CN111881560A - 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 - Google Patents
一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 Download PDFInfo
- Publication number
- CN111881560A CN111881560A CN202010650351.2A CN202010650351A CN111881560A CN 111881560 A CN111881560 A CN 111881560A CN 202010650351 A CN202010650351 A CN 202010650351A CN 111881560 A CN111881560 A CN 111881560A
- Authority
- CN
- China
- Prior art keywords
- integrity
- index
- processing
- machined surface
- data
- 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 82
- 238000003754 machining Methods 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000010219 correlation analysis Methods 0.000 title claims description 25
- 238000012545 processing Methods 0.000 claims abstract description 118
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 230000003746 surface roughness Effects 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims description 79
- 238000010606 normalization Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008901 benefit Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000003801 milling Methods 0.000 description 19
- 238000012163 sequencing technique Methods 0.000 description 4
- 239000002344 surface layer Substances 0.000 description 4
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 229910000797 Ultra-high-strength steel Inorganic materials 0.000 description 2
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910000601 superalloy Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Numerical Control (AREA)
Abstract
本发明提出一种基于灰色关联度分析法‑熵权理想点法与表面完整性多指标的加工参数优化方法,包括以下步骤:(1)加工表面完整性各指标(表面粗糙度、表层残余应力、显微硬度等)数据标准化处理;(2)加工表面完整性各指标灰色关联系数计算;(3)加工表面完整性各指标灰色关联度计算;(4)基于灰色关联度确定加工表面完整性各指标最优加工参数组合;(5)加工表面完整性各指标数据规范化矩阵构建;(6)运用熵权法计算加工表面完整性各指标权重;(7)结合熵权法与理想点法计算加工表面完整性各指标接近度;(8)基于各指标接近度确定加工表面完整性多指标最优的加工参数组合;(9)加工表面完整性多指标最优加工参数组合确定。本发明优选出的加工参数组合,可以确保加工表面完整性各指标更优异。
Description
技术领域
本发明提出了一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,属于高效精密加工技术领域。
背景技术
超高强度钢、钛合金、镍基高温合金等难加工材料在高效精密加工过程中,由于加工参数对工件表面完整性(表面粗糙度、表层残余应力、显微硬度等) 各指标的影响,运用不同加工参数组合加工工件,得到工件的加工表面完整性不同。加工表面完整性影响工件的装配性能、耐磨性、耐腐蚀性、疲劳寿命等。为使高效精密加过程中,获得最优的加工表面完整性,为此需要对加工表面完整性各指标进行多目标优化,旨在改善工件表面质量、延长工件使用寿命。
对于高效精密加工,一般要求加工后工件的表面粗糙度小,表层为残余压应力。要求加工后的表面完整性各指标大小各异,引起加工表面完整性各指标期望结果相互矛盾。基于加工表面完整性各指标期望结果,确定各指标类型,基于各指标属于什么类型,运用相应类型的计算公式进行数据标准化处理。基于加工表面完整性各指标标准化数据,运用灰色关联分析法优选出加工表面完整性各指标最优加工参数组合。为进一步确定得到的加工参数组合为加工表面完整性各指标的最优加工参数组合,利用熵权理想点法进行验证。若两种多目标优化方法得到的加工参数组合一致,则说明获得的加工参数组合为加工表面完整性各指标的最优加工参数组合。
发明内容
发明目的:为改善精密加工过程中工件表面质量,提高工件疲劳强度,延长工件服役寿命,本发明提出一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,利用该发明能够准确、高效的优选出影响加工表面完整性各指标的最优加工参数组合。
技术方案:
本发明提出一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,分析加工表面完整性各指标属于成本型或效益型,利用各指标所属类型运用相应计算公式,对加工表面完整性各指标正交试验结果进行数据规范化处理;运用灰色关联分析法计算加工表面完整性各指标灰色关联系数;基于各指标灰色关联系数,进而计算出加工表面完整性正交试验各试验次序的灰色关联度;对各试验次序的灰色关联度进行从大到小排序,最大关联度对应试验次序的加工参数组合为加工表面完整性各指标的最优加工参数组合。为进一步验证灰色关联分析获得的加工参数组合为加工表面完整性各指标的最优加工参数组合,运用熵权法计算加工表面完整性各指标熵值,基于各指标熵值,进而计算出加工表面完整性各指标熵权值,将加工表面完整性各指标熵权值与各指标数据规范化矩阵对应项相乘,构造加权规范化矩阵。基于加权规范化矩阵,确定出加工表面完整性各指标的正、负理想点。由加权规范化矩阵,加工表面完整性各指标的正、负理想点,计算加工表面完整性各指标与正、负点之间的正、负欧式距离。由正、负欧式距离,计算出加工表面完整性正交试验各试验次序的接近度。对加工表面完整性各试验次序的接近度进行由大到小排序,最大接近度对应试验次序的加工参数组合为加工表面完整性各指标的最优加工参数组合。灰色关联分析法与熵权理想点法优选出的加工参数组合相同,进一步说明优选出的加工参数组合在给定范围内,使加工表面完整性各指标达到最优。具体步骤:
步骤一:加工表面完整性各指标数据标准化处理;
步骤二:加工表面完整性各指标灰色关联系数计算;
步骤三:加工表面完整性各指标灰色关联度计算;
步骤四:基于灰色关联度确定加工表面完整性各指标最优加工参数组合;
步骤五:加工表面完整性各指标数据规范化矩阵构建;
步骤六:运用熵权法计算加工表面完整性各指标权重;
步骤七:结合熵权法与理想点法计算加工表面完整性各指标接近度;
步骤八:基于各指标接近度确定加工表面完整性多指标最优的加工参数组合;
步骤九:加工表面完整性多指标最优加工参数组合确定。
所述步骤具体如下:
步骤一:加工表面完整性各指标数据标准化处理
选择相关参数设计加工表面完整性各指标正交试验,分析加工表面完整性各指标属于成本型或效益型,确定加工表面完整性各指标属于哪种类型,基于加工表面完整性格指标试验结果,运用成本型或效益型相应计算公式对加工表面完整性各指标进行数据标准化处理。如果加工表面完整性各指标为成本型,利用公式 (1)进行数据标准化处理;如果加工表面完整性各指标为效益型,利用公式(2) 进行数据标准化处理。
式中,rij为加工表面完整性各指标数据标准化处理后i行j列的数据;xij为加工表面完整性正交试验结果中i行j列的数据;xjmax为表面完整性评价指标试验结果中j列的最大值;xjmin为表面完整性评价指标试验结果中j列的最小值。
步骤二:加工表面完整性各指标灰色关联系数计算
灰色关联系数是加工表面完整性各指标规范化数据与理想状态下的数据之间的关系,利用公式(3)计算加工表面完整性各指标灰色关联系数。将公式(3) 进行简化,简化结果如式(4)所示。
式中,εj为i行j列的灰色关联系数;xi 0为第j个指标的理想状态值,其期望值为1;xij为数据标准化处理后i行j列比较序列的数据;ξ为为分辨系数,ξ∈[0,1],一般ξ取0.5;△min为理想状态值与标准化数据差值绝对值的最小值;△max为理想状态值与标准化数据差值绝对值的最大值。
步骤三:加工表面完整性各指标灰色关联度计算
基于加工表面完整性各指标灰色关联系数,运用式(5)计算加工表面完整性正交试验各试验次序的灰色关联度。
式中,γi为第i试验的灰色关联度;n为加工表面完整性指标个数。
步骤四:基于灰色关联度确定加工表面完整性各指标最优加工参数组合
由加工表面完整性正交试验各试验次序的灰色关联度,对求得的灰色关联度进行由大到小排序,灰色关联度最大的那一组加工参数组合为加工表面完整性各指标的最优加工参数组合。
为进一步确定灰色关联分析法优选出的加工参数组合为加工表面完整性各指标的最优加工参数组合,运用熵权理想点法进行验证。
步骤五:加工表面完整性各指标数据规范化矩阵构建
由步骤一对加工表面完整性正交试验结果进行数据标准化处理,得到加工表面完整性各指标数据规范化矩阵V。
步骤六:运用熵权法计算加工表面完整性各指标权重
由加工表面完整性各指标数据规范化矩阵V,利用熵权法计算加工表面完整性各指标熵权值。利用公式(6)计算加工表面完整性各指标熵值,利用公式 (7)计算加工表面完整性各指标熵权值。
式中,k为熵值系数,k=1/lnm,m为加工表面表面完整性正交试验次数;vij为加表面完整性各指标数据规范化矩阵V中i行j列的数据;wj为加工表面完整性第j个指标的熵权值。
步骤七:结合熵权法与理想点法计算加工表面完整性各指标接近度
基于加工表面完整性各指标熵权值、加工表面完整性各指标的数据规范化矩阵V,将各指标的熵权值与对应数据规范化矩阵V中数据相乘,构造加工表面完整性各指标的加权规范化矩阵V*。由加权规范化矩阵V*,将加工表面完整性各指标的最大值作为正理想点Z+,将加工表面完整性各指标的最小值作为负理想点Z-。基于加工规范化矩阵与加工表面完整性各指标的正、负理想点,利用公式(8)计算加工表面完整性各指标与正理想点之间的欧式距离Di +,利用公式(9) 计算加工表面完整性各指标与负理想点之间的欧式距离Di -。
式中,Vij *为V*中i行j列的数据。
由加工表面完整性各指标与正、负理想点之间的欧式距离,利用公式(10) 计算加工表面完整性正交试验各试验次序的接近度。
式中,Ci为加工表面完整性第i试验次序的接近度。
步骤八:基于各指标接近度确定加工表面完整性多指标最优的加工参数组合
由加工表面完整性正交试验各试验次序的接近度,对求得的接近度进行由大到小排序,接近度最大的那一组加工参数组合为加工表面完整性各指标的最优加工参数组合。
步骤九:加工表面完整性多指标最优加工参数组合确定
熵权理想点法与灰色关联分析法得到的加工参数组合一致,进一步说明获得的加工参数组合在给定加工参数范围内,能够使加工表面完整性各指标达到最优。
有益效果本发明一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,具有以下优点:
1.运用灰色关联分析法确定出加工表面完整性各指标的最优加工参数组合。
2.利用熵权法构建加权规范化矩阵。
3.将熵权法与理想点法进行结合优选出加工表面完整各指标的最优加工参数组合。
4.灰色关联分析法与熵权理想点法相互验证,确定出加工表面完整性各指标的最优加工参数组合。
附图说明
图1是本发明一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法流程图;
图2加工表面完整性各试验次序与灰色关联度之间的关系图;
图3加工表面完整性各试验次序与接近度之间的关系图。
具体实施方式
下面将结合附图、本方案实施流程和实施例对本发明做进一步的详细说明。
实施例1
根据图1的流程图,本发明方法包括以下步骤:
(1)加工表面完整性各指标数据标准化处理;
(2)加工表面完整性各指标灰色关联系数计算;
(3)加工表面完整性各指标灰色关联度计算;
(4)基于灰色关联度确定加工表面完整性各指标最优加工参数组合;
(5)加工表面完整性各指标数据规范化矩阵构建;
(6)运用熵权法计算加工表面完整性各指标权重;
(7)结合熵权法与理想点法计算加工表面完整性各指标接近度;
(8)基于各指标接近度确定加工表面完整性多指标最优的加工参数组合;
(9)加工表面完整性多指标最优加工参数组合确定。
为验证该方法的可行性,实施例中表面完整性正交试验结果选自《机械科学与技术》杂志中题目为“超高强度钢高速铣削表面完整性实验研究”。文章对表面完整性(表面粗糙度、表层残余应力、显微硬度)指标进行三因素三水平正交试验,正交试验结果如表1所示。
表1表面完整性正交试验结果
具体而言,各步骤如下:
步骤一:加工表面完整性各指标数据标准化处理
工件加工后期望表面粗糙度小,表层残余压应力大,拉应力小,显微硬度大。加工表面完整性各指标期望结果不同,因此要对加工表面完整性各指标试验结果进行数据标准化处理。表面粗糙度小、拉应力小属于成本型指标,利用公式(1)进行数据标准化处理;表层残余压应力大,显微硬度大属于效益型指标,利用公式(2)进行数据标准化处理。
式中,rij为加工表面完整性各指标数据标准化处理后i行j列的数据;xij为表1中表面粗糙度、表层残余应力、显微硬度i行j列的数据;xjmax为表1中表面粗糙度、表层残余应力、显微硬度的j列的最大值;xjmin为表面粗糙度、表层残余应力、显微硬度的j列的最小值。
表面粗糙度、表层残余应力、显微硬度试验结果标准化处理后的结果如表2 所示。
表2数据标准化处理结果
步骤二:加工表面完整性各指标灰色关联系数计算
灰色关联系数是加工表面完整性各指标规范化数据与理想状态下的数据之间的关系,利用公式(3)计算加工表面完整性各指标灰色关联系数,计算结果如表3所示。将公式(3)进行简化,简化结果如式(4)所示。
式中,εi为i行j列的灰色关联系数;xi 0为第j个指标的理想状态值,其期望值为1;xij为数据标准化处理后i行j列比较序列的数据;ξ为为分辨系数,ξ∈[0,1],一般ξ取0.5;△min为理想状态值与标准化数据差值绝对值的最小值;△max为理想状态值与标准化数据差值绝对值的最大值。
表3灰色关联系数与灰色关联度
步骤三:加工表面完整性各指标灰色关联度计算
由表3加工表面完整性各指标灰色关联系数,利用式(5)计算加工表面完整性正交试验各试验次序的灰色关联度,各试验次序的灰色关联度计算结果如表3所示。加工表面完整性各试验次序与灰色关联度之间的关系,如图2所示。
式中,γi为第i试验的灰色关联度;n为加工表面完整性指标个数。
步骤四:基于灰色关联度确定加工表面完整性各指标最优加工参数组合
由表3加工表面完整性正交试验各试验次序的灰色关联度,对各试验次序的灰色关联度进行由大到小排序,得到试验次序1的灰色关联度最大,试验次序1对应的加工参数组合为:铣削深度ap为0.2mm、每齿进给量fz为0.02mm·z-1、铣削速度vc为150.7m·min-1,该加工参数组合对应的表面粗糙度为0.308μm、表层残余应力σx为-763Mpa、表层残余应力σy为-220Mpa、显微硬度为437。该加工参数组合对应的灰色关联度最大,在加工表面完整性正交试验结果中,该加工参数组合对应的表面粗糙度相对较小,表层残余应力均为压应力且最大,显微硬度较大。为此,铣削深度ap为0.2mm、每齿进给量fz为0.02mm·z-1、铣削速度vc为150.7m·min-1是铣削深度ap在0.2-1.0mm,每齿进给量fz在 0.02-0.1mm·z-1、铣削速度vc在150.7-251.2m·min-1范围内的最优加工参数组合。
为进一步确定灰色关联分析法优选出的加工参数组合为加工表面完整性各指标的最优加工参数组合,运用熵权理想点法进行验证。
步骤五:加工表面完整性各指标数据规范化矩阵构建
由表2加工表面完整性各指标数据标准化处理结果,对该结果运用矩阵形式表示如式(6)所示,得到加工表面完整性各指标数据规范化矩阵V。
步骤六:运用熵权法计算加工表面完整性各指标权重
由加工表面完整性各指标数据规范化矩阵V,利用熵权法计算加工表面完整性各指标熵值,由各指标熵值计算出加工表面完整性各指标熵权值。利用公式(7)计算加工表面完整性各指标熵值,计算结果如表4所示;利用公式(8) 计算加工表面完整性各指标熵权值,计算结果如表4所示。
式中,k为熵值系数,k=1/lnm,m为加工表面完整性正交试验次数;vij为加表面完整性各指标数据规范化矩阵V中i行j列的数据;wj为加工表面完整性第 j个指标的熵权值。
表4加工表面完整性各指标熵值与熵权值
步骤七:结合熵权法与理想点法计算加工表面完整性各指标接近度
基于加工表面完整性各指标的数据规范化矩阵V、加工表面完整性各指标熵权值,将各指标的熵权值与对应数据规范化矩阵V中数据相乘,构造加工表面完整性各指标的加权规范化矩阵V*,如式(9)所示。
基于加工表面完整性各指标加权规范化矩阵,将加工表面完整性各指标的最大值作为正理想点Z+,将加工表面完整性各指标的最小值作为负理想点Z-。加工表面完整性各指标的正、负理想点:
正理想点:(0.47650,0.23355,0.16731,0.12265)
负理想点:(0,0,0,0)
基于加工表面完整性各指标加工权规范化矩阵,各指标的正、负理想点,利用公式(9)计算加工表面完整性各指标与正理想点之间的欧式距离Di +,计算结果如表5所示;利用公式(10)计算加工表面完整性各指标与负理想点之间的欧式距离Di -,计算结果如表5所示。
式中,Vij *为V*中i行j列的数据。
表5各指标正、负欧式距离与接近度
由加工表面完整性各指标与正、负理想点之间的欧式距离,利用公式(11) 计算加工表面完整性正交试验各试验次序的接近度,计算结果如表5所示,各试验次序与接近度之间的关系图如图3所示;
式中,Ci为加工表面完整性第i试验次序的接近度。
步骤八:基于各指标接近度确定加工表面完整性多指标最优的加工参数组合
由表5加工表面完整性正交试验各试验次序的接近度,对各试验次序的接近度进行由大到小排序,得到试验次序1的接近度最大,试验次序1对应的加工参数组合为:铣削深度ap为0.2mm、每齿进给量fz为0.02mm·z-1、铣削速度vc为150.7m·min-1,该加工参数组合对应的表面粗糙度为0.308μm、表层残余应力σx为-763Mpa、表层残余应力σy为-220Mpa、显微硬度为437。该加工参数组合对应的接近度最大,在加工表面完整性正交试验结果中,该加工参数组合对应的表面粗糙度相对较小,表层残余应力均为压应力且最大,显微硬度较大。为此,铣削深度ap为0.2mm、每齿进给量fz为0.02mm·z-1、铣削速度 vc为150.7m·min-1是铣削深度ap在0.2-1.0mm,每齿进给量fz在0.02-0.1mm·z-1、铣削速度vc在150.7-251.2m·min-1范围内的最优加工参数组合。
步骤九:加工表面完整性多指标最优加工参数组合确定
由灰色关联分析法得到的加工参数组合为铣削深度ap为0.2mm、每齿进给量fz为0.02mm·z-1、铣削速度vc为150.7m·min-1。熵权理想点法得到的加工参数组合为铣削深度ap为0.2mm、每齿进给量fz为0.02mm·z-1、铣削速度vc为150.7m·min-1。
运用两种优化方法得到,铣削深度ap在0.2-1.0mm,每齿进给量fz在0.02-0.1 mm·z-1、铣削速度vc在150.7-251.2m·min-1范围内的加工参数组合相同,进一步说明获得的加工参数组合在正交试验加工参数范围内,能够使加工表面完整性各指标达到最优。
Claims (4)
1.一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,其特征在于,分析加工表面完整性各指标属于成本型或效益型,利用各指标所属类型运用相应计算公式,对加工表面完整性各指标正交试验结果进行数据规范化处理;运用灰色关联分析法计算加工表面完整性各指标灰色关联系数;基于各指标灰色关联系数,进而计算出加工表面完整性正交试验各试验次序的灰色关联度;对各试验次序的灰色关联度进行从大到小排序,最大关联度对应试验次序的加工参数组合为加工表面完整性各指标的最优加工参数组合;
为进一步验证灰色关联分析获得的加工参数组合为加工表面完整性各指标的最优加工参数组合,运用熵权法计算加工表面完整性各指标熵值,基于各指标熵值,进而计算出加工表面完整性各指标熵权值,将加工表面完整性各指标熵权值与各指标数据规范化矩阵对应项相乘,构造加权规范化矩阵;基于加权规范化矩阵,确定出加工表面完整性各指标的正、负理想点;由加权规范化矩阵,加工表面完整性各指标的正、负理想点,计算加工表面完整性各指标与正、负点之间的正、负欧式距离;由正、负欧式距离,计算出加工表面完整性正交试验各试验次序的接近度;对加工表面完整性各试验次序的接近度进行由大到小排序,最大接近度对应试验次序的加工参数组合为加工表面完整性各指标的最优加工参数组合;灰色关联分析法与熵权理想点法优选出的加工参数组合相同,进一步说明优选出的加工参数组合在给定范围内,使加工表面完整性各指标达到最优。
2.根据权利要求1所述的基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,其特征在于,包括以下步骤:
步骤一:加工表面完整性各指标数据标准化处理
选择相关参数设计加工表面完整性各指标正交试验,分析加工表面完整性各指标属于成本型或效益型,确定加工表面完整性各指标属于哪种类型,基于加工表面完整性格指标试验结果,运用成本型或效益型相应计算公式对加工表面完整性各指标进行数据标准化处理;
步骤二:加工表面完整性各指标灰色关联系数计算
灰色关联系数是加工表面完整性各指标规范化数据与理想状态下的数据之间的关系,利用公式(3)计算加工表面完整性各指标灰色关联系数;
将公式(3)进行简化,简化结果如式(4)所示;
式中,εj为i行j列的灰色关联系数;xi 0为第j个指标的理想状态值,其期望值为1;xij为数据标准化处理后i行j列比较序列的数据;ξ为分辨系数,ξ∈[0,1],一般ξ取0.5;△min为理想状态值与标准化数据差值绝对值的最小值;△max为理想状态值与标准化数据差值绝对值的最大值;
步骤三:加工表面完整性各指标灰色关联度计算
基于加工表面完整性各指标灰色关联系数,运用式(5)计算加工表面完整性正交试验各试验次序的灰色关联度;
式中,γi为第i试验的灰色关联度;n为加工表面完整性指标个数;
步骤四:基于灰色关联度确定加工表面完整性各指标最优加工参数组合
由加工表面完整性正交试验各试验次序的灰色关联度,对求得的灰色关联度进行由大到小排序,灰色关联度最大的那一组加工参数组合为加工表面完整性各指标的最优加工参数组合;
为进一步确定灰色关联分析法优选出的加工参数组合为加工表面完整性各指标的最优加工参数组合,运用熵权理想点法进行验证;
步骤五:加工表面完整性各指标数据规范化矩阵构建
由步骤一对加工表面完整性正交试验结果进行数据标准化处理,得到加工表面完整性各指标数据规范化矩阵V;
步骤六:运用熵权法计算加工表面完整性各指标权重
由加工表面完整性各指标数据规范化矩阵V,利用熵权法计算加工表面完整性各指标熵权值;
利用公式(6)计算加工表面完整性各指标熵值,利用公式(7)计算加工表面完整性各指标熵权值:
式中,k为熵值系数,k=1/lnm,m为加工表面表面完整性正交试验次数;vij为加表面完整性各指标数据规范化矩阵V中i行j列的数据;wj为加工表面完整性第j个指标的熵权值;
步骤七:结合熵权法与理想点法计算加工表面完整性各指标接近度
基于加工表面完整性各指标熵权值、加工表面完整性各指标的数据规范化矩阵V,将各指标的熵权值与对应数据规范化矩阵V中数据相乘,构造加工表面完整性各指标的加权规范化矩阵V*;
由加权规范化矩阵V*,将加工表面完整性各指标的最大值作为正理想点Z+,将加工表面完整性各指标的最小值作为负理想点Z-;
基于加工规范化矩阵与加工表面完整性各指标的正、负理想点,利用公式(8)计算加工表面完整性各指标与正理想点之间的欧式距离Di +,利用公式(9)计算加工表面完整性各指标与负理想点之间的欧式距离Di -:
式中,Vij *为V*中i行j列的数据;
由加工表面完整性各指标与正、负理想点之间的欧式距离,利用公式(10)计算加工表面完整性正交试验各试验次序的接近度;
式中,Ci为加工表面完整性第i试验次序的接近度;
步骤八:基于各指标接近度确定加工表面完整性多指标最优的加工参数组合
由加工表面完整性正交试验各试验次序的接近度,对求得的接近度进行由大到小排序,接近度最大的那一组加工参数组合为加工表面完整性各指标的最优加工参数组合;
步骤九:加工表面完整性多指标最优加工参数组合确定
熵权理想点法与灰色关联分析法得到的加工参数组合一致,进一步说明获得的加工参数组合在给定加工参数范围内,能够使加工表面完整性各指标达到最优。
4.根据权利要求1所述的一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法,其特征在于:步骤一,所述的加工表面完整性各指标是表面粗糙度、残余应力σx、残余应力σy、显微硬度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010650351.2A CN111881560B (zh) | 2020-07-08 | 2020-07-08 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010650351.2A CN111881560B (zh) | 2020-07-08 | 2020-07-08 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881560A true CN111881560A (zh) | 2020-11-03 |
CN111881560B CN111881560B (zh) | 2024-05-17 |
Family
ID=73150365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010650351.2A Active CN111881560B (zh) | 2020-07-08 | 2020-07-08 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881560B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560255A (zh) * | 2020-12-09 | 2021-03-26 | 南京航空航天大学 | 一种基于熵权法-理想点法-响应曲面法与表面完整性的加工参数域优选方法 |
CN114280334A (zh) * | 2021-12-27 | 2022-04-05 | 中国人民解放军国防科技大学 | 一种光学表面抛光状态评判方法 |
CN114357761A (zh) * | 2021-12-31 | 2022-04-15 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种基于熵权理想点法的风力发电机组选型方法 |
CN116818290A (zh) * | 2023-05-15 | 2023-09-29 | 江苏科技大学 | 一种综合考虑硬度、残余应力和粗糙度的磨削加工试件疲劳强度预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377062A (zh) * | 2018-10-31 | 2019-02-22 | 中国石油大学(华东) | 一种基于改进熵权灰色关联分析法的油田业务组件评价方法 |
CN110363432A (zh) * | 2019-07-17 | 2019-10-22 | 国网河南省电力公司开封供电公司 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
CN110418363A (zh) * | 2019-08-27 | 2019-11-05 | 南京邮电大学 | 基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法 |
-
2020
- 2020-07-08 CN CN202010650351.2A patent/CN111881560B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377062A (zh) * | 2018-10-31 | 2019-02-22 | 中国石油大学(华东) | 一种基于改进熵权灰色关联分析法的油田业务组件评价方法 |
CN110363432A (zh) * | 2019-07-17 | 2019-10-22 | 国网河南省电力公司开封供电公司 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
CN110418363A (zh) * | 2019-08-27 | 2019-11-05 | 南京邮电大学 | 基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法 |
Non-Patent Citations (2)
Title |
---|
孙爱民: "基于熵权的TOPSIS-灰色关联组合模型在供应商评价中的应用", 《科技经济导刊》, no. 5, 15 February 2020 (2020-02-15), pages 1 - 3 * |
龚原等: "基于熵权-理想点的采场结构参数优化研究", 《矿冶》, vol. 28, no. 6, 25 December 2019 (2019-12-25), pages 10 - 14 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560255A (zh) * | 2020-12-09 | 2021-03-26 | 南京航空航天大学 | 一种基于熵权法-理想点法-响应曲面法与表面完整性的加工参数域优选方法 |
CN114280334A (zh) * | 2021-12-27 | 2022-04-05 | 中国人民解放军国防科技大学 | 一种光学表面抛光状态评判方法 |
CN114280334B (zh) * | 2021-12-27 | 2023-11-03 | 中国人民解放军国防科技大学 | 一种光学表面抛光状态评判方法 |
CN114357761A (zh) * | 2021-12-31 | 2022-04-15 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种基于熵权理想点法的风力发电机组选型方法 |
CN116818290A (zh) * | 2023-05-15 | 2023-09-29 | 江苏科技大学 | 一种综合考虑硬度、残余应力和粗糙度的磨削加工试件疲劳强度预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111881560B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881560A (zh) | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 | |
Bouacha et al. | Analysis and optimization of hard turning operation using cubic boron nitride tool | |
CN112101649B (zh) | 一种基于模糊熵权综合评判法-灰色关联分析法与表面质量评价系统的加工参数优化方法 | |
Palanisamy et al. | Optimization on turning parameters of 15-5PH stainless steel using Taguchi based grey approach and Topsis | |
CN111881559A (zh) | 一种基于组合权重-双决策与表面质量多目标的加工参数优化方法 | |
CN108614418B (zh) | 钛合金铣削-抛光-喷丸强化残余应力场工艺控制方法 | |
CN114047210B (zh) | 一种考虑表面完整性的疲劳裂纹萌生预测方法 | |
Gaitonde et al. | Genetic algorithm-based burr size minimization in drilling of AISI 316L stainless steel | |
Jeet et al. | Multi-parametric optimization during drilling of aerospace alloy (UNS A97068) using hybrid RSM-GRA, GA and SA | |
Zhang et al. | Machining parameter optimisation for aviation aluminium-alloy thin-walled parts in high-speed milling | |
CN110287622B (zh) | 一种加工表面广义微观应力集中现象的建模及分析方法 | |
CN116562144A (zh) | 一种轴承套圈滚道表面粗糙度预测方法 | |
Kumar et al. | Multi-response optimisation in CNC turning of Al-6082 T6 using grey Taguchi method coupled with principal component analysis | |
Sobolevski | Residual Stress Analysis of Components with Real Geometries Using the Incremental Hole Drilling Technique and a Differential Evaluation Method | |
Eisseler et al. | Using an inverse cutting simulation-based method to determine the johnson-cook material constants of heat-treated steel | |
CN115270542A (zh) | 一种用于识别钛合金切削用j-c本构参数的方法和装置 | |
Salgar et al. | Optimization of cutting parameters during turning of AISI 1018 using Taguchi method | |
Gaitonde et al. | Multiple performance optimization in drilling using Taguchi method with utility and modified utility concepts | |
Ghosh et al. | Investigations on machining performances and tool wear surface characterization during CNC hard turning of AISI 4140 alloy steel | |
CN112560255A (zh) | 一种基于熵权法-理想点法-响应曲面法与表面完整性的加工参数域优选方法 | |
Xiang et al. | Multi-algorithm fusion–based intelligent decision-making method for robotic belt grinding process parameters | |
Cui et al. | Surface performance multiobjective decision of a cold roll-beating spline with the entropy weight ideal point method | |
Khrouf et al. | Modeling and optimization of cutting parameters when turning EN-AW-1350 aluminum alloy | |
Cirak | Mathematically Modeling and Optimization by Artificial Neural Network of Surface Roughness in CNC Milling–A Case Study | |
Rajesh | Tune–In Optimization Processes of AISI 4140 in Raw Turning Operation Using CVD Coated Insert |
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 |