CAPP环境下的切削用量优化研究5088.docx

《CAPP环境下的切削用量优化研究5088.docx》由会员分享，可在线阅读，更多相关《CAPP环境下的切削用量优化研究5088.docx（9页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、CAPP环环境下的的切削用用量优化化研究宁波大学 邵辉 李国富富 叶飞飞帆 顾顾熙棠摘要:切削削加工工工艺参数数的选择择对提高高生产率率、加工工质量、经经济效益益等各方方面具有有重要的的作用,针对当当前系系统中切切削用量量的优化化仍存在在着优化化方法复复杂、低低效、容容易收敛敛于局部部最优解解等问题题,本文文引入遗遗传算法法思想,以优化化环境境下的切切削加工工工艺参参数,克克服应用用传统优优化方法法的缺陷陷。关键键词:环境;削用量量;遗传传算法;优化模模型0引言先先进制造造思想的的引入给给赋予予了新的的涵义,已从从原有的的基础上上扩展为为生产规规划最优优化及作作业计划划最优化化。已已成为联联结

2、和之之间的纽纽带。切切削加工工工艺参参数的选选择决定定着劳动动生产率率、加工工成本、加加工精度度、自动动化生产产条件下下设备工工作的可可靠性、刀刀具消耗耗、表面面层质量量、零件件的使用用性能等等各个方方面,是是实现的重要要环节,因而研研究最佳佳切削用用量已经经引起国国内外机机加工工工艺人员员的广泛泛重视。近近年来,国内外外学者对对如何获获取最佳佳切削用用量进行行了较为为深入的的研究,并相继继提出了了不少关关于切削削用量优优化的理理论,如如应用可可行方向向法进行行切削用用量优化化计算,计算机机仿真,应用实实验规划划的数学学方法,以切削削温度守守恒定律律为基础础确定切切削用量量最佳组组配等。但但当

3、前系统中中切削用用量的优优化仍存存在着诸诸如优化化方法复复杂、低低效、容容易收敛敛于局部部最优解解等问题题,针对对这些问问题,本本文引入入遗传算算法思想想,优化化环境境下的切切削加工工工艺参参数,克克服应用用传统优优化方法法进行非非线性、多多峰值目目标函数数优化时时的低效效、容易易收敛于于局部最最优解的的缺陷。1切削用量优化模型 1 1切削用量函数金属切削过程是指在机床提供必要的运动和动力的条件下,用刀具切除多余的金属,从而获得形状、精度及表面质量都符合要求的工件的过程,它是一个多因素相互影响的复杂过程。确定刀具最佳切削用量对提高生产率、加工质量(加工精度,表面质量)、经济效益、充分发挥刀具的

4、切削性能和机床潜力都有重要的作用,它是一项重要的技术经济任务。切削用量若用函数关系来表达,则可表述如下:切削用量(,)=式中,为吃刀量,为切削速度,为进给量。需要注意的是,等式右端任一项因素或参数的改变都可能引起切削用量的改变,而切削用量三个值之间又是相互影响的。1 2切削用量优化模型的建立原则建立切削用量优化数学模型遵循如下原则:数学模型必须能在规定的条件下准确和可靠地描述所要达到的目标、所受的限制条件以及能预测方案的变化与估算结果的可靠性;数学模型必须容易处理,计算尽可能简单,抓住关键因素,适当忽略不重要的成分,使问题合理简化。最佳切削用量的选择应满足在给定的工艺条件下,在保证达到切削加工

5、质量和其他要求(如刀具耐用度要求等)的条件下,使切削加工具有人们期望的某种经济性的指标达到最优。而切削参数与生产率、成本、利润率之间有怎样的关系,切削加工质量指标及其与切削参数之间有怎样的关系,工艺系统的技术性能及其与切削参数之间的关系怎样等,所有这些问题都涉及到切削用量优化数学模型中基本关系式的建立和选择。基本关系式的建立同样应遵循以上原则。根据数学模型建立原则可形成如图1所示的切削用量优化过程。1 3切切削用量量的优化化模型在在加工装装备(机机床、刀刀具、夹夹具等)以及加加工任务务(加工工的要求求)已定定的情况况下,切切削加工工时可以以控制的的变量是是切削用用量三要要素,因因此在切切削加工

6、工优化数数学模型型中,优优化设计计变量是是切削用用量三要要素(,)。无论论切削用用量的合合理选择择还是切切削用量量的优化化,首先先要从切切削加工工过程经经济性的的观点出出发,确确定一个个明确的的优化目目标,从从研究切切削加工工的基本本规律入入手,找找出优化化目标与与设计变变量之间间的函数数关系,即可建建立起一一个目标标函数。由由于经济济性的目目标函数数一般是是无极值值的,而而生产中中,、和的数值值不可能能任意选选择,如如最大进进给量会会受到加加工表面面粗糙度度的限制制,还会会受到工工件刚度度、刀具具强度及及刚度的的限制;切削速速度会受受到刀具具耐用度度的限制制等等。根根据这些些约束条条件及切切

7、削加工工的具体体情况,可建立立一系列列约束条条件不等等式。切切削加工工中,最最优化目目标的确确定一般般以使本本次加工工获得最最大经济济效益为为原则。切切削加工工中优化化设计的的单目标标可以是是下述中中的任意意一种:最高生生产率、最最低加工工成本、最最大利润润率、最最大刀具具寿命。由由于单目目标优化化切削用用量存在在某些不不足,故故可同时时考虑以以上几个个目标,构成多多目标优优化问题题。以上上四个目目标函数数并非有有全部考考虑的必必要,如如最低加加工成本本与最大大利润率率只选一一个即可可,因为为最低成成本是获获取最大大利润率率的必然然手段,故无须须重复,就现有有情况来来看,由由于还比比较缺乏乏各

8、种有有关市场场信息的的资料,现阶段段还未能能完全实实现以最最大利润润率为目目标的切切削用量量优化选选取,因因此通常常用最低低加工成成本为目目标函数数。最大大刀具寿寿命一般般也只用用于复杂杂刀具加加工时才才有必要要作为目目标之一一予以考考虑。因因此,在在一般情情况下,切削用用量优化化可概括括为单目目标或双双目标的的优化问问题。采采用单目目标优化化确定切切削用量量有时收收效不显显著,因因而采用用多目标标优化方方法一般般是解决决这类实实际生产产问题的的最佳方方法。解解决多目目标优化化问题常常用的方方法是将将多目标标优化转转化为单单目标优优化问题题,考虑虑到系统统实现的的复杂性性以及可可行性,本文采采

9、用线性性加权法法,它的的基本思思想就是是通过构构造一个个评价函函数,将将多目标标函数转转化为单单目标函函数求解解。其评评价函数数为:式中:为第项目标标函数()的加加权因子子,且。的取取值决定定于目标标()的的相对重重要程度度。加权权因子的的确定方方法很多多,但至至今未有有一个普普遍的准准则,一一般可由由有关方方面的专专家或经经验丰富富的工人人来确定定,考虑虑到生产产加工的的不同情情况,本本文加权权因子由由企业用用户自己己决定。目标函数的建立,仅为切削用量的优化提供了优化的目标,只有考虑了加工中的各种约束条件,才能使优化具有实际意义。约束条件主要来自以下几个方面:机床方面,如机床功率、切削速度和

10、进给量的范围、进给机构允许抗力等;工件方面,如加工表面粗糙度、工件刚度、尺寸和形状精度;刀具方面,如刀具耐用度、刀具强度及刚度等。2基于遗传算法的切削用量优化遗传算法从一个随机产生的群体出发对问题的搜索空间进行随机搜索,期间每一次进化是依据它在特定问题环境中执行效果的好坏进行度量,此适应度的特性随问题而改变,在金属切削用量优化问题中,适应度可表示为最大利润等。因此尽管遗传算法可归类为概率算法,但它不同于一般的随机算法,它是定向搜索与随机搜索有机的结合。遗传算法保持一个潜在解的群体实现多方向的搜索,同时,在搜索过程中鼓励不同方向信息的结合与交流,在适应度压力作用下,每一代较好的解“繁殖”,较差的

11、解“淘汰”。一般地,遗传算法的表示模式是将问题搜索空间中的每一点表示成长度为的字符串。适应度计算为群体中的每个字符串赋予一个适应度值,赋值方法为问题本身所固有;改变子结构的操作主要有选择、交叉与变异,控制遗传算法的参数包括群体的大小、进化过程的最大代数及控制各种操作的概率等。在遗传算法的解题过程中,待解问题被映射为一种数据结构和一组操作,即系统中由个体组成的演化群体和定义于该群体上的遗传算子。其一般的执行过程可归结为以下三步:随机地创建由长度为的字符串组成的初始群体。循环进行以下各步,直到新群体中出现满足终止条件的解为止:计算群体中每一个体的适应度;根据适应度,选择现有的个体串到新的群体(交配

12、池);根据交叉概率,在交配池中选择两个或多个串进行交叉操作产生新串;根据变异概率,对现有群体中的一个或几个串进行变异操作,增加群体多样性。选择最佳个体串为遗传算法的结果,该结果表示问题的解或近似解。图2遗传传算法的的实现流流程遗传算法的的实现流流程如图图2,其其中为进进化代数数;为为变异算算子调整整周期;为变异异算子调调整系数数;为为计数器器的计数数。在该该流程图图中采用用了改进进选择算算子和改改进的变变异算子子动态调调整方法法。改正正的选择择算子。对对群体中中每个串串根根据适应应度计算其其生存概概率,其其中为为群体的的规模。从从而得到到的的期望拷拷贝数=;根根据值的整整数部分分,分配配给每个

13、个串一个个拷贝数数,以其其概率大大小进行行排列,并按排排列顺序序从大到到小选择择串,直直到填满满交配池池为止。变异算子动态调整方法。定义调整系数和调整周期,当群体进化代后,尚未达到收敛准则,说明收敛过程进展缓慢,需提高变异概率使P=P,并将计数器置零,重新进行运算,直到达到收敛准则。收敛准则。遗传算法不同于传统的数学规划法,它是一种启发式搜索,而没有严格的数学收敛依据。一般的收敛准则采用最大迭代次数法。考虑到遗传算法在切削用量优化方面的研究尚刚刚起步,对最大的迭代次数还没有足够的经验数据。故在本系统研究过程中,根据迭代质量来判断,即根据解群中最好解的适应度与群体平均适应度之差对平均适应度的比值

14、来确定,(|(-)/|)。从目标函数到适应度函数。在遗传算法中,适应度是区别群体中个体的好坏的依据,适应度越大的个体越好。它是群体进化压力,遗传算法正是基于适应度对个体进行选择,以保证适应性好的个体有机会在下一代中产生更多的个体。因此,在切削用量优化过程中需对目标函数进行转换以满足遗传算法执行的要求,其表达形式如下:最大生产率为目标函数:最小生产成成本为目目标函数数:最大生产率率和最小小生产成成本为多多目标综综合优化化:由于切削用用量优化化是一个个有约束束的优化化问题,对约束束的处理理,遗传传算法一一般有两两种解决决方案:一是采采用变化化的操作作算子,始终从从满足约约束条件件的合法法父代中中产

15、生合合法的子子代,从从而使搜搜索始终终在有效效空间内内进行。但但这种方方法可行行性不高高,因为为找到一一个可行行解几乎乎与找到到最好解解一样困困难。因因此本文文采用第第二种方方案,即即在适应应度函数数中对目目标函数数施加惩惩罚项,从而将将有约束束问题转转化为无无约束问问题。对对于上述述三个目目标最大大化问题题,有约约束为:()0,=1,2,。可可建立适适应度函函数()=()*(),其中中,惩罚罚项()=。3算算例选择择多刀机机床进行行切削用用量优化化,加工工材料为为碳素结结构钢,=6637;要求在在毛坯上上钻二个个孔,1=220,22=255,表面粗粗糙度=1125,用用切削液液冷却;加工长长

16、度为1=660,22=800,通孔;机床为为排式钻钻床556255-2,主轴轴数为22;刀具具为高速速钢麻花花钻,10=12,20=20,顶顶角2=1118;钻孔孔轴向力力;钻孔孔扭矩11.333；钻削削功率=/(330);刀具具耐用度度=;加工时时间=(880+220+7)/(110000/();钻刀刀主偏角角按按=(-(-0 55)=55 25(=990)计算算6;考虑虑到减少少换刀、刀刀具调整整时间等等因素,在多刀刀切削用用量优化化时,将将刀具的的耐用度度设置成成相等。现现取各参参数为:换刀时时间155;单单位时间间加工费费用0 2;刀刀具消耗耗费用44 5;最小刀刀具耐用用度1000。

17、形形成优化化目标函函数:()=0 3/(+1 55/+55)+00 7(+155/+55)0 22+(1/+/)44在一一定的约约束条件件下,经经系统处处理,可可得如表表1所示示优化结结果。实实例所用用到的各各工况参参数均取取自某机机电企业业,优化化结果基基本符合合金属切切削理论论和实际际生产情情况。4结论切切削用量量对生产产率、生生产成本本和经济济效益具具有十分分重要的的影响,为了克克服系系统中传传统切削削用量优优化方法法的复杂杂、低效效、容易易收敛于于局部最最优解等等问题,本文根根据所建建立的切切削用量量优化模模型,引引入遗传传算法思思想优化化环境境下的切切削加工工工艺参参数,所所提出的的选种排排序法,可以限限制素质质很差的的个体繁繁殖后代代和动态态调整变变异算子子,加快快了进化化过程。由由于遗传传算法在在切削用用量优化化方面的的研究尚尚刚刚起起步,算算法中还还存在一一些问题题,如优优化参数数的选取取,有待待更多的的数据积积累和进进一步的的研究。