CN104200270A - 一种基于差异演化算法的滚齿工艺参数自适应调整方法 - Google Patents
一种基于差异演化算法的滚齿工艺参数自适应调整方法 Download PDFInfo
- Publication number
- CN104200270A CN104200270A CN201410285943.3A CN201410285943A CN104200270A CN 104200270 A CN104200270 A CN 104200270A CN 201410285943 A CN201410285943 A CN 201410285943A CN 104200270 A CN104200270 A CN 104200270A
- Authority
- CN
- China
- Prior art keywords
- rightarrow
- technological parameter
- population
- gear hobbing
- gbest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 230000003746 surface roughness Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 27
- 230000000875 corresponding effect Effects 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 6
- 101100493820 Caenorhabditis elegans best-1 gene Proteins 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000003754 machining Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
Landscapes
- Complex Calculations (AREA)
- Gear Processing (AREA)
Abstract
本发明公开了一种基于差异演化算法的滚齿工艺参数自适应调整方法,其特征在于,同批齿轮滚齿加工过程中,工艺参数决策时,按照以下步骤进行滚齿工艺参数自适应调整,具体包括步骤为:(1)实现滚齿工艺参数种群的表示及编码;(2)实现滚齿工艺参数种群优化学习策略的制定;(3)实现基于多源信息:加工质量,加工时间,资源消耗的适应度函数的创建;(4)实现基于差异演化算法的滚齿工艺参数自适应调整。本发明的优点是:采用种群优化学习策略对每个种群个体的缩放因子和交叉因子进行调整,避免了人工设定的不确定性,再采用差异演化算法进行滚齿工艺参数自适应调整,与人工设定滚齿工艺参数相比,调整效率高,加工后的齿轮表面粗糙度更低。
Description
技术领域
本发明涉及齿轮滚齿加工技术,尤其是涉及一种基于差异演化算法的滚齿工艺参数自适应调整方法。
背景技术
现代滚齿加工,均是采用自动化加工机床进行加工,加工时需要根据加工要求,对加工工艺参数进行优化决策。在滚齿加工过程中,工艺参数的智能决策的过程变得越来越重要,决策结果对齿轮加工质量和加工效率的影响受到人们广泛关注。在实际滚齿加工中,特别是在同批次齿轮加工中,齿轮基本参数相同,加工要求相同,但是随着加工的进行,会出现滚刀微磨损、热变形等多种情况,目前无论是人工通过查询手册进行工艺参数决策,还是通过软件进行决策,参数调整都比较麻烦,工艺人员大多进行重复工作,很少能够做到对工艺参数进行自适应调整,调整低效,导致加工出来的齿轮出现表面粗糙度误差大,废品率高的现象。随着人工智能、机器学习等技术的发展,很多国内外学者将这些技术运用到工艺参数自适应调整中,其中,具有代表性的一种技术:差异演化算法亦被引入其中,差异演化算法有多种衍生算法。这类算法本质上是一种贪婪遗传算法,包含变异、交叉、选择、评价等操作。
现有的基于差异演化算法的参数自适应调整大都针对于缩放因子和交叉因子等控制参数的调整,并不针对种群个体本身参数的调整,目前在这方面的研究是欠缺的,特别是在滚齿加工领域。
发明内容
针对现有技术的不足,本发明所要解决的技术问题是,怎样提供一种能够提高滚齿工艺参数调整效率,降低齿轮表面粗糙度的滚齿工艺参数自适应调整方法,其能够实现滚齿工艺参数种群的表示及编码,实现滚齿工艺参数种群优化学习,创建基于多源信息的适应度函数,以结合差异演化算法达到滚齿工艺参数自适应调整的目的。
为了解决上述技术问题,本发明中采用了如下的技术方案:
一种基于差异演化算法的滚齿工艺参数自适应调整方法,其特征在于,同批齿轮滚齿加工过程中,工艺参数决策时,按照以下步骤进行滚齿工艺参数自适应调整,具体步骤为:
(1)实现滚齿工艺参数种群的表示及编码;首先,在n维空间里,根据数据字典随机产生满足工件基础参数和加工要求的NP个个体,构成一代滚齿工艺参数种群,其中n维空间分别对应滚刀类别、滚刀精度、滚刀头数、螺旋升角、滚刀转速、轴向进给速度、径向进给速度、滚切余量、进给量这9个属性,故n=9,NP为种群规模,接着,在第g+1代滚齿工艺参数种群中,个体i用向量表示为:1≤i≤NP,g为自然数,从0开始,最后,采用实数编码方式对滚齿工艺参数种群进行编码,①对不是数值型的属性进行语义转化,转化为数值,(例如滚刀精度有C、B、A等有限个级别,可将其转化为对应的数值1,2,3等,)②将数值不连续的属性默认为是连续的,使其在差异演化计算时,可以进行运算操作,(例如滚刀精度转为数值1,2,3等时,其中,差异演化计算时有可能出现1.5这个数值,但1.5并不能代表任何一个滚刀精度等级,但还是默认可以进行后续计算),③对进行赋值,完成编码;
(2)实现滚齿工艺参数种群优化学习策略的制定;滚齿工艺参数种群优化学习是通过对缩放因子F和交叉因子CR进行自动调整来实现的,首先,个体都有自身的缩放因子Fi和交叉因子CRi,将种群中的个体与因子向量联系在一起:其中,g代表种群编号,为自然数,从0开始,VFi g是Fi的附加值,Fi g是Fi的当前值,PFi g是Fi的个体的缩放因子最优值,VCRi g是CRi的附加值,CRi g是CRi的当前值,PCRi g是CRi的个体的交叉因子最优值,接着,运用公式Fi g=Fi g-1+wVFi g-1+2.0r1(PFi g-1-Fi g-1)+2.0r2(PFgbest g-1-Fi g-1)和CRi g=CRi g-1+wVCRi g-1+2.0r1(PCRi g-1-CRi g-1)+2.0r2(PCRgbest g-1-CRi g-1)计算第g+1代种群中,个体的Fi和CRi,完成两者的自动调整,其中,w为惯性权重,w=-0.05×g+1.4,r1,r2为随机变量,范围为[0,1],PFgbest g-1为第g代种群中全局最优缩放因子,PCRgbest g-1为第g代种群中全局最优交叉因子;
(3)实现基于多源信息:加工质量,加工时间,资源消耗的适应度函数的创建;建立无量纲的适应度函数: 其中,加工质量Q通过工件表面粗糙度来衡量,Q0为加工该工件要求的最大表面粗糙度,加工时间T通过切削时间来衡量,T0为加工一个该类工件要求的最大加工时间,资源消耗R通过电能消耗来衡量,R0为加工一个该类工件要求的最大电能消耗,Q0,T0,R0皆为已知;
(4)实现基于差异演化算法的滚齿工艺参数自适应调整;首先,随机初始化第1代滚齿工艺参数种群,按照步骤(1)中种群表示和编码方法,设种群规模NP=20,g=0,获得第1代种群中个体i的向量表示:1≤i≤NP,n=9,根据数据字典获得n维空间对应属性值的范围,根据编码规则,获得xi,j∈[xj,min,xj,max],1≤j≤n,随机给每一项赋值,另外,针对每个个体i的因子向量的随机初始值Fi 0、CRi 0、PFi 0、PCRi 0、VFi 0、VCRi 0都应在一定范围内,Fi 0∈[0,1],CRi 0∈[-0.5,1.5],PFi 0=Fi 0,PCRi 0=CRi 0,VFi 0∈[-0.2Fi 0,0.2Fi 0],VCRi 0∈[-0.2CRi 0,0.2CRi 0],其次,评价第1代种群,工艺人员用个体所代表的滚齿工艺参数依次在滚齿机(可以采用型号YS3118CNC5的滚齿机)上进行加工,并按照步骤(3)计算每个个体i的Qi,Ti,Ri和Fitness,得到第1代种群最优个体定义种群全局最优个体向量集合其中,k为正整数,定义自身最优个体向量集合表示:再次,按照步骤(2)进行滚齿工艺参数种群优化学习,g=g+1,得到子代的个体的Fi g、CRi g和运用Fi g、CRi g进行包括变异、交叉、选择在内的差异演化算法,得到子代种群,并进行加工和计算Fitness,得到该子代种群中最优个体 若 则 最后,设定截止阈值e,若则终止迭代,存储目前种群编号g_end,否则,goto步骤(4)中的第三步。
作为优化,所述步骤(3)中多源信息:加工质量,加工时间,资源消耗的测量方法如下:
加工质量Q通过工件表面粗糙度来衡量,通过便携式粗糙度测量仪进行测量,加工时间T通过切削时间来衡量,通过记录滚齿机(可以采用型号YS3118CNC5的滚齿机)配备的西门子数控系统(型号为840Dsl)上显示的切削时间来计算,资源消耗R通过电能消耗来衡量,通过记录加工每个工件所耗费的电能来计算。
作为优化,步骤(4)中所述的包含变异、交叉、选择等在内的差异演化算法是滚齿工艺参数自适应调整方法的核心;具体过程如下:
Step1计数变量i=1;
Step2在第g代种群中随机选择3个不相同的个体r1,r2,r3,进行变异操作:变异向量 通过 计算得到,r1≠r2≠r3≠i,n=9,Fi由步骤(2)中滚齿工艺参数种群优化学习得到;
Step3进行交叉操作:交叉向量由和联合得到,公式为: 其中,rj∈[0,1],为随机值,rn(i)∈[1,2,···,n],确保中至少有一个向量是从中继承的,CRi由步骤(2)中滚齿工艺参数种群优化学习得到;
Step4进行评价操作:工艺人员用所代表的滚齿工艺参数依次在滚齿机(可以采用型号YS3118CNC5的滚齿机)上进行加工,按照步骤(3)计算
Step5进行选择操作:产生子代向量由父代向量和交叉向量联合得到,公式为:
Step6i≤NP=20,goto Step2,否则,算法结束。
作为优化,按照差异演化算法得到的结果来指导滚齿工艺参数自适应调整,具体方法如下:
步骤(4)得到:种群全局最优个体向量随着种群迭代而不断更新优化,直到迭代终止。通过可以指导滚齿工艺参数自适应调整。
基于差异演化算法的滚齿工艺参数自适应调整方法:以NP个工件为批次单位,设某批工件共分为m批,m为自然数,从0开始,当0≤m<g_end时,第m批工件按照当前全局最优个体进行滚齿加工,当m≥g_end,以后的工件都按照进行滚齿加工。
本发明最大优点是运用差异演化算法中种群的定义,进行滚齿工艺参数种群的表示,并对其进行编码,运用缩放因子Fi和交叉因子CRi的自动调整实现滚齿工艺参数种群优化学习,创建基于多源信息的适应度函数,结合差异演化算法中变异、交叉、选择等操作,完成滚齿工艺参数种群的演化,得到种群全局最优个体向量并运用指导滚齿工艺参数自适应调整,即可达到提高滚齿工艺参数调整效率,降低齿轮表面粗糙度的效果。
附图说明
图1为本发明具体实施方式中基于差异演化算法的滚齿工艺参数自适应调整框架的示意图;
图2为本发明具体实施方式中种群全局最优个体和自身最优个体的示意图;
图3为本发明具体实施方式中滚齿工艺参数种群优化学习过程的示意图;
图4为本发明具体实施方式中包含变异、交叉、选择等在内的差异演化算法关键过程的示意图;
图5为本发明具体实施方式中滚齿工艺参数自适应调整方法具体过程的示意图。
具体实施方式
本发明的思路是:运用差异演化算法中种群的定义,进行滚齿工艺参数种群的表示,并对其进行编码,运用缩放因子Fi和交叉因子CRi的自动调整实现滚齿工艺参数种群优化学习,创建基于多源信息的适应度函数,结合差异演化算法中变异、交叉、选择等操作,完成滚齿工艺参数自适应调整。
下面结合附图对本发明作进一步说明:
一种基于差异演化算法的滚齿工艺参数自适应调整方法,同批齿轮滚齿加工过程中,工艺参数决策时,按照以下步骤进行滚齿工艺参数自适应调整,如图1-图5所示,包括以下具体步骤:
(1)实现滚齿工艺参数种群的表示及编码;首先,在n维空间里,根据数据字典随机产生满足工件基础参数和加工要求的NP个个体,构成一代滚齿工艺参数种群,其中n维空间分别对应滚刀类别、滚刀精度、滚刀头数、螺旋升角、滚刀转速、轴向进给速度、径向进给速度、滚切余量、进给量这9个属性,故n=9,NP为种群规模,接着,在第g+1代滚齿工艺参数种群中,个体i用向量表示为:1≤i≤NP,g为自然数,从0开始,最后,采用实数编码方式对滚齿工艺参数种群进行编码,①对不是数值型的属性进行语义转化,转化为数值,如滚刀精度有C、B、A等有限个级别,可将其转化为对应的数值1,2,3等,②将数值不连续的属性默认为是连续的,使其在差异演化计算时,是可以进行运算操作的,如滚刀精度转为数值1,2,3等时,其中,差异演化计算时有可能出现1.5这个数值,但1.5并不能代表任何一个滚刀精度等级,但还是默认可以进行后续计算,③对进行赋值,完成编码;
(2)实现滚齿工艺参数种群优化学习策略的制定;滚齿工艺参数种群优化学习是通过对缩放因子F和交叉因子CR进行自动调整来实现的,首先,个体都有自身的缩放因子Fi和交叉因子CRi,将种群中的个体与因子向量联系在一起:其中,g代表种群编号,为自然数,从0开始,VFi g是Fi的附加值,Fi g是Fi的当前值,PFi g是Fi的个体的缩放因子最优值,VCRi g是CRi的附加值,CRi g是CRi的当前值,PCRi g是CRi的个体的交叉因子最优值,接着,运用公式Fi g=Fi g-1+wVFi g-1+2.0r1(PFi g-1-Fi g-1)+2.0r2(PFgbest g-1-Fi g-1)和CRi g=CRi g-1+wVCRi g-1+2.0r1(PCRi g-1-CRi g-1)+2.0r2(PCRgbest g-1-CRi g-1)计算第g+1代种群中,个体的Fi和CRi,完成两者的自动调整,其中,w为惯性权重,w=-0.05×g+1.4,r1,r2为随机变量,范围为[0,1],PFgbest g-1为第g代种群中全局最优缩放因子,PCRgbest g-1为第g代种群中全局最优交叉因子;
(3)实现基于多源信息:加工质量,加工时间,资源消耗的适应度函数的创建;建立无量纲的适应度函数: 其中,加工质量Q通过工件表面粗糙度来衡量,Q0为加工该工件要求的最大表面粗糙度,加工时间T通过切削时间来衡量,T0为加工一个该类工件要求的最大加工时间,资源消耗R通过电能消耗来衡量,R0为加工一个该类工件要求的最大电能消耗,Q0,T0,R0皆为已知;
(4)实现基于差异演化算法的滚齿工艺参数自适应调整;首先,随机初始化第1代滚齿工艺参数种群,按照步骤(1)中种群表示和编码方法,设种群规模NP=20,g=0,获得第1代种群中个体i的向量表示:1≤i≤NP,n=9,根据数据字典获得n维空间对应属性值的范围,根据编码规则,获得xi,j∈[xj,min,xj,max],1≤j≤n,随机给每一项赋值,另外,针对每个个体i的因子向量的随机初始值Fi 0、CRi 0、PFi 0、PCRi 0、VFi 0、VCRi 0都应在一定范围内,Fi 0∈[0,1],CRi 0∈[-0.5,1.5],PFi 0=Fi 0,PCRi 0=CRi 0,VFi 0∈[-0.2Fi 0,0.2Fi 0],VCRi 0∈[-0.2CRi 0,0.2CRi 0],其次,评价第1代种群,工艺人员用个体所代表的滚齿工艺参数依次在滚齿机YS3118CNC5上进行加工,并按照步骤(3)计算每个个体i的Qi,Ti,Ri和Fitness,得到第1代种群最优个体定义种群全局最优个体向量集合其中,k为正整数,定义自身最优个体向量集合表示:再次,按照步骤(2)进行滚齿工艺参数种群优化学习,g=g+1,得到子代的个体的Fi g、CRi g和运用Fi g、CRi g进行包括变异、交叉、选择在内的差异演化算法,得到子代种群,并进行加工和计算Fitness,得到该子代种群中最优个体 若 则 最后,设定截止阈值e,若则终止迭代,存储目前种群编号g_end,否则,goto步骤(4)中的第三步。
本发明是基于差异演化算法,来实现滚齿工艺参数自适应调整的,具体过程如图1所示。
上述步骤1中,数据字典中的最重要的输入输出基本转化规则库如表1-7所示:
表1 输入输出基本转化规则库
表2 滚切不同材质齿轮时切削速度(单位:m/min)
表3 滚切不同材质齿轮时的进给量(单位:mm/r)
表4 滚切余量分配表
表5 硬齿面齿轮的刮削留量(单位:mm)
表6 滚刀材料选择规则
表7 滚刀精度选择规则
定义1种群全局最优个体是指当迭代到第k代种群时,从第1代种群到第k代种群中适应度最低,即最优个体,用向量集合表示: k为正整数。
定义2自身最优个体是针对于某个个体本身而言,从父代到子代都认为该个体编号不变,是该个体中适应度最低,即最优个体,用向量集合表示:
,NP为种群规模。
定义3某代种群最优个体是指当迭代到第k代种群时,第k代种群中适应度最低,即最优个体,用向量表示为
种群全局最优个体自身最优个体某代种群最优个体的示意如图2所示。
上述步骤2中,滚齿工艺参数种群优化学习是通过对缩放因子F和交叉因子CR进行自动调整来实现的,调整过程如图3所示,具体步骤如下:
Step1计数变量i=1,输入种群编号g、和r1,r2∈[0,1],为随机值,惯性权重w=-0.05×g+1.4;
Step2所对应的因子向量中的PF值,所对应的因子向量中的PCR值,计算VFi g=wVFi g-1+2.0r1(PFi g-1-Fi g-1)+2.0r2(PFgbest g-1-Fi g-1)、Fi g=Fi g-1+VFi g、VCRi g=wVCRi g-1+2.0r1(PCRi g-1-CRi g-1)+2.0r2(PCRgbest g-1-CRi g-1)、CRi g=CRi g-1+VCRi g;
Step3
Step4if i>NP,goto Step5,否则,i=i+1,goto Step2;
Step5输出因子向量 算法结束;
上述步骤4中,包含变异、交叉、选择等在内的差异演化算法关键过程如图4所示,具体步骤如下:
Step1计数变量i=1,输入种群编号g;
Step2在第g代种群中随机选择3个不相同的个体r1,r2,r3,进行变异操作:变异向量通过计算得到,r1≠r2≠r3≠i,n=9,Fi由步骤(2)中滚齿工艺参数种群优化学习得到;
Step3进行交叉操作:交叉向量 由和联合得到,公式为: 其中,rj∈[0,1],为随机值,rn(i)∈[1,2,···,n],确保中至少有一个向量是从中继承的,CRi由步骤(2)中滚齿工艺参数种群优化学习得到;
Step4进行评价操作:工艺人员用所代表的滚齿工艺参数依次在滚齿机YS3118CNC5上进行加工,按照步骤(3)计算
Step5进行选择操作:产生子代向量由父代向量和交叉向量联合得到,公式为:
Step6i≤NP=20,goto Step2,否则,算法结束。
上述步骤4中,基于差异演化算法的滚齿工艺参数自适应调整方法的具体过程如图5所示,具体步骤如下:
Step1计数变量i=1,n=9,g=1,MAX=10000,截止阈值e=0.02,种群规模NP=20,设定第1代种群最优个体的
Step2随机初始化第1代滚齿工艺参数种群,第1代种群中,个体i的向量表示:
Step3根据数据字典获得n维空间对应属性值的范围,根据编码规则,获得xi,j∈[xj,min,xj,max],1≤j≤n,随机给每一项赋值;
Step4将与因子向量相关联,随机给赋值:Fi 0∈[0,1],CRi 0∈[-0.5,1.5],PFi 0=Fi 0,PCRi 0=CRi 0,VFi 0∈[-0.2Fi 0,0.2Fi 0],VCRi 0∈[-0.2CRi 0,0.2CRi 0];
Step5评价第1代种群,工艺人员用个体所代表的滚齿工艺参数在滚齿机YS3118CNC5上进行加工,并计算个体的Qi,Ti,Ri,计算 Q0,T0,R0皆为已知,
Step6if i>NP,goto Step7,否则,i=i+1,goto Step2;
Step7种群全局最优个体初始赋值自身最优个体初始赋值
Step8输入种群编号g、和进行如图3所示的滚齿工艺参数种群优化学习过程,得到子代因子向量 和更新的
Step9输入种群编号g,进行如图4所示的包含变异、交叉、选择等在内的差异演化关键步骤,得到子代种群;
Step10i=1,设定子代种群最优个体的
Step11评价子代种群,工艺人员用个体所代表的滚齿工艺参数依次在滚齿机YS3118CNC5上进行加工,并计算个体的Qi,Ti,Ri,计算 Q0,T0,R0皆为已知,
Step12if i>NP,goto Step13,否则,i=i+1,goto Step11;
Step13 则
Step14g_end=g,goto Step15,否则,g=g+1,goto8;
Step15用种群全局最优个体向量结合指导滚齿工艺参数自适应调整,以NP个工件为批次单位,设某批工件共分为m批,m为自然数,从0开始,当0≤m<g_end时,第m批工件按照当前全局最优个体进行滚齿加工,当m≥g_end,以后的工件都按照进行滚齿加工。
Claims (4)
1.一种基于差异演化算法的滚齿工艺参数自适应调整方法,其特征在于,同批齿轮滚齿加工过程中,工艺参数决策时,按照以下步骤进行滚齿工艺参数自适应调整,具体步骤为:
(1)实现滚齿工艺参数种群的表示及编码;首先,在n维空间里,根据数据字典随机产生满足工件基础参数和加工要求的NP个个体,构成一代滚齿工艺参数种群,其中n维空间分别对应滚刀类别、滚刀精度、滚刀头数、螺旋升角、滚刀转速、轴向进给速度、径向进给速度、滚切余量、进给量这9个属性,故n=9,NP为种群规模,接着,在第g+1代滚齿工艺参数种群中,个体i用向量表示为:1≤i≤NP,g为自然数,从0开始,最后,采用实数编码方式对滚齿工艺参数种群进行编码,①对不是数值型的属性进行语义转化,转化为数值,②将数值不连续的属性默认为是连续的,使其在差异演化计算时,可以进行运算操作;③对进行赋值,完成编码;
(2)实现滚齿工艺参数种群优化学习策略的制定;滚齿工艺参数种群优化学习是通过对缩放因子F和交叉因子CR进行自动调整来实现的,首先,个体都有自身的缩放因子Fi和交叉因子CRi,将种群中的个体与因子向量联系在一起: 其中,g代表种群编号,为自然数,从0开始,VFi g是Fi的附加值,Fi g是Fi的当前值,PFi g是Fi的个体的缩放因子最优值,VCRi g是CRi的附加值,CRi g是CRi的当前值,PCRi g是CRi的个体的交叉因子最优值,接着,运用公式Fi g=Fi g-1+wVFi g-1+2.0r1(PFi g-1-Fi g-1)+2.0r2(PFgbest g-1-Fi g-1)和CRi g=CRi g-1+wVCRi g-1+2.0r1(PCRi g-1-CRi g-1)+2.0r2(PCRgbest g-1-CRi g-1)计算第g+1代种群中,个体的Fi和CRi,完成两者的自动调整,其中,w为惯性权重,w=-0.05×g+1.4,r1,r2为随机变量,范围为[0,1],PFgbest g-1为第g代种群中全局最优缩放因子,PCRgbest g-1为第g代种群中全局最优交叉因子;
(3)实现基于多源信息:加工质量,加工时间,资源消耗的适应度函数的创建;建立无量纲的适应度函数: 其中,加工质量Q通过工件表面粗糙度来衡量,Q0为加工该工件要求的最大表面粗糙度,加工时间T通过切削时间来衡量,T0为加工一个该类工件要求的最大加工时间,资源消耗R通过电能消耗来衡量,R0为加工一个该类工件要求的最大电能消耗,Q0,T0,R0皆为已知;
(4)实现基于差异演化算法的滚齿工艺参数自适应调整;首先,随机初始化第1代滚齿工艺参数种群,按照步骤(1)中种群表示和编码方法,设种群规模NP=20,g=0,获得第1代种群中个体i的向量表示:1≤i≤NP,n=9,根据数据字典获得n维空间对应属性值的范围:根据编码规则,获得1≤j≤n,随机给每一项赋值,另外,针对每个个体i的因子向量的随机初始值Fi 0、CRi 0、PFi 0、PCRi 0、VFi 0、VCRi 0都应在一定范围内,Fi 0∈[0,1],CRi 0∈[-0.5,1.5],PFi 0=Fi 0,PCRi 0=CRi 0,VFi 0∈[-0.2Fi 0,0.2Fi 0],VCRi 0∈[-0.2CRi 0,0.2CRi 0],其次,评价第1代种群,工艺人员用个体所代表的滚齿工艺参数依次在滚齿机上进行加工,并按照步骤(3)计算每个个体i的Qi,Ti,Ri和Fitness,得到第1代种群最优个体定义种群全局最优个体向量集合 其中,k为正整数,定义自身最优个体向量集合表示: 再次,按照步骤(2)进行滚齿工艺参数种群优化学习,g=g+1,得到子代的个体的Fi g、CRi g和运用Fi g、CRi g进行包括变异、交叉、选择在内的差异演化算法,得到子代种群,并进行加工和计算Fitness,得到该子代种群中最优个体 若 则 最后,设定截止阈值e,若 则终止迭代,存储目前种群编号g_end,否则,goto步骤(4)中的第三步。
2.如权利要求1所述的基于差异演化算法的滚齿工艺参数自适应调整方法,其特征在于,所述步骤(3)中多源信息:加工质量,加工时间,资源消耗的测量方法如下:
加工质量Q通过工件表面粗糙度来衡量,通过便携式粗糙度测量仪进行测量,加工时间T通过切削时间来衡量,通过记录滚齿机配备的西门子数控系统上显示的切削时间来计算,资源消耗R通过电能消耗来衡量,通过记录加工每个工件所耗费的电能来计算。
3.如权利要求1所述的基于差异演化算法的滚齿工艺参数自适应调整方法,其特征在于,步骤(4)中所述的包含变异、交叉、选择等在内的差异演化算法是滚齿工艺参数自适应调整方法的核心;具体过程如下:
Step1计数变量i=1;
Step2在第g代种群中随机选择3个不相同的个体r1,r2,r3,进行变异操作:变异向量 通过 计算得到,r1≠r2≠r3≠i,n=9,Fi由步骤(2)中滚齿工艺参数种群优化学习得到;
Step3进行交叉操作:交叉向量由和联合得到,公式为: 其中,rj∈[0,1],为随机值,rn(i)∈[1,2,···,n],确保中至少有一个向量是从中继承的,CRi由步骤(2)中滚齿工艺参数种群优化学习得到;
Step4进行评价操作:工艺人员用所代表的滚齿工艺参数依次在滚齿机上进行加工,按照步骤(3)计算
Step5进行选择操作:产生子代向量由父代向量和交叉向量联合得到,公式为:
Step6i≤NP=20,goto Step2,否则,算法结束。
4.如权利要求1所述的基于差异演化算法的滚齿工艺参数自适应调整方法,其特征在于,按照差异演化算法得到的结果来指导滚齿工艺参数自适应调整,具体方法如下:
步骤(4)得到:种群全局最优个体向量随着种群迭代而不断更新优化,直到迭代终止;通过可以指导滚齿工艺参数自适应调整;
基于差异演化算法的滚齿工艺参数自适应调整方法:以NP个工件为批次单位,设某批工件共分为m批,m为自然数,从0开始,当0≤m<g_end时,第m批工件按照当前全局最优个体进行滚齿加工,当m≥g_end,以后的工件都按照进行滚齿加工。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410285943.3A CN104200270B (zh) | 2014-06-23 | 2014-06-23 | 一种基于差异演化算法的滚齿工艺参数自适应调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410285943.3A CN104200270B (zh) | 2014-06-23 | 2014-06-23 | 一种基于差异演化算法的滚齿工艺参数自适应调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200270A true CN104200270A (zh) | 2014-12-10 |
CN104200270B CN104200270B (zh) | 2017-09-01 |
Family
ID=52085559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410285943.3A Expired - Fee Related CN104200270B (zh) | 2014-06-23 | 2014-06-23 | 一种基于差异演化算法的滚齿工艺参数自适应调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200270B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778497A (zh) * | 2015-05-05 | 2015-07-15 | 重庆大学 | 一种加工过程中工艺参数自学习优化的滚齿加工方法 |
CN104809313A (zh) * | 2015-05-18 | 2015-07-29 | 重庆大学 | 一种基于小样本多元工艺参数分析优化的滚齿干切加工方法 |
CN104881530A (zh) * | 2015-05-18 | 2015-09-02 | 重庆大学 | 一种基于优化工艺参数的滚齿干切加工方法 |
CN109697334A (zh) * | 2019-01-15 | 2019-04-30 | 湘潭大学 | 一种轴承接触应力确定方法及系统 |
CN110750887A (zh) * | 2019-10-11 | 2020-02-04 | 河海大学常州校区 | 一种基于样本适配的滚齿加工方法 |
CN116300475A (zh) * | 2023-05-11 | 2023-06-23 | 苏州先准电子科技有限公司 | 一种金属滚压加工控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130091708A1 (en) * | 2011-10-14 | 2013-04-18 | GM Global Technology Operations LLC | Methods of fabricating combination gear for stacked planetary gearset |
CN103197552A (zh) * | 2013-03-15 | 2013-07-10 | 重庆大学 | 一种面向低碳制造的机械加工参数优化控制方法 |
CN103729525A (zh) * | 2014-01-26 | 2014-04-16 | 重庆大学 | 一种滚齿加工方法 |
-
2014
- 2014-06-23 CN CN201410285943.3A patent/CN104200270B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130091708A1 (en) * | 2011-10-14 | 2013-04-18 | GM Global Technology Operations LLC | Methods of fabricating combination gear for stacked planetary gearset |
CN103197552A (zh) * | 2013-03-15 | 2013-07-10 | 重庆大学 | 一种面向低碳制造的机械加工参数优化控制方法 |
CN103729525A (zh) * | 2014-01-26 | 2014-04-16 | 重庆大学 | 一种滚齿加工方法 |
Non-Patent Citations (3)
Title |
---|
武志峰: "自适应调整控制参数的差异演化算法", 《计算机工程与设计》 * |
郭奉民等: "基于成组技术和标准模板的滚齿CNC自动编程方法", 《新型工业化》 * |
钟华等: "高性能自适应调整参数的遗传算法", 《湘潭大学自然科学学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778497A (zh) * | 2015-05-05 | 2015-07-15 | 重庆大学 | 一种加工过程中工艺参数自学习优化的滚齿加工方法 |
CN104778497B (zh) * | 2015-05-05 | 2017-09-08 | 重庆大学 | 一种加工过程中工艺参数自学习优化的滚齿加工方法 |
CN104809313A (zh) * | 2015-05-18 | 2015-07-29 | 重庆大学 | 一种基于小样本多元工艺参数分析优化的滚齿干切加工方法 |
CN104881530A (zh) * | 2015-05-18 | 2015-09-02 | 重庆大学 | 一种基于优化工艺参数的滚齿干切加工方法 |
CN104809313B (zh) * | 2015-05-18 | 2017-10-13 | 重庆大学 | 一种基于小样本多元工艺参数分析优化的滚齿干切加工方法 |
CN104881530B (zh) * | 2015-05-18 | 2017-10-20 | 重庆大学 | 一种基于优化工艺参数的滚齿干切加工方法 |
CN109697334A (zh) * | 2019-01-15 | 2019-04-30 | 湘潭大学 | 一种轴承接触应力确定方法及系统 |
CN109697334B (zh) * | 2019-01-15 | 2022-11-15 | 湘潭大学 | 一种轴承接触应力确定方法及系统 |
CN110750887A (zh) * | 2019-10-11 | 2020-02-04 | 河海大学常州校区 | 一种基于样本适配的滚齿加工方法 |
CN110750887B (zh) * | 2019-10-11 | 2022-08-19 | 河海大学常州校区 | 一种基于样本适配的滚齿加工方法 |
CN116300475A (zh) * | 2023-05-11 | 2023-06-23 | 苏州先准电子科技有限公司 | 一种金属滚压加工控制方法及系统 |
CN116300475B (zh) * | 2023-05-11 | 2023-08-22 | 苏州先准电子科技有限公司 | 一种金属滚压加工控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104200270B (zh) | 2017-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200270A (zh) | 一种基于差异演化算法的滚齿工艺参数自适应调整方法 | |
CN107220734B (zh) | 基于决策树的数控车床车削过程能耗预测系统 | |
CN109598416B (zh) | 一种复材车间的动态排产系统及排产方法 | |
Wang et al. | Dual-objective program and improved artificial bee colony for the optimization of energy-conscious milling parameters subject to multiple constraints | |
CN110048420B (zh) | 一种配电网随机优化调度的方法、装置和介质 | |
CN104267693B (zh) | 一种机械加工能量效率的切削参数优化方法 | |
CN103198186B (zh) | 基于特征的飞机结构件切削参数优化方法 | |
CN104778497B (zh) | 一种加工过程中工艺参数自学习优化的滚齿加工方法 | |
CN104808587B (zh) | 一种基于机加工设备运行状态的稼动率统计方法 | |
CN108389001B (zh) | 一种基于step-nc的智能非线性工艺规划方法 | |
CN102909844B (zh) | 一种注塑机工件生产线的生产方法 | |
CN104570739A (zh) | 基于云和移动终端的选矿多生产指标优化决策系统及方法 | |
CN103809506A (zh) | 基于一维粒子群算法获得零件加工最优调度方案的方法 | |
CN104318022A (zh) | 一种预测工件表面粗糙度并提高切削效率的方法 | |
CN107248047B (zh) | 基于加工过程状态熵动态计算的加工过程状态评价方法 | |
CN109507961B (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
CN111340306A (zh) | 一种面向智能制造的机床设备优化方法 | |
CN104537503A (zh) | 数据处理方法和系统 | |
CN106774162A (zh) | 一种数控加工参数多目标优化方法 | |
Saeidi et al. | A multi-objective genetic algorithm for solving cell formation problem using a fuzzy goal programming approach | |
CN108776845A (zh) | 一种基于双目标作业车间调度的混合果蝇算法 | |
CN111047345B (zh) | 一种计及新能源消纳率和用户满意度的电价数据调整方法 | |
CN115494796A (zh) | 一种基于step-nc的边云协同数字孪生系统 | |
CN114879618A (zh) | 知识驱动的车间智能排产方法 | |
CN102708519A (zh) | 一种基于自由搜索算法的变电站优化选址方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170901 |
|
CF01 | Termination of patent right due to non-payment of annual fee |