Zhen-dong. Application of Dry Ice Surface Treatment Technology in System-in- Package[J]. Surface Technology, 2017, 46(3): 177-183.

[11] KUMAR P G S. Dry Ice Cleaning to Improvise Dielectric Features of High Voltage Windings in Turbine Gener-ators[C]//2013 IEEE 1st International Conference on Con-dition Assessment Techniques in Electrical Systems. Kolkata, India: IEEE, 2013: 23-28.

[12] ZHOU Wen-jun, LIU Ming, LIU Shi-nian, et al. On the Mechanism of Insulator Cleaning Using Dry Ice[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2012, 19(5): 1715-1722.

[13] KOHLI R. Applications of Solid Carbon Dioxide (Dry Ice) Pellet Blasting for Removal of Surface Contami-nants[M]. Amsterdam: Elsevier, 2019: 117-169.

[14] MARLOWE T. Dry Ice Cleaning: The Clean in Place Solution[J]. National Provisioner, 2017, 231(12): 59.

[15] OHISHI N, KAWAGUCHI H. Method and System for Cleaning Glass Surface of Pavement Light or Reflector: AU2004289875A1[P]. 2017-03-15.

[16] 孫洪孟. 干冰清洗技術(shù)研究[D]. 大連: 大連理工大學(xué), 2012.

SUN Hong-meng. Research on Dry Ice Blasting Techn-ology[D]. Dalian: Dalian University of Technology, 2012.

[17] 張文超, 武美萍, 宋磊. 磨料射流銑削工藝參數(shù)優(yōu)化[J]. 表面技術(shù), 2017, 46(11): 190-197.

ZHANG Wen-chao, WU Mei-ping, SONG Lei. Process Parameters Optimization for Abrasive Jet Milling[J]. Surface Technology, 2017, 46(11): 190-197.

[18] 程彬彬. 助航燈具清洗關(guān)鍵技術(shù)研究[D]. 天津: 中國民航大學(xué), 2019.

CHENG Bin-bin. Research on the Key Technology of Navigation Lights Cleaning[D]. Tianjin: Civil Aviation University of China, 2019.

[19] 宋燦, 呂彥明, 徐看, 等. 水射流沖擊力的影響因素仿真分析[J]. 液壓氣動與密封, 2014, 34(12): 22-23.

SONG Can, LV Yan-ming, XU Kan, et al. Analysis on the Influence Factors of Impact Force Based on Simula-tion[J]. Hydraulics Pneumatics & Seals, 2014, 34(12): 22- 23.

[20] 彭家強, 宋丹路, 宗營營. 磨料水射流對金屬材料去除力和去除模型的研究[J]. 機械設(shè)計與制造, 2012(2): 17-19.

PENG Jia-qiang, SONG Dan-lu, ZONG Ying-ying. Research of Removing Force and Removing Model of the Abrasive Water Jet on Metal Material[J]. Machinery Design & Manufacture, 2012(2): 17-19.

[21] 陸國勝, 龔烈航, 徐延軍, 等. 工程裝備高壓水射流清洗效能的模糊綜合評判[J]. 解放軍理工大學(xué)學(xué)報(自然科學(xué)版), 2002, 3(2): 66-69.

LU Guo-sheng, GONG Lie-hang, XU Yan-jun, et al. Fuzzy Synthetical Evaluation on High-Pressure Water-Jet Clea-ning Efficiency of Engineering Equipment[J]. Journal of PLA University of Science and Technology (Natural Scie-nce), 2002, 3(2): 66-69.

[22] 高道明, 陳杰. 純水射流路面清洗效果的模糊預(yù)測和實驗驗證[J]. 上海交通大學(xué)學(xué)報, 2006, 40(2): 234-238.

GAO Dao-ming, CHEN Jie. The Use of Fuzzy Logic for the Prediction of Pure Water Jets Road Surface Cleaning and Experimental Verification[J]. Journal of Shanghai Jiao Tong University, 2006, 40(2): 234-238.

[23] 倪玲英. 工程流體力學(xué)[M]. 北京: 中國石油大學(xué)出版社, 2012.

NI Ling-ying. Engineering Fluid Mechanics [M]. Beijing: China University of Petroleum Press, 2012.

[24] CHEN Jie, GAO Dao-ming. Multi-Objective Genetic Alg-orithm for the Optimization of Road Surface Cleaning Process[J]. Journal of Zhejiang University-SCIENCE A, 2006, 7(8): 1416-1421.

[25] 邵平凡, 萬程鵬. 求解全局優(yōu)化問題的遺傳退火算法[J]. 計算機工程與應(yīng)用, 2007, 43(12): 62-65.

SHAO Ping-fan, WAN Cheng-peng. Genetic-Annealing Algorithm for Global Optimization Problems[J]. Comp-uter Engineering and Applications, 2007, 43(12): 62-65.

[26] 周明, 孫樹棟. 遺傳算法原理及應(yīng)用[M]. 北京: 國防工業(yè)出版社, 1999.

ZHOU Ming, SUN Shu-dong. Genetic algorithms: theory and applications[M]. Beijing: National Defense Industry Press, 1999.

Multi-objective Parameter Mixing Optimization of Dry Ice Cleaning for Navigation Aids Lamps

,

(Civil Aviation University of China, Tianjin 300000, China)

The dry ice cleaning technology is used to automatically clean the navigation aid lamps and the cleaning parameters are optimized by multi-objective mixing. Firstly, taking cleanliness as the evaluation index, the single variable control method is used to conduct experiments, analyze the influence of cleaning process parameters, and obtain the optimal range of parameters such as cleaning distance, angle, flow rate, and time; In order to improve the cleanliness, save cleaning raw materials, reduce the wear degree of luminous port, and improve the cleaning efficiency, a multi-objective parameter optimization model was established. Taking the cleaning parameters as decision variables, the GA-SA hybrid algorithm was used to solve the optimization parameters;Finally, experiments are carried out to verify the sub-objective optimization results under the set weights. The experimental results show that when only the objective of cleanliness is considered, the cleaning distance ranges is 8.5～12 cm, the cleaning angle ranges is 70°～83°, the cleaning flow range is 0.6 L/min and above, and the cleaning time range is 2 s and above; By solving the multi-objective optimization model, the combination of cleaning process parameters is obtained, the distance is 10.801 7 cm, the angle is 77.459 5°, the flow rate is 0.630 1 L/min, and the time is 2.207 0 s. Compared with the traditional cleaning method of navigation aids lamps, the combination of process parameters obtained by multi-objective parameters mixed optimization of dry ice cleaning can achieve the optimal solution of saving cleaning raw materials, reducing the wear degree of luminous port, improving the cleaning efficiency and achieving the desired effect on the premise of ensuring the cleanliness, which solves the problems of time-consuming, labor-consuming and high cost of manual cleaning.

navigation aids lamps; dry ice cleaning; multi objective model; parameter optimization; genetic algorithm; simulated annealing algorithm

V216

A

1001-3660(2022)06-0390-09

10.16490/j.cnki.issn.1001-3660.2022.06.038

2021–07–07；

2021–11–03

2021-07-07；

2021-11-03

天津市自然科學(xué)基金（17JCYBJC18200）；中央高?；究蒲袠I(yè)務(wù)費（3122016D032）

The Natural Science Foundation of Tianjin (17JCYBJC18200); Basic Scientific Research Business Expenses of Central Universities (3122016D032)

董慧芬（1970—），女，博士，副教授，主要研究方向為智能檢測及控制。

DONG Hui-fen (1970-), Female, Doctor, Associate professor, Research focus: intelligent detection and control.

董慧芬, 劉嘉祺. 助航燈具干冰清洗多目標(biāo)參數(shù)混合優(yōu)化[J]. 表面技術(shù), 2022, 51(6): 390-398.

DONG Hui-fen, LIU Jia-qi. Multi-objective Parameter Mixing Optimization of Dry Ice Cleaning for Navigation Aids Lamps[J]. Surface Technology, 2022, 51(6): 390-398.

責(zé)任編輯：劉世忠