The genetic algorithm presented in the paper was developed to search for favourable conditions of cleaning by means of the high-pressure abrasive-water jet. Due to application of specific numerical procedures the linear mono-parametric models of the surface machining process were developed. On the basis of process parameters stored in as the input data, the genetic algorithm enabled us to determine the optimal process parameters for surface treatment of corroded steel plates implemented using the high-pressure abrasive-water jet.
Zaprezentowano algorytm genetyczny stworzony do poszukiwania korzystnych warunków czyszczenia wysokociśnieniową strugą wodno-ścierną. Zadanie to zrealizowano, wykorzystując wyniki eksperymentów obróbki usuwania nalotu korozyjnego za pomocą wysokociśnieniowej strugi wodno-ściernej. Doświadczenia wykonano, używając wysokociśnieniowego pistoletu typu HP 750-2 firmy WOMA, uzbrojonego w tryskacz z wielootworową dyszą koncentryczną. Stosowano przy tym hydromonitor zasilany silnikiem elektrycznym (94 kW), który wytwarza strumień wody o ciśnieniu do 75 MPa. Badania empiryczne opierały się na wykorzystaniu takich parametrów obróbki jak: ciśnienie wody w przedziale 20–30 MPa, wydatek wody 25–40 dm3/min, posuw 250–400 mm/min, odległość tryskacza od powierzchni obrabianej 0,8–1,2 m, ziarnistość ścierniwa 0,2–1,2 mm, wydatek ścierniwa 4–10 kg/m2 oraz wydajność obróbki 10–15 m2/h. Na ich podstawie powstała baza danych, spośród których wyodrębniono 352 przypadki przydatne do odpowiedniego doboru i uczenia sieci neuronowej. Aby znaleźć najlepszą sztuczną sieć neuronową, przebadano ich kilka tysięcy i okazało się, że najbardziej zadowa-lające rezultaty dała sieć o strukturze liniowej. W jednej z nielicznych do nauczenia można było zastosować wszystkie parametry jako neurony wejściowe. Do nauczenia sieci użyto metody pseudoinwersji. Otrzymany model składający się z szeregu prostych zlinearyzowanych równań matematycznych został zoptymalizowany za pomocą algorytmu genetycznego, który umożliw-wił określenie wartości optymalnych. Algorytm genetyczny pracował na chromosomie składającym się z 67 bitów. Dzięki niemu wygenerowano wartości parametrów, zapewniających maksymalizację wydajności obróbki powierzchniowej skorodowanych blach stalowych realizowanej przy użyciu wysokociśnienio-wej strugi wodno-ściernej, co było celem nadrzędnym przyjętej procedury numerycznej. I tak: ciśnienie wody wyniosło 29,28 MPa, wydatek wody 28,70 dm3/min, posuw 286,97 mm/min, odległość 1,14 m, ziarnistość ścierniwa 0,39 mm, wydatek ścierniwa 9,63 kg/m2. Procedura badawcza wykazała skuteczność działania sztucznej sieci neuronowej oraz algorytmu genetycznego w zadaniach prognostycznych i optymalizacyjnych nawet tak złożonych techno-logii jak powierzchniowa obróbka wysokociśnieniową strugą wodno-ścierną.