自适应遗传算法驱动的润滑膜多参数纹理形貌全局协同优化及其摩擦学性能增强研究

《Journal of Computational Design and Engineering》：Adaptive Genetic Algorithm-Driven Global Collaborative Optimization of Multi-Parameter Lubrication Film Texture Morphology for Enhanced Tribological Performance

本研究针对传统均匀纹理设计在复杂工况下适应性差、难以实现多参数协同优化的瓶颈问题，提出了一种基于自适应遗传算法(AGA)的润滑膜纹理形貌全局协同优化框架。通过构建多自由度参数化模型，实现了对54个几何参数的协同优化，使轴承承载力提升37.3%至11.4 N，摩擦阻力降低7.1%。该方法突破了传统纹理设计的局限性，为高性能润滑表面设计提供了系统化解决方案。

　　

在现代工业领域，从航空航天推进系统到高速轨道交通，再到精密制造装备，摩擦副的润滑性能直接决定着关键设备的运行效率和使用寿命。表面纹理技术作为一种有效的表面改性手段，通过精确调控润滑膜的几何形貌参数，能够显著改善其储油能力、流体动力效应和摩擦学行为。然而，传统纹理设计多采用均匀或对称分布模式，难以适应复杂工况下流场的局部变化，限制了性能提升的幅度。随着3D打印和增材制造技术的进步，复杂微小表面纹理的加工已成为可能，但先进的设计方法仍显不足。现有研究多集中于单一纹理或孤立参数的优化，缺乏对多参数协同优化策略的系统探索。

针对这一挑战，湖北理工学院吴振鹏团队在《Journal of Computational Design and Engineering》发表的研究，提出了一种基于自适应遗传算法(AGA)的润滑膜纹理形貌全局协同优化新方法。该研究创新性地构建了多自由度参数化模型，实现了对每个纹理单元深度和空间取向角的独立控制，突破了传统均匀纹理的设计局限。

研究人员采用的关键技术方法包括：建立包含18个镜像纹理单元的多参数化模型，通过染色体映射机制对54个几何参数进行二进制编码；基于雷诺方程的数值求解评估润滑膜承载力并作为适应度函数；引入自适应变异概率控制策略（p_m= 0.7/ε^g+ 0.1）平衡全局搜索与局部收敛；采用120×120网格分辨率进行流场模拟，确保计算精度与效率的平衡。

纹理模型构建

研究建立了包含36个矩形纹理的润滑模型，通过对称性简化将参数优化变量减少至18组。每个纹理单元的几何形貌由三个独立参数控制：坐标系原点深度h_k（0-1.4 μm）、x_k轴偏转角α_k和y轴偏转角β_k（±3.5 mrad）。纹理高度分布采用线性函数描述：h_tex= h_k+ x_ktan(α_k) + y_ktan(β_k)，这种参数化设计为多变量协同优化奠定了基础。

数值求解方法

基于雷诺方程的简化形式?/?X(H³?P/?X) + β²?/?Y(H³?P/?Y) = Λ?H/?X，采用有限差分法进行离散求解。通过设置饱和蒸汽压力边界条件（2000 Pa）和四方零压力边界，准确模拟了润滑膜的破裂现象。承载力计算通过全域压力积分实现：W = ΣΣP_i,jp₀LBΔXΔY，为优化过程提供量化指标。

自适应遗传算法优化

研究设计了162位二进制染色体编码结构，每个纹理单元的3个参数各用3位编码（共54参数）。创新性地提出指数衰减型自适应变异策略，在进化初期保持较高变异概率（0.7-0.8）增强全局搜索能力，在后期快速衰减至0.1以下保护优良基因。与标准遗传算法相比，该策略有效避免了早熟收敛问题。

优化性能验证

通过1290代进化计算，AGA表现出优异的收敛特性。与粘菌算法(SMA)和灰狼优化器(GWO)对比，AGA在200代内即达到10 N以上承载力，最终稳定在11.4 N，显著优于SMA的4.0 N和GWO的10.3 N。网格独立性分析表明120×120网格可在保证精度的前提下最优平衡计算效率。

纹理形貌演化规律

优化过程中纹理分布呈现显著规律性：入口区域形成导向性凹坑，出口区域布置抑流凸起，纹理旋转轴呈X形分布。这种配置通过协同设计实现了流场特性的优化，打破了传统均匀纹理的局限性。

性能提升机制

全凹坑构型承载力仅2.61 N，摩擦系数0.042；全凸起构型虽提升至8.3 N，但阻力显著增加。优化构型通过凹坑与凸起的战略布局，形成连续高压区，峰值压力达6.1 MPa，较全凸起构型提升74.3%。剪切应力分布显示，优化构型在凹坑区保持低剪切应力，有效降低摩擦阻力。

研究结论表明，AGA驱动的多参数协同优化方法显著提升了润滑膜性能。通过18个纹理单元54个几何参数的全局优化，承载力达到11.4 N，较传统全凸起纹理提升37.3%，摩擦系数降至0.011。该方法创新性地实现了纹理深度与空间取向的协同调控，为高性能润滑表面设计提供了新范式。

该研究的重要意义在于建立了可扩展的多参数纹理优化框架，解决了高维参数空间搜索效率与收敛精度的平衡难题。未来研究方向可拓展至非牛顿流体、三维流场效应和热影响等复杂工况，进一步推动表面纹理设计在工程实践中的智能化应用。