CN107368912A - 一种面向低碳制造的加工中心刀具决策方法 - Google Patents
一种面向低碳制造的加工中心刀具决策方法 Download PDFInfo
- Publication number
- CN107368912A CN107368912A CN201710439722.0A CN201710439722A CN107368912A CN 107368912 A CN107368912 A CN 107368912A CN 201710439722 A CN201710439722 A CN 201710439722A CN 107368912 A CN107368912 A CN 107368912A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- chromosome
- work step
- workpiece
- 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 136
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 90
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 81
- 210000000349 chromosome Anatomy 0.000 claims abstract description 123
- 230000008569 process Effects 0.000 claims abstract description 97
- 238000012545 processing Methods 0.000 claims abstract description 66
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 60
- 238000005520 cutting process Methods 0.000 claims abstract description 37
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 48
- 239000002173 cutting fluid Substances 0.000 claims description 12
- 238000000205 computational method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- 238000004043 dyeing Methods 0.000 claims description 5
- 238000012384 transportation and delivery Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010353 genetic engineering Methods 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000003754 machining Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000012141 concentrate Substances 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000022339 metaphase plate congression Effects 0.000 claims 1
- 238000002360 preparation method Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Numerical Control (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及一种面向低碳制造的加工中心刀具决策方法,以单台加工中心制造系统为应用对象。具体步骤为:1.确定每一刀具个体剩余寿命;2.确定每一工件各工步可用刀具类型及对应切削参数;3.逐次计算每一工步可用刀具类型的加工时间、加工功率与刀具损耗率,得到工步‑刀具类型匹配表;4.运用考虑刀具寿命约束的多目标遗传算法求解,计算在不同刀具使用方案及工件加工顺序下的生产成本及碳排放,获得最优染色体;5.依据最优染色体信息得出各工步的加工刀具、各加工区间的装载刀具集,付诸生产。依据本发明的方法可对生产现场刀具的选择及装载顺序进行快速决策,生成成本与碳排放协同优化的加工方案,指导刀具准备与实际生产。
Description
技术领域
本发明属于低碳制造与智能制造技术领域,具体涉及一种面向低碳制造的加工中心刀具决策方法。
背景技术
随着制造业高能耗、高排放问题日益凸显,低碳制造作为产业变革的主要方向逐渐引起重视。低碳制造体系包括产品设计方法、制造加工工艺、零部件回收利用等多个方面。机械加工过程是制造过程的关键环节,对加工过程的能源优化利用及碳排放控制是低碳制造体系不可或缺的组成部分。
在现代制造过程中,加工中心由于其机床刀库的存在大大节省了辅助过程的时间,获得了大范围应用。作业人员可将多把刀具同时装入刀库,由机床自动换刀系统进行快速换刀,满足不同工步的加工需求。由于刀库容量的限制,一批工件往往划分为多个区间进行加工。加工中心的生产规划决定了工件间的加工顺序、刀具的装载顺序等,对生产资源的有效组织与生产活动的顺利进行意义重大。
作为制造过程的关键要素,数控刀具种类繁多、数量庞大。刀具类型的增多满足了多品种生产的需要,也带来了生产管理与资源组织的不便。实际生产中,同一工步往往可选择多种类型刀具,且使用不同类型刀具加工参数上的不同导致在加工时间、成本及碳排放上存在差异。因此,刀具选择及生产现场的组织调配需要生产人员进行综合考虑,对生产效益与环境影响进行更多地权衡。
现有生产过程加工刀具决策过程,多存在以下问题:
(1)生产规划刀具决策时,缺少对刀具可用数量及剩余寿命的考虑。刀具在不同机床之间争用、磨损报废等实时事件易导致规划刀具实时占用或报废缺失,从而造成刀具规划与实际生产的脱节,拖慢生产节奏,造成成本提升。
(2)刀具决策往往以生产时间或生产成本为优化目标,缺少了对生产碳排放的综合考虑。由此导致高效的生产以恶劣的环境影响为牺牲,不符合低碳制造的发展需求。
基于以上问题,需要一种更为贴近实际生产现场、平衡效益与环境的加工刀具决策方法。
发明内容
本发明提出了一种面向低碳制造的加工中心刀具决策方法,结合工件的工艺规划信息,以生产现场实时可得刀具为输入,来得出生产成本、碳排放优化的刀具使用方案。本发明针对单台加工中心加工环境,可以解决以下两方面的具体问题:(1)考虑剩余寿命对生产现场的有限刀具进行组织管理;(2)从生产成本与生产碳排的角度对刀具使用方案进行决策,最终得到每个区间的待加工工件及所需装载刀具信息。
本发明采用如下的技术方案:
一种面向低碳制造的加工中心刀具决策方法,该方法适用情境为单台加工中心制造系统,该单台加工中心制造系统中包括n个分配到加工中心上的工件和m种可用刀具类型,每个工件由多个工步组成,每种刀具类型有多把刀具个体且不同个体剩余可用寿命不同,用ui表示第i个工件包含的工步数,cd表示第d种刀具类型包含的刀具个体数,该方法包括如下步骤:
步骤1:确定每一可用刀具个体的剩余寿命;
步骤2:确定每个工件各工步的可用刀具类型及使用不同刀具类型加工对应的切削参数:
vc ij(d)---工件i的工步j使用刀具类型d的切削速度;
fij(d)---工件i的工步j使用刀具类型d的进给速度;
ap ij(d)---工件i的工步j使用刀具类型d的背吃刀量;
步骤3:对每一工步,依据其可用刀具类型对应的切削参数依次计算每一刀具类型的加工能力,得到工步-刀具类型匹配表,刀具类型加工能力计算包括以下几项:
tij(d)---工件i的工步j使用刀具类型d的加工过程时间;
Pij(d)---工件i的工步j使用刀具类型d的机床加工功率;
rij(d)---工件i的工步j使用刀具类型d的刀具的损耗率;
步骤4:以工步-刀具类型匹配表为输入,使用多目标遗传算法解算,综合考虑生产成本与碳排放得到最优染色体;
步骤5:依据最优染色体信息得出工件加工序列及各工步加工刀具决策方案,将分配到单台加工中心上的任务划分为多个加工区间,由此得到各个区间的加工任务及需要装载的刀具集,据此安排准备活动并付诸生产。
本发明进一步的改进在于,步骤1中,刀具的剩余寿命Sr通过如下方式表示:
其中,刀具加工工件i工步j的寿命损耗rij为其加工时间tij与相应切削参数下刀具的总寿命时间Sij之比。
本发明进一步的改进在于,步骤3中,对于工件i的工步j,其可用刀具类型d加工能力的评价步骤为:
步骤3.1:确定工件i的工步j的加工余量:工件直径Dij,加工长度Lij,加工余量Δij;
步骤3.2:确定工件i的工步j对应刀具类型d的切削参数:切削速度vc ij(d)、进给速度fij(d)、背吃刀量ap ij(d);
步骤3.3:计算工件i的工步j使用刀具类型d的加工时间tij(d)、机床加工功率Pij(d)及刀具的损耗率rij(d),各部分的计算方法如下:
其中,Pu0为加工中心最低空载功率,A1、A2为主轴转速系数,CF为与工件材料和刀具材料有关的系数,KF为与切削用量、刀具角度、刀具磨损以及切削液有关的系数,CT为与切削条件有关的系数,x、y、z、α、β、γ为指数。
本发明进一步的改进在于,步骤4中,具体过程如下:
4.1初始化
设定种群规模N、迭代次数M、不可行度的阈值B及不可行解的比例Q,不可行解为不可行度大于0的染色体;
4.2生成初始种群
随机生成染色体作为初始种群,其规模为N,染色体编码由(0,1)范围内的随机数组成,每条染色体编码包括两部分:前半部分编码为工件加工顺序编码,其长度等于总工件数,每个编码位对应一工件;后半部分编码为工步的加工刀具决策编码,其长度等于所有工件总工步数,每个编码位对应一工步;
4.3解码计算
依次对种群中的每一染色体解码,得到工件的加工顺序与各工步的加工刀具,之后计算染色体的不可行度Φ、生产成本C与碳排放E;
4.4非支配排序
以各染色体信息计算得到整批任务的生产成本C与碳排放E为输入,通过非支配排序计算各染色体的非支配等级Irank与拥挤度Id;
4.5遗传操作
随机选取种群中的两条染色体,基于不可行度Φ、不可行阈值B、非支配等级Irank与拥挤度Id进行比较,选择更优的染色体放入父染色体集;
对父染色体集中的染色体进行多点交叉与多项式变异得到子染色体集,将原种群与子染色体集合并得到合并种群,之后,计算合并种群中各染色体的不可行度Φ、生产成本C、生产碳排放E、非支配等级Irank与拥挤度Id;
4.6选择操作
由不可行度Φ、不可行阈值B、非支配等级Irank与拥挤度Id指标选择其中优良的染色体形成规模为N的子种群;
4.7不可行阈值的更新
统计子种群中不可行解的比例,对不可行阈值B进行更新,当种群中不可行解的比例大于预先设定的值Q时适当缩小不可行阈值;反之,则适当增大不可行阈值;
4.8得到最优染色体
重复过程4.4-4.6直至达到规定的迭代次数M,得到最终种群;
对于最终种群中所有可行染色体,提取非支配等级最低的染色体得到最优解集,对最优解集中染色体的生产成本及碳排放进行综合评价得到最优染色体,可行染色体的不可行度等于0。
本发明进一步的改进在于,步骤4中4.3解码过程如下:
工件加工顺序解码过程为:提取染色体加工顺序编码,依据各个编码位编码的大小对对应的工件号进行重排列,得到工件的加工顺序;
工步加工刀具解码过程为:
(1)提取工步可用刀具类型及不同类型下刀具个体的损耗率,得到工步可用刀具类型集合S1;
(2)提取工步可用刀具类型下所有刀具个体及其剩余可用寿命,得到工步可用刀具个体集合S2;
(3)筛选工步可用刀具个体集合S2中剩余寿命大于需求损耗率的刀具,得到工步备选刀具集合S3,可用刀具个体集合中没有剩余寿命满足要求的个体,则将工步可用刀具个体集合S2作为备选刀具集合S3;
(4)工步备选刀具集合S3中刀具的总数与染色体中工步对应的编码相乘并取整,与备选刀具集合S3对应得到当前工步所选用刀具个体;
(5)更新刀具个体的剩余寿命;
(6)重复以上步骤直至所有工步的加工刀具确定。
本发明进一步的改进在于,步骤4中4.3染色体的不可行度、生产成本与碳排放计算过程如下:
染色体I的不可行度Φ(I)为按照当前染色体编码确定的刀具使用方案得到所有刀具的寿命超出损耗量,其计算方法为:
其中,Rdg为加工完该批任务刀具类型d的个体g的总寿命损耗,Sr dg为刀具类型d的个体g的初始剩余寿命;
依据工步选定加工刀具的类型查询工步-刀具类型匹配表,得到工步的加工时间、机床加工功率与刀具损耗率,依次计算每一工步的加工成本与碳排放,工件i的工步j的加工成本Cm ij及碳排放Em ij计算如下:
其中,tij为工件i的工步j的加工时间,Pij为工件i的工步j的机床加工功率,rij为工件i的工步j的刀具损耗率,cm为加工中心单位时间成本,ct为刀具成本,cl为切削液单位时间的成本,W为刀具质量,pe为电能消耗碳排放因子,pt为刀具物料消耗碳排放因子,el为切削液单位时间碳排放率,由切削液制备、废弃处理碳排放及更换周期计算得到;
依据工件的加工顺序将该批任务划分为多个区间进行加工,保证同一工件的工步在一个区间内连续加工且每个区间刀库所装刀具数目不大于刀库容量,由加工区间的划分情况得到各个工件的完工时间及整批任务加工过程的刀库装载次数,据此计算总生产成本C与总生产碳排放E:
其中,ui为工件i包含的工步数,Cm ij为工件i的工步j的加工成本,qi为工件i的拖期惩罚系数,Ti为工件i的完工时间,Ji为工件i的交货期,cs为刀库装卸一次的成本,s为刀库装卸次数,Em ij为工件i的工步j的加工碳排放,es为刀库装卸一次的碳排放。
本发明进一步的改进在于,步骤4中4.5两染色体比较选优过程如下:
对于任意两染色体I1与I2,其优劣比较过程如下:
(1)当Φ(I1)>0且Φ(I2)>0时,则Φ(I)小者为优;
(2)当Φ(I1)=0且Φ(I2)>B时,则染色体I1为优;
(3)当Φ(I1)=0且0≤Φ(I2)≤B时,个体I1优于I2当且仅当I1rank<I2rank或I1rank=I2rank且I1d>I2d。
本发明进一步的改进在于,步骤4中4.6染色体选择过程如下:
(1)若合并种群中不可行度Φ小于不可行阈值B的染色体数目不大于N:优先选择非支配等级Irank低的染色体,对于非支配等级Irank相同的染色体,优先选择拥挤度Id大的染色体,直到子种群规模达到N;
(2)若合并种群中不可行度Φ小于不可行阈值B的染色体数目大于N:将所有不可行度Φ小于不可行阈值B的染色体放入子种群,对于剩余染色体,优先选择不可行度Φ小的染色体,直到子种群规模达到N。
本发明进一步的改进在于,步骤4中4.8染色体综合评价指标PI计算如下:
其中,为染色体I的第k个目标值,为最优解集中所有染色体第k个目标的最优值。
本发明具有如下的有益效果:
本发明提供的面向低碳制造的加工中心刀具决策方法能够对生产现场各工步的加工刀具及各区间的装载刀具集进行快速优化决策,提高生产准备过程与加工过程的效率,实现成本与碳排放的协同降低,适应低碳制造的发展需求。本方法以加工任务的工艺信息和可用刀具信息为基础,一方面,通过算法解算得到工步的加工刀具与工件的加工顺序,由此得出各刀具的使用区间与机床刀库装卸时间节点,从而指导刀具组织与生产活动高效进行;另一方面,对不同刀具配置方案下的生产成本及碳排放进行量化计算,并以此作为多目标遗传算法选优的依据,保证了所得解个体成本与碳排放协同最优。
进一步,本方法中考虑刀具的剩余寿命并以损耗率作为刀具剩余寿命的衡量指标,更贴近加工实际。不同切削参数下刀具理论寿命时间不同,相比剩余时间以损耗率作为刀具寿命的衡量指标更精确,保证了决策结果的合理性。此外,本方法中以切削参数为基础,计算工步对应刀具类型的加工时间、机床功率及刀具损耗率,由此得出生产成本与碳排放,实现了刀具决策方案的量化评价,方便了不同方案的比较及选优。
进一步,本方法中使用考虑刀具寿命约束的多目标遗传算法解算,采用结合不可行度的比较及选择算子,为处理违背刀具寿命约束的不可行解提供了解决方案,同时提高了算法的寻优性。针对多数约束优化问题在约束边界处取得最优值的特性,本方法中比较、选择算子能够保证种群中存在一定比例靠近约束边界的不可行染色体,保证了种群的多样性,从而有利于找到更为优良的染色体。
附图说明
图1是工件加工顺序解码原理图;
图2是工步加工刀具解码过程图;
图3是遗传算法解算过程目标收敛图;
图4是最终决策方案得出的刀具甘特图;
图5是最终决策方案得出加工前后刀具的寿命对比。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细说明。
本发明的方法以单台加工中心加工系统为应用对象。该加工系统中包括n个分配到该加工中心上的工件(包含了多个工步),工件的每一工步依据工艺要求确定了一种或多种可用的刀具类型且不同刀具类型下选用的切削参数不同。生产现场共m种可用刀具类型,同种类型的多把刀具个体剩余可用寿命不同。
本发明以遗传算法为核心,解决加工中心加工过程刀具使用决策的问题。具体按照以下步骤实施:
步骤1:确定每一可用刀具个体的剩余寿命。刀具的剩余寿命Sr通过如下方式表示:
其中,刀具加工工件i工步j的寿命损耗rij为其加工时间tij与相应切削参数下刀具的总寿命时间Sij之比。
步骤2:确定每个工件各工步的可用刀具类型及使用不同刀具类型加工对应的切削参数:
vc ij(d)---工件i的工步j使用刀具类型d的切削速度;
fij(d)---工件i的工步j使用刀具类型d的进给速度;
ap ij(d)---工件i的工步j使用刀具类型d的背吃刀量。
步骤3:对每一工步,依据其可用刀具类型对应的切削参数依次计算每一刀具类型的加工能力,得到工步-刀具类型匹配表。刀具类型加工能力计算包括以下几项:
tij(d)---工件i的工步j使用刀具类型d的加工过程时间;
Pij(d)---工件i的工步j使用刀具类型d的机床加工功率;
rij(d)---工件i的工步j使用刀具类型d的刀具的损耗率。
对于工件i的工步j,其可用刀具类型d加工能力的评价步骤为:
(1)确定工件i的工步j的加工余量:工件直径Dij,加工长度Lij,加工余量Δij。
(2)确定工件i的工步j对应刀具类型d的切削参数:切削速度vc ij(d)、进给速度fij(d)、背吃刀量ap ij(d)。
(3)计算工件i的工步j使用刀具类型d的加工时间tij(d)、机床加工功率Pij(d)及刀具的损耗率rij(d)。各部分的计算方法如下:
其中,Pu0为加工中心最低空载功率,A1、A2为主轴转速系数,CF为与工件材料和刀具材料有关的系数,KF为与切削用量、刀具角度、刀具磨损以及切削液有关的系数,CT为与切削条件有关的系数,x、y、z、α、β、γ为指数。
步骤4:使用多目标遗传算法解算,综合考虑生产成本与碳排放得到最优染色体。其具体过程如下:
4.1初始化
设定种群规模N、迭代次数M、不可行度的阈值B及不可行解(不可行度大于0的染色体)的比例Q。
4.2生成初始种群
随机生成染色体作为初始种群,其规模为N。染色体编码由(0,1)范围内的随机数组成,每条染色体编码包括两部分:前半部分编为工件加工顺序编码,其长度等于总工件数,每个编码位对应一工件;后半部分编码为工步的加工刀具决策编码,其长度等于所有工件总工步数,每个编码位对应一工步。
4.3解码计算
依次对种群中的每一染色体解码,得到工件的加工顺序与各工步的加工刀具,之后计算染色体的不可行度、生产成本与碳排放。
工件加工顺序解码过程如图1所示,其具体过程为:提取染色体加工顺序编码,依据各个编码位编码的大小对对应的工件号进行重排列,得到工件的加工顺序。
工步加工刀具解码过程如图2所示,其具体过程为:
(1)提取工步可用刀具类型及不同类型下刀具个体的损耗率,得到工步可用刀具类型集合S1。
(2)提取工步可用刀具类型下所有刀具个体及其剩余可用寿命,得到工步可用刀具个体集合S2。
(3)筛选工步可用刀具个体集合S2中剩余寿命大于需求损耗率的刀具,得到工步备选刀具集合S3。可用刀具个体集合中没有剩余寿命满足要求的个体,则将工步可用刀具个体集合S2作为备选刀具集合S3。
(4)工步备选刀具集合S3中刀具的总数与染色体中工步对应的编码相乘并取整,与备选刀具集合S3对应得到当前工步所选用刀具个体。
(5)更新刀具个体的剩余寿命。
(6)重复以上步骤直至所有工步的加工刀具确定。
依据以上解码信息,计算得到染色体的不可行度、生产成本、生产碳排放。
染色体I的不可行度Φ(I)规定为:按照当前染色体编码确定的刀具使用方案得到所有刀具的寿命超出损耗量。其计算方法为:
其中,Rdg为加工完该批任务刀具类型d的个体g的总寿命损耗,Sr dg为刀具类型d的个体g的初始剩余寿命。
依据工步选定加工刀具的类型查询工步-刀具类型匹配表,得到工步的加工时间、机床加工功率与刀具损耗率,依次计算每一工步的加工成本与碳排放。工件i的工步j的加工成本Cm ij及碳排放Em ij计算如下:
其中,tij为工件i的工步j的加工时间,Pij为工件i的工步j的机床加工功率,rij为工件i的工步j的刀具损耗率,cm为加工中心单位时间成本,ct为刀具成本,cl为切削液单位时间的成本,W为刀具质量,pe为电能消耗碳排放因子,pt为刀具物料消耗碳排放因子,el为切削液单位时间碳排放率(由切削液制备、废弃处理碳排放及更换周期计算得到)。
依据工件的加工顺序将该批任务划分为多个区间进行加工,保证同一工件的工步在一个区间内连续加工且每个区间刀库所装刀具数目不大于刀库容量。由加工区间的划分情况得到各个工件的完工时间及整批任务加工过程的刀库装载次数。据此计算总生产成本C与总生产碳排放E:
其中,ui为工件i包含的工步数,Cm ij为工件i的工步j的加工成本,qi为工件i的拖期惩罚系数,Ti为工件i的完工时间,Ji为工件i的交货期,cs为刀库装卸一次的成本,s为刀库装卸次数,Em ij为工件i的工步j的加工碳排放,es为刀库装卸一次的碳排放。
4.4非支配排序
以各染色体信息计算得到整批任务的生产成本C与碳排放E为输入,通过非支配排序计算各染色体的非支配等级Irank与拥挤度Id。
4.5遗传操作
随机选取种群中的2条染色体,基于不可行度Φ、不可行阈值B、非支配等级Irank与拥挤度Id进行比较,选择更优的染色体放入父染色体集。对于任意两染色体I1与I2,其优劣比较过程如下:
(1)当Φ(I1)>0且Φ(I2)>0时,则Φ(I)小者为优;
(2)当Φ(I1)=0且Φ(I2)>B时,则染色体I1为优;
(3)当Φ(I1)=0且0≤Φ(I2)≤B时,个体I1优于I2当且仅当I1rank<I2rank或I1rank=I2rank且I1d>I2d。
对父染色体集中的染色体进行多点交叉与多项式变异得到子染色体集,将原种群与子染色体集合并得到合并种群。之后,计算合并种群中各染色体的不可行度Φ、生产成本C、生产碳排放E、非支配等级Irank与拥挤度Id。
4.6选择操作
由不可行度Φ、不可行阈值B、非支配等级Irank与拥挤度Id指标选择其中优良的染色体形成规模为N的子种群。选择过程如下:
(1)若合并种群中不可行度Φ小于不可行阈值B的染色体数目不大于N:优先选择非支配等级Irank低的染色体,对于非支配等级Irank相同的染色体,优先选择拥挤度Id大的染色体,直到子种群规模达到N。
(2)若合并种群中不可行度Φ小于不可行阈值B的染色体数目大于N:将所有不可行度Φ小于不可行阈值B的染色体放入子种群,对于剩余染色体,优先选择不可行度Φ小的染色体,直到子种群规模达到N。
4.7不可行阈值的更新
统计子种群中不可行解的比例,对不可行阈值B进行更新。当种群中不可行解的比例大于预先设定的值Q时适当缩小不可行阈值;反之,则适当增大不可行阈值。
4.8得到最优染色体
重复过程4.4-4.6直至达到规定的迭代次数M,得到最终种群。
对于最终种群中所有可行染色体(不可行度等于0),提取非支配等级最低的染色体得到最优解集,对最优解集中染色体的生产成本及碳排放进行综合评价得到最优染色体。染色体综合评价指标PI计算如下:
其中,为染色体I的第k个目标值,为最优解集中所有染色体第k个目标的最优值。
步骤5:依据最优染色体信息得出工件加工序列及各工步加工刀具决策方案,将分配到单台加工中心上的任务划分为多个加工区间,由此得到各个区间的加工任务及需要装载的刀具集,据此安排准备活动并付诸生产。
实施实例
以下结合具体实例对本发明的技术方案进行说明。
一批包含10个工件的加工任务分配到一台加工中心进行加工,表1为该批工件的具体信息。在生产现场共有6种类型刀具用以加工该批工件,可用刀具信息如表2所示。
表1加工任务信息表
工件号 | 包含工步数 | 交货期 | 拖期惩罚系数 |
1 | 3 | 100 | 0.11 |
2 | 3 | 99 | 0.17 |
3 | 3 | 43 | 0.17 |
4 | 4 | 28 | 0.21 |
5 | 3 | 37 | 0.22 |
6 | 4 | 10 | 0.2 |
7 | 3 | 53 | 0.1 |
8 | 3 | 71 | 0.23 |
9 | 3 | 84 | 0.1 |
10 | 3 | 63 | 0.14 |
表2可用刀具信息表
以下以工件1的工步1为例,说明工步可用刀具类型加工能力计算过程。工件1的工步1加工余量为:
工件直径D:60mm;加工长度L:150mm;加工余量Δ:8mm。
其可以使用刀具类型d1进行加工,其优化加工参数如下:
切削速度vc:4m/s;进给速度f:0.2mm/r;背吃刀量ap:2mm。
查询刀具信息及切削手册,得出相应工况下刀具寿命及切削力的相关参数如表3所示。加工中心的最低空载功率Pu0为500W,通过计算得到使用刀具类型d1加工该工步1的加工时间、机床功率及刀具损耗率:
加工时间t:2.4min;机床功率P:16.1kW;刀具损耗率r:0.11。
同以上计算过程,依次计算该批工件每一工步可用刀具类型的加工能力,得到工步-刀具类型匹配信息如表4所示。
表3相关系数表
CT | α | β | γ | CF | KF | x | y | z | A1 | A2 |
6.4136*109 | 3.75 | 1.2 | 1.2 | 2950 | 1 | 1 | 0.75 | -0.15 | 0.227 | -0.67*10-6 |
表4工步-刀具类型匹配信息表
加工中心的相关参数如表5所示,其刀库容量为5。
将加工任务信息、可用刀具信息、任务-刀具匹配信息作为输入,通过多目标遗传算法解算,得到优化方案。遗传算法通过MATLAB实现。图3为算法迭代过程收敛图,可见经多次迭代种群中成本及碳排放均收敛趋于较小值。图4为最优方案刀具甘特图,由此可得该批工件的加工序列、各工步的刀具使用情况及加工区间的划分情况。图5为最优方案加工前后刀具使用寿命的对比图,可见各刀具的寿命损耗在许可初始寿命范围内。
表5相关加工参数表
依据所得算法解算结果,得到优化加工方案如表6所示。在此方案下总生产成本为530元,总生产碳排放为35.2kg。实际中可依据本方法得到优化方案进行生产准备及刀具组织,并付诸生产。
表6优化刀具决策表
加工区间 | 加工工件序列 | 需要装载刀具 |
1 | 3-4-10 | d2g1-d3g1-d4g3-d5g1-d6g1 |
2 | 5-8-2 | d1g1-d2g1-d2g2-d4g1-d4g2 |
3 | 1-7-9-6 | d1g2-d3g2-d4g2-d5g2-d6g2 |
本发明的实施具体有以下几方面的有益效果:(1)对加工中心的工件排序与刀具决策并行考虑,实现加工区间的合理划分,减少机床刀库装卸引起的辅助过程消耗;(2)结合生产现场的有限刀具的寿命信息,在刀具配置方案满足加工需求的基础上,实现生产成本与碳排放的协同优化。
以上内容是结合具体案例对本发明进行详细说明,主要为证明本方法在实际应用中的正确性,不能认定本发明的具体实施方式局限于此。在不脱离本发明原理的情况下做出的若干改进也应视为本发明的保护范畴。
Claims (9)
1.一种面向低碳制造的加工中心刀具决策方法,其特征在于,该方法适用情境为单台加工中心制造系统,该单台加工中心制造系统中包括n个分配到加工中心上的工件和m种可用刀具类型,每个工件由多个工步组成,每种刀具类型有多把刀具个体且不同个体剩余可用寿命不同,用ui表示第i个工件包含的工步数,cd表示第d种刀具类型包含的刀具个体数,该方法包括如下步骤:
步骤1:确定每一可用刀具个体的剩余寿命;
步骤2:确定每个工件各工步的可用刀具类型及使用不同刀具类型加工对应的切削参数:
vc ij(d)---工件i的工步j使用刀具类型d的切削速度;
fij(d)---工件i的工步j使用刀具类型d的进给速度;
ap ij(d)---工件i的工步j使用刀具类型d的背吃刀量;
步骤3:对每一工步,依据其可用刀具类型对应的切削参数依次计算每一刀具类型的加工能力,得到工步-刀具类型匹配表,刀具类型加工能力计算包括以下几项:
tij(d)---工件i的工步j使用刀具类型d的加工过程时间;
Pij(d)---工件i的工步j使用刀具类型d的机床加工功率;
rij(d)---工件i的工步j使用刀具类型d的刀具的损耗率;
步骤4:以工步-刀具类型匹配表为输入,使用多目标遗传算法解算,综合考虑生产成本与碳排放得到最优染色体;
步骤5:依据最优染色体信息得出工件加工序列及各工步加工刀具决策方案,将分配到单台加工中心上的任务划分为多个加工区间,由此得到各个区间的加工任务及需要装载的刀具集,据此安排准备活动并付诸生产。
2.根据权利要求1所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤1中,刀具的剩余寿命Sr通过如下方式表示:
<mrow>
<msub>
<mi>S</mi>
<mi>r</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<munder>
<mi>&Sigma;</mi>
<mi>i</mi>
</munder>
<munder>
<mi>&Sigma;</mi>
<mi>j</mi>
</munder>
<msup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<munder>
<mi>&Sigma;</mi>
<mi>i</mi>
</munder>
<munder>
<mi>&Sigma;</mi>
<mi>j</mi>
</munder>
<mfrac>
<msup>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<msup>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,刀具加工工件i工步j的寿命损耗rij为其加工时间tij与相应切削参数下刀具的总寿命时间Sij之比。
3.根据权利要求2所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤3中,对于工件i的工步j,其可用刀具类型d加工能力的评价步骤为:
步骤3.1:确定工件i的工步j的加工余量:工件直径Dij,加工长度Lij,加工余量Δij;
步骤3.2:确定工件i的工步j对应刀具类型d的切削参数:切削速度vc ij(d)、进给速度fij(d)、背吃刀量ap ij(d);
步骤3.3:计算工件i的工步j使用刀具类型d的加工时间tij(d)、机床加工功率Pij(d)及刀具的损耗率rij(d),各部分的计算方法如下:
<mrow>
<msup>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<mi>&pi;D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<msup>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<msup>
<mi>&Delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
</mrow>
<mrow>
<mn>1000</mn>
<msubsup>
<mi>v</mi>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<msubsup>
<mi>a</mi>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>u</mi>
<mn>0</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mn>1000</mn>
<msubsup>
<mi>v</mi>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>&pi;D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>A</mi>
<mn>2</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mn>1000</mn>
<msubsup>
<mi>v</mi>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>&pi;D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1.2</mn>
<msub>
<mi>C</mi>
<mi>F</mi>
</msub>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msubsup>
<mi>a</mi>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>x</mi>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>y</mi>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msubsup>
<mi>v</mi>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>z</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</msup>
<msub>
<mi>K</mi>
<mi>F</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
1
<mrow>
<msup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<mi>&pi;D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<msup>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<msup>
<mi>&Delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
</mrow>
<mrow>
<mn>1000</mn>
<msub>
<mi>C</mi>
<mi>T</mi>
</msub>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msubsup>
<mi>v</mi>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
</mrow>
<mo>)</mo>
</mrow>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&beta;</mi>
</mrow>
<mo>)</mo>
</mrow>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msubsup>
<mi>a</mi>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&gamma;</mi>
</mrow>
<mo>)</mo>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Pu0为加工中心最低空载功率,A1、A2为主轴转速系数,CF为与工件材料和刀具材料有关的系数,KF为与切削用量、刀具角度、刀具磨损以及切削液有关的系数,CT为与切削条件有关的系数,x、y、z、α、β、γ为指数。
4.根据权利要求3所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤4中,具体过程如下:
4.1初始化
设定种群规模N、迭代次数M、不可行度的阈值B及不可行解的比例Q,不可行解为不可行度大于0的染色体;
4.2生成初始种群
随机生成染色体作为初始种群,其规模为N,染色体编码由(0,1)范围内的随机数组成,每条染色体编码包括两部分:前半部分编码为工件加工顺序编码,其长度等于总工件数,每个编码位对应一工件;后半部分编码为工步的加工刀具决策编码,其长度等于所有工件总工步数,每个编码位对应一工步;
4.3解码计算
依次对种群中的每一染色体解码,得到工件的加工顺序与各工步的加工刀具,之后计算染色体的不可行度Φ、生产成本C与碳排放E;
4.4非支配排序
以各染色体信息计算得到整批任务的生产成本C与碳排放E为输入,通过非支配排序计算各染色体的非支配等级Irank与拥挤度Id;
4.5遗传操作
随机选取种群中的两条染色体,基于不可行度Φ、不可行阈值B、非支配等级Irank与拥挤度Id进行比较,选择更优的染色体放入父染色体集;
对父染色体集中的染色体进行多点交叉与多项式变异得到子染色体集,将原种群与子染色体集合并得到合并种群,之后,计算合并种群中各染色体的不可行度Φ、生产成本C、生产碳排放E、非支配等级Irank与拥挤度Id;
4.6选择操作
由不可行度Φ、不可行阈值B、非支配等级Irank与拥挤度Id指标选择其中优良的染色体形成规模为N的子种群;
4.7不可行阈值的更新
统计子种群中不可行解的比例,对不可行阈值B进行更新,当种群中不可行解的比例大于预先设定的值Q时适当缩小不可行阈值;反之,则适当增大不可行阈值;
4.8得到最优染色体
重复过程4.4-4.6直至达到规定的迭代次数M,得到最终种群;
对于最终种群中所有可行染色体,提取非支配等级最低的染色体得到最优解集,对最优解集中染色体的生产成本及碳排放进行综合评价得到最优染色体,可行染色体的不可行度等于0。
5.根据权利要求4所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤4中4.3解码过程如下:
工件加工顺序解码过程为:提取染色体加工顺序编码,依据各个编码位编码的大小对对应的工件号进行重排列,得到工件的加工顺序;
工步加工刀具解码过程为:
(1)提取工步可用刀具类型及不同类型下刀具个体的损耗率,得到工步可用刀具类型集合S1;
(2)提取工步可用刀具类型下所有刀具个体及其剩余可用寿命,得到工步可用刀具个体集合S2;
(3)筛选工步可用刀具个体集合S2中剩余寿命大于需求损耗率的刀具,得到工步备选刀具集合S3,可用刀具个体集合中没有剩余寿命满足要求的个体,则将工步可用刀具个体集合S2作为备选刀具集合S3;
(4)工步备选刀具集合S3中刀具的总数与染色体中工步对应的编码相乘并取整,与备选刀具集合S3对应得到当前工步所选用刀具个体;
(5)更新刀具个体的剩余寿命;
(6)重复以上步骤直至所有工步的加工刀具确定。
6.根据权利要求4所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤4中4.3染色体的不可行度、生产成本与碳排放计算过程如下:
染色体I的不可行度Φ(I)为按照当前染色体编码确定的刀具使用方案得到所有刀具的寿命超出损耗量,其计算方法为:
<mrow>
<mi>&Phi;</mi>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>d</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>g</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>c</mi>
<mi>d</mi>
</msup>
</munderover>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<msup>
<mi>R</mi>
<mrow>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msup>
<mo>-</mo>
<msubsup>
<mi>S</mi>
<mi>r</mi>
<mrow>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Rdg为加工完该批任务刀具类型d的个体g的总寿命损耗,Sr dg为刀具类型d的个体g的初始剩余寿命;
依据工步选定加工刀具的类型查询工步-刀具类型匹配表,得到工步的加工时间、机床加工功率与刀具损耗率,依次计算每一工步的加工成本与碳排放,工件i的工步j的加工成本Cm ij及碳排放Em ij计算如下:
<mrow>
<msubsup>
<mi>C</mi>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msub>
<mi>c</mi>
<mi>m</mi>
</msub>
<mo>&times;</mo>
<msup>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>+</mo>
<msub>
<mi>c</mi>
<mi>t</mi>
</msub>
<mo>&times;</mo>
<msup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>+</mo>
<msub>
<mi>c</mi>
<mi>l</mi>
</msub>
<mo>&times;</mo>
<msup>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>E</mi>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>&times;</mo>
<msup>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>&times;</mo>
<msub>
<mi>p</mi>
<mi>e</mi>
</msub>
<mo>+</mo>
<msup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>&times;</mo>
<mi>W</mi>
<mo>&times;</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<mo>+</mo>
<msup>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>&times;</mo>
<msub>
<mi>e</mi>
<mi>l</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,tij为工件i的工步j的加工时间,Pij为工件i的工步j的机床加工功率,rij为工件i的工步j的刀具损耗率,cm为加工中心单位时间成本,ct为刀具成本,cl为切削液单位时间的成本,W为刀具质量,pe为电能消耗碳排放因子,pt为刀具物料消耗碳排放因子,el为切削液单位时间碳排放率,由切削液制备、废弃处理碳排放及更换周期计算得到;
依据工件的加工顺序将该批任务划分为多个区间进行加工,保证同一工件的工步在一个区间内连续加工且每个区间刀库所装刀具数目不大于刀库容量,由加工区间的划分情况得到各个工件的完工时间及整批任务加工过程的刀库装载次数,据此计算总生产成本C与总生产碳排放E:
<mrow>
<mi>C</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>u</mi>
<mi>i</mi>
</msup>
</munderover>
<msubsup>
<mi>C</mi>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>+</mo>
<msup>
<mi>q</mi>
<mi>i</mi>
</msup>
<mo>&times;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<msup>
<mi>T</mi>
<mi>i</mi>
</msup>
<mo>-</mo>
<msup>
<mi>J</mi>
<mi>i</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>+</mo>
<msub>
<mi>c</mi>
<mi>s</mi>
</msub>
<mo>&times;</mo>
<mi>s</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
3
<mrow>
<mi>E</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>u</mi>
<mi>i</mi>
</msup>
</munderover>
<msubsup>
<mi>E</mi>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>+</mo>
<msub>
<mi>e</mi>
<mi>s</mi>
</msub>
<mo>&times;</mo>
<mi>s</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ui为工件i包含的工步数,Cm ij为工件i的工步j的加工成本,qi为工件i的拖期惩罚系数,Ti为工件i的完工时间,Ji为工件i的交货期,cs为刀库装卸一次的成本,s为刀库装卸次数,Em ij为工件i的工步j的加工碳排放,es为刀库装卸一次的碳排放。
7.根据权利要求4所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤4中4.5两染色体比较选优过程如下:
对于任意两染色体I1与I2,其优劣比较过程如下:
(1)当Φ(I1)>0且Φ(I2)>0时,则Φ(I)小者为优;
(2)当Φ(I1)=0且Φ(I2)>B时,则染色体I1为优;
(3)当Φ(I1)=0且0≤Φ(I2)≤B时,个体I1优于I2当且仅当I1rank<I2rank或I1rank=I2rank且I1d>I2d。
8.根据权利要求4所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤4中4.6染色体选择过程如下:
(1)若合并种群中不可行度Φ小于不可行阈值B的染色体数目不大于N:优先选择非支配等级Irank低的染色体,对于非支配等级Irank相同的染色体,优先选择拥挤度Id大的染色体,直到子种群规模达到N;
(2)若合并种群中不可行度Φ小于不可行阈值B的染色体数目大于N:将所有不可行度Φ小于不可行阈值B的染色体放入子种群,对于剩余染色体,优先选择不可行度Φ小的染色体,直到子种群规模达到N。
9.根据权利要求4所述的一种面向低碳制造的加工中心刀具决策方法,其特征在于,步骤4中4.8染色体综合评价指标PI计算如下:
<mrow>
<msup>
<mi>P</mi>
<mi>I</mi>
</msup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<mfrac>
<mrow>
<msubsup>
<mi>O</mi>
<mi>k</mi>
<mi>I</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>O</mi>
<mi>k</mi>
<mi>A</mi>
</msubsup>
</mrow>
<msubsup>
<mi>O</mi>
<mi>k</mi>
<mi>A</mi>
</msubsup>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Ok I为染色体I的第k个目标值,Ok A为最优解集中所有染色体第k个目标的最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710439722.0A CN107368912B (zh) | 2017-06-12 | 2017-06-12 | 一种面向低碳制造的加工中心刀具决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710439722.0A CN107368912B (zh) | 2017-06-12 | 2017-06-12 | 一种面向低碳制造的加工中心刀具决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368912A true CN107368912A (zh) | 2017-11-21 |
CN107368912B CN107368912B (zh) | 2020-06-19 |
Family
ID=60306204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710439722.0A Active CN107368912B (zh) | 2017-06-12 | 2017-06-12 | 一种面向低碳制造的加工中心刀具决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368912B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133091A (zh) * | 2017-12-13 | 2018-06-08 | 西安交通大学 | 一种基于刀具状态建立机床碳排放优化模型的方法 |
CN108655798A (zh) * | 2018-07-02 | 2018-10-16 | 东莞市同振五金机械有限公司 | 一种自动换刀立式机床及其持续加工方法 |
CN108734339A (zh) * | 2018-04-27 | 2018-11-02 | 浙江交通职业技术学院 | 面向低碳制造的器件加工工艺过程智能优化系统 |
CN108829036A (zh) * | 2018-06-12 | 2018-11-16 | 昆明理工大学 | 一种金属铸坯切削成形加工过程的优化调度方法 |
CN113245649A (zh) * | 2021-05-28 | 2021-08-13 | 珠海格力精密模具有限公司 | 多电极高效加工方法 |
CN113705978A (zh) * | 2021-08-03 | 2021-11-26 | 西安交通大学 | 一种多机任务刀具静态与动态集成决策方法及系统 |
CN113950651A (zh) * | 2019-06-28 | 2022-01-18 | 德马吉森精机有限公司 | 信息处理装置、信息处理方法及信息处理程序 |
CN114442578A (zh) * | 2022-01-28 | 2022-05-06 | 湘南学院 | 复杂型面智能生产单元任务的刀具联合动态调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533274A (zh) * | 2009-01-12 | 2009-09-16 | 上海理工大学 | 数控机床加工任务与刀具的调度方法 |
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 |
CN106610652A (zh) * | 2015-12-22 | 2017-05-03 | 四川用联信息技术有限公司 | 改进编码方式的遗传算法解分布式柔性作业车间调度问题 |
-
2017
- 2017-06-12 CN CN201710439722.0A patent/CN107368912B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533274A (zh) * | 2009-01-12 | 2009-09-16 | 上海理工大学 | 数控机床加工任务与刀具的调度方法 |
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 |
CN106610652A (zh) * | 2015-12-22 | 2017-05-03 | 四川用联信息技术有限公司 | 改进编码方式的遗传算法解分布式柔性作业车间调度问题 |
Non-Patent Citations (2)
Title |
---|
刘献礼等: "机械制造中的低碳制造理论与技术", 《哈尔滨理工大学学报》 * |
周光辉等: "数控加工中心任务与刀具集成调度模型及改进自适应遗传算法", 《西安交通大学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133091A (zh) * | 2017-12-13 | 2018-06-08 | 西安交通大学 | 一种基于刀具状态建立机床碳排放优化模型的方法 |
CN108133091B (zh) * | 2017-12-13 | 2020-05-22 | 西安交通大学 | 一种基于刀具状态建立机床碳排放优化模型的方法 |
CN108734339A (zh) * | 2018-04-27 | 2018-11-02 | 浙江交通职业技术学院 | 面向低碳制造的器件加工工艺过程智能优化系统 |
CN108829036A (zh) * | 2018-06-12 | 2018-11-16 | 昆明理工大学 | 一种金属铸坯切削成形加工过程的优化调度方法 |
CN108829036B (zh) * | 2018-06-12 | 2021-05-14 | 昆明理工大学 | 一种金属铸坯切削成形加工过程的优化调度方法 |
CN108655798A (zh) * | 2018-07-02 | 2018-10-16 | 东莞市同振五金机械有限公司 | 一种自动换刀立式机床及其持续加工方法 |
CN113950651A (zh) * | 2019-06-28 | 2022-01-18 | 德马吉森精机有限公司 | 信息处理装置、信息处理方法及信息处理程序 |
CN113245649A (zh) * | 2021-05-28 | 2021-08-13 | 珠海格力精密模具有限公司 | 多电极高效加工方法 |
CN113705978A (zh) * | 2021-08-03 | 2021-11-26 | 西安交通大学 | 一种多机任务刀具静态与动态集成决策方法及系统 |
CN114442578A (zh) * | 2022-01-28 | 2022-05-06 | 湘南学院 | 复杂型面智能生产单元任务的刀具联合动态调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107368912B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368912A (zh) | 一种面向低碳制造的加工中心刀具决策方法 | |
Wang et al. | Dual-objective program and improved artificial bee colony for the optimization of energy-conscious milling parameters subject to multiple constraints | |
CN109359884B (zh) | 航空复杂装备结构件车间作业计划及重调度方法 | |
CN109946965A (zh) | 一种基于改进的多目标Jaya算法的离散制造车间排产方法 | |
Zhang et al. | Multi-objective scheduling simulation of flexible job-shop based on multi-population genetic algorithm | |
CN110147933B (zh) | 一种基于改进灰狼算法的数控切割下料车间调度排产方法 | |
CN107451747A (zh) | 基于自适应非支配遗传算法的车间调度系统及其工作方法 | |
CN111047081A (zh) | 一种面向绿色生产的制造资源配置优化决策方法 | |
Benjaoran et al. | Three-step solutions for cutting stock problem of construction steel bars | |
CN108776845A (zh) | 一种基于双目标作业车间调度的混合果蝇算法 | |
CN103927628A (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
CN113705978B (zh) | 一种多机任务刀具静态与动态集成决策方法及系统 | |
Guan et al. | Machining scheme selection of digital manufacturing based on genetic algorithm and AHP | |
CN104298816B (zh) | 一种适合制造系统重构的机床布局设计方法 | |
Ciurana et al. | A system based on machined volumes to reduce the number of route sheets in process planning | |
CN116468137A (zh) | 一种分布式工艺规划与车间调度集成优化方法 | |
CN110298538B (zh) | 一种智能车间组合调度控制方法 | |
Sharma et al. | EVALUATION OF ASSEMBLY LINE BALANCING METHODS USING AN ANALYTICAL HIERARCHY PROCESS (AHP) AND TECHNIQUE FOR ORDER PREFERENCES BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) BASED APPROACH. | |
CN114237166A (zh) | 基于改进spea2算法求解多转速节能调度问题的方法 | |
Guo et al. | Research on Tool Selection Strategy Based on Multi-method Integration | |
Wanitwattanakosol et al. | Performance improvement of freight logistics hub selection in Thailand by coordinated simulation and AHP | |
CN115145231A (zh) | 基于扰动事件的多品种变批量生产调度方法 | |
Xin et al. | Research on Optimization of Waiting Time for Machine Scheduling in Clothing Workshop | |
Kumar et al. | Parametric analysis of dry machining process using a novel integrated multi-attribute decision making approach | |
Zhang et al. | Research on Intelligent Modular Process Recombination based on Improved Genetic Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |