精密車削工藝參數(shù)多目標(biāo)優(yōu)化研究.pdf

1、工藝參數(shù)的選擇不僅直接影響加工質(zhì)量的好壞，同時(shí)也對加工精度、加工效率以及機(jī)床與刀具的性能具有顯著影響。在傳統(tǒng)的數(shù)控切削加工過程中，主要通過查閱加工手冊、憑借加工經(jīng)驗(yàn)選擇加工工藝參數(shù)，但其結(jié)果往往并不理想。目前雖然也有對工藝參數(shù)進(jìn)行優(yōu)化研究的，但多以單目標(biāo)優(yōu)化為主，且優(yōu)化結(jié)果往往建立在以降低其它方面性能的基礎(chǔ)上，并不能同時(shí)滿足多種目標(biāo)的優(yōu)化。
　　快速非支配排序遺傳算法(NSGA-Ⅱ)以其運(yùn)行速度快、計(jì)算復(fù)雜度低、易于實(shí)現(xiàn)等優(yōu)點(diǎn)成為

2、多目標(biāo)優(yōu)化算法的基準(zhǔn)之一，在求解多目標(biāo)優(yōu)化問題的科學(xué)研究領(lǐng)域與工程實(shí)踐領(lǐng)域中得到了廣泛地應(yīng)用。但該算法種群收斂分布不均勻、全局搜索能力差、易陷于局部最優(yōu)使得其在解決部分多目標(biāo)優(yōu)化問題時(shí)效果不夠理想。
　　針對上述問題，本文以表面粗糙度和材料去除率作為優(yōu)化目標(biāo)，圍繞精密車削加工過程中工藝參數(shù)優(yōu)化進(jìn)行了深入研究，通過正交試驗(yàn)獲得了實(shí)際車削加工的表面粗糙度與材料去除率數(shù)據(jù)，采用遺傳廣義回歸神經(jīng)網(wǎng)絡(luò)與正交回歸法分別建立了表面粗糙度與材料去

3、除率的多目標(biāo)優(yōu)化模型。針對NSGA-Ⅱ算法存在的不足引入了正交交叉策略與自適應(yīng)混合變異算子進(jìn)行改進(jìn)，創(chuàng)新性地用改進(jìn)的NSGA-Ⅱ算法求解精密車削工藝參數(shù)多目標(biāo)優(yōu)化模型，并通過實(shí)際精密車削試驗(yàn)驗(yàn)證了上述方法的可行性。具體的研究內(nèi)容如下:
　　(1)以精密車削為研究對象，以刀具圓弧半徑、每轉(zhuǎn)進(jìn)給量、背吃刀量以及主軸轉(zhuǎn)速為設(shè)計(jì)變量，以表面粗糙度與材料去除率為優(yōu)化指標(biāo)，采用正交試驗(yàn)獲得了實(shí)際精密車削加工的表面粗糙度與材料去除率數(shù)據(jù)，并采用

4、極差分析法與方差分析法對表面粗糙度與材料去除率的試驗(yàn)數(shù)據(jù)進(jìn)行了分析，研究了各個(gè)工藝參數(shù)分別對表面粗糙度與材料去除率的影響程度及影響規(guī)律。
　　(2)根據(jù)正交試驗(yàn)的結(jié)果，基于正交回歸法建立了表面粗糙度二階多項(xiàng)式回歸預(yù)測模型，并結(jié)合指數(shù)預(yù)測模型與線性預(yù)測模型對比分析了上述三種模型的預(yù)測效果。引入廣義回歸神經(jīng)網(wǎng)絡(luò)建立了表面粗糙度預(yù)測模型，采用改進(jìn)的自適應(yīng)遺傳算法(IAGA)對廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)中的光滑因子進(jìn)行極值尋優(yōu)，通過驗(yàn)證

5、試驗(yàn)表明IAGA-GRNN模型的預(yù)測效果要明顯高于上述三種回歸預(yù)測模型?；谡换貧w分析法建立了材料去除率指數(shù)預(yù)測模型，通過驗(yàn)證試驗(yàn)顯示模型的預(yù)測精度高，預(yù)測效果好，可以用于預(yù)測本文的材料去除率。以刀具圓弧半徑、每轉(zhuǎn)進(jìn)給量、背吃刀量主軸轉(zhuǎn)速為設(shè)計(jì)變量，利用預(yù)測精度較好的IAGA-GRNN表面粗糙度預(yù)測模型和材料去除率正交回歸指數(shù)模型作為目標(biāo)函數(shù)，在考慮了工藝參數(shù)約束、切削力約束、切削功率約束、切削溫度約束、刀具壽命約束的基礎(chǔ)上建立了60

6、61鋁合金精密車削工藝參數(shù)多目標(biāo)優(yōu)化模型。
　　(3)在分析對比了常見多目標(biāo)進(jìn)化算法的基礎(chǔ)上，針對NSGA-Ⅱ算法種群收斂分布不均勻、全局搜索能力差、易陷入局部最優(yōu)等不足，引入正交交叉策略與自適應(yīng)混合變異算子，提出一種改進(jìn)的NGSA-Ⅱ算法。在ZDT系列測試函數(shù)和DTLZ系列測試函數(shù)上對改進(jìn)NSGA-Ⅱ算法與傳統(tǒng)NSGA-Ⅱ算法同時(shí)進(jìn)行性能測試，結(jié)果表明改進(jìn)的NSGA-Ⅱ算法無論是在收斂性還是分布性上均優(yōu)于傳統(tǒng)的NSGA-Ⅱ算法。