CN112101649A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112101649A
CN112101649A CN202010925974.6A CN202010925974A CN112101649A CN 112101649 A CN112101649 A CN 112101649A CN 202010925974 A CN202010925974 A CN 202010925974A CN 112101649 A CN112101649 A CN 112101649A
Authority
CN
China
Prior art keywords
surface quality
evaluation system
quality evaluation
index
fuzzy
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
Application number
CN202010925974.6A
Other languages
English (en)
Other versions
CN112101649B (zh
Inventor
丁文锋
刘飞
徐九华
傅玉灿
苏宏华
陈燕
杨长勇
张全利
赵正彩
殷景飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010925974.6A priority Critical patent/CN112101649B/zh
Publication of CN112101649A publication Critical patent/CN112101649A/zh
Application granted granted Critical
Publication of CN112101649B publication Critical patent/CN112101649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提出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，包括以下步骤：（1）建立表面质量评价系统指标集；（2）构建表面质量评价系统评价集；（3）表面质量评价系统各指标隶属函数确定；（4）建立表面质量评价系统单指标模糊评判矩阵；（5）运用熵权法计算表面质量评价系统权重集；（6）表面质量评价系统综合评判；（7）基于各指标隶属度运用灰色关联分析法计算表面质量评价系统各指标的灰色关联系数；（8）表面质量评价系统各指标灰色关联度计算；（9）基于灰色关联度确定表面质量评价系统最优加工参数组合；（10）表面质量评价系统最优加工参数组合确定。本发明优选出的加工参数组合，能够使表面质量评价系统达到最佳。

Description

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
技术领域
本发明提出了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，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，加工参数与表面粗糙度、残余应力、显微硬度关系密切，加工参数变化引起表面粗糙度、残余应力、显微硬度发生改变。难加工材料加工后材料的表面粗糙度、残余应力、显微硬度影响工件的耐磨性、工件配合的稳定性、疲劳强度、耐腐蚀性、服役寿命等。为使难加工材料高效精密加工后工件的表面粗糙度、残余应力、显微硬度各指标达到综合最优，构建包含表面粗糙度、残余应力、显微硬度的表面质量评价系统，研究加工参数与表面质量评价系统各指标之间的变化关系，对表面质量评价系统各指标进行多目标优化，优选出使表面质量评价系统达到综合最优的加工参数组合，旨在改善工件表面质量，延长工件服役寿命。
基于表面质量评价系统，建立表面质量评价系统指标集，由于加工参数与表面质量评价系统各指标之间存在变化关系，建立表面质量评价系统评价集，表面质量评价系统各指标在高效精密加工过程中，一般要求加工后工件的表面粗糙度小，残余压应力和显微硬度大，表面质量评价系统各指标要求不同，基于高效精密加工过程中对表面质量评价系统各指标的要求，分析各指标属于上限型或下限型，利用相应计算公式对表面质量评价系统各指标试验结果进行数据处理得到各指标隶属度，基于各指标隶属度建立表面质量评价系统单指标模糊评判矩阵，基于单指标模糊评判矩阵，利用熵权法计算表面质量评价系统各指标权重，建立表面质量评价系统权重集，运用矩阵乘法将权重集与单指标模糊评判矩阵合成得到模糊综合评价矩阵，实现表面质量评价系统综合评判。目前两种方法获得的结果还比较孤立，尚无法将其组合比对应用。
发明内容
为改善高效精密加工后工件的表面质量，延长工件服役寿命，本发明提出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，运用灰色关联分析法进行验证，进一步确定模糊熵权综合评判法得到的加工参数组合是否为表面质量评价系统的最优加工参数组合，若两种方法获得的加工参数组合一致，则表明得到的加工参数组合为表面质量评价系统的最优加工参数组合，该发明优选出的加工参数组合能够使表面质量评价系统各指标达到综合最优。
技术方案
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，建立表面质量评价系统指标集；基于建立的指标集，建立表面质量评价系统评价集；基于表面质量评价系统，建立表面质量评价系统指标集；由于加工参数与表面质量评价系统各指标之间存在变化关系，建立表面质量评价系统评价集；分析表面质量评价系统各指标属于上限型或下限型，利用相应计算公式对表面质量评价系统各指标试验结果进行数据处理，基于各指标数据处理结果建立表面质量评价系统单指标模糊评判矩阵；基于单指标模糊评判矩阵，运用熵权法计算表面质量评价系统各指标熵权值，建立表面质量评价系统权重集；运用矩阵乘法将表面质量评价系统权重集与单指标模糊评判矩阵合成，获得模糊综合评价矩阵，运用最大隶属度原则对评价集合中各方案进行优选，得到最优方案对应的加工参数组合为表面质量评价系统的最优加工参数组合，且该加工参数组合能够使表面质量评价系统达到最佳。
为进一步验证模糊熵权综合评判法获得的加工参数组合为表面质量评价系统的最优加工参数组合，利用灰色关联分析法计算表面质量评价系统各指标灰色关联系数，由各指标灰色关联系数计算出表面质量评价系统正交试验各试验次序的灰色关联度，对表面质量评价系统各试验次序的灰色关联度进行由大到小排序，最大灰色关联度对应试验次序的加工参数组合为表面质量评价系统的最优加工参数组合。模糊熵权综合评判法与灰色关联分析法优选出的加工参数组合相同，则表明优选出的加工参数组合在给定加工参数范围内，能够使表面质量评价系统达到最佳。
具体步骤：
步骤一：建立表面质量评价系统指标集；
步骤二：构建表面质量评价系统评价集；
步骤三：表面质量评价系统各指标隶属函数确定；
步骤四：建立表面质量评价系统单指标模糊评判矩阵；
步骤五：运用熵权法计算表面质量评价系统权重集；
步骤六：表面质量评价系统综合评判；
步骤七：基于各指标隶属度运用灰色关联分析法计算表面质量评价系统各指标的灰色关联系数；
步骤八：表面质量评价系统各指标灰色关联度计算；
步骤九：基于灰色关联度确定表面质量评价系统最优加工参数组合；
步骤十：表面质量评价系统最优加工参数组合确定。
所述步骤具体如下：
步骤一：建立表面质量评价系统指标集
基于表面质量评价系统包含的指标，选择相关参数设计表面质量评价系统正交试验，建立表面质量评价系统指标集U。
步骤二：构建表面质量评价系统评价集
加工参数影响表面质量评价系统各指标，加工参数变化，表面质量评价系统各指标会随着改变，设置多种加工参数与表面质量评价系统各指标之间的变化关系方案，建立表面质量评价系统评价集V。
步骤三：表面质量评价系统各指标隶属函数确定
表面质量评价系统包含多个指标，分析每个指标所属类型，根据指标所属类型选择对应的隶属函数，对指标试验结果进行数据处理。若表面质量评价系统各指标属于上限型，即其值具有望大性，希望其值越大越好；若表面质量评价系统各指标属于下限型，即其值具有望小性，希望其值越小越好。针对上限型指标利用公式(3)对其正交试验结果进行数据处理，对于下限型指标利用公式(4)对其正交试验结果进行数据处理。
上限型：
Figure BDA0002668335020000031
下限型：
Figure BDA0002668335020000041
式中，μ(x)为各指标试验结果利用隶属函数处理后的结果；
x为表面质量评价系统正交试验结果各指标的试验值；
a1为表面质量评价系统正交试验结果各指标的最小值；
a2为表面质量评价系统正交试验结果各指标的最大值。
步骤四：建立表面质量评价系统单指标模糊评判矩阵
利用隶属函数将指标与方案之间建立关系，用模糊关系矩阵R＝(rij)m×n表示，rij表示第i个指标对表面质量评价系统做出第j种评价的可能程度。将方案中表面质量评价系统各指标正交试验结果代入各指标所属隶属函数，计算出各指标的隶属度，获得单指标模糊评判矩阵R如式(5)所示。
Figure BDA0002668335020000042
步骤五：运用熵权法计算表面质量评价系统权重集
表面质量评价系统包含多个指标，每个指标对表面质量评价系统影响程度不同，计算出各指标对表面质量评价系统的权重，从而可以定量表示各指标对表面质量评价系统所占比重。基于表面质量评价系统单指标模糊评判矩阵，运用熵权法计算表面质量评价系统各指标权重。
利用公式(6)计算表面质量评价系统各指标熵值，利用公式(7)计算表面质量评价系统各指标熵权值。
Figure BDA0002668335020000043
Figure BDA0002668335020000044
式中，k为熵值系数，k＝1/lnm，m为表面质量评价系统正交试验次数；rij为表面质量评价系统单指标模糊评判矩阵R中i行j列的数据；wj为表面质量评价系统第j个指标的熵权值。
由熵权法得到表面质量评价系统各指标的熵权值，建立表面质量评价系统各指标的权重集A。
步骤六：表面质量评价系统综合评判
运用矩阵乘法将表面质量评价系统各指标的权重集A与表面质量评价系统单指标模糊评判矩阵R合成，获得结合各指标权重的模糊综合评价矩阵B，如式(8)所示。
Figure BDA0002668335020000051
由得到的模糊综合评价矩阵，获得模糊综合评价结果，根据最大隶属度原则获得评价集合中各方案的优劣，从而得到最优方案对应的加工参数组合为表质量评价系统的最优加工参数组合，该加工参数组合能够使表面质量评价系统达到最佳。
为进一步验证模糊熵权综合评判法确定出的加工参数组合为表面质量评价系统的最优加工参数组合，运用灰色关联分析法进行验证。
步骤七：基于各指标隶属度运用灰色关联分析法计算表面质量评价系统各指标的灰色关联系数
灰色关联系数能够表示表面质量评价系统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(9)计算表面质量评价系统各指标灰色关联系数，将公式(9)进行简化，简化后的结果如式(10)所示。
Figure BDA0002668335020000052
Figure BDA0002668335020000053
式中，εij为i行j列的灰色关联系数；
ri 0为第j个指标的理想状态值，其期望值为1；
rij为单指标模糊评判矩阵中i行j列的数据；
ξ为分辨系数，ξ∈[0,1]，一般ξ取0.5；
△min为理想状态值与单指标模糊评判矩阵中对应数据差值绝对值的最小值；
△max为理想状态值与单指标模糊评判矩阵中对应数据差值绝对值的最大值；
步骤八：表面质量评价系统各指标灰色关联度计算
基于表面质量评价系统各指标灰色关联系数，运用式(11)计算表面质量评价系统正交试验各试验次序的灰色关联度。
Figure BDA0002668335020000061
式中，γi为第i试验的灰色关联度；
n为表面质量评价系统包含指标个数。
步骤九：基于灰色关联度确定表面质量评价系统最优加工参数组合
由表面质量评价系统正交试验各试验次序的灰色关联度，对获得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表面质量评价系统的最优加工参数组合。
步骤十：表面质量评价系统最优加工参数组合确定
若模糊熵权综合评判法与灰色关联分析法得到的加工参数组合一致，则表明得到的加工参数组合在给定加工参数范围内，可以使表面质量评价系统达到最优。
有益效果
本发明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，具有以下优点：
1.将模糊评判法与熵权法相结合构造模糊熵权综合评判法对表面质量评价系统进行综合评判。
2.运用模糊熵权综合评判法确定出表面质量评价系统的最优加工参数组合。
3.模糊熵权综合评判法与灰色关联分析法相互验证，确定出能够使表面质量评价系统达到最佳的加工参数组合。
附图说明
图1本发明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流程图；
图2各试验方案与模糊综合评价结果之间的关系图；
图3各试验次序与灰色关联度之间的关系图。
具体实施方式
下面将结合附图、本发明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)建立表面质量评价系统指标集；
(2)构建表面质量评价系统评价集；
(3)表面质量评价系统各指标隶属函数确定；
(4)建立表面质量评价系统单指标模糊评判矩阵；
(5)运用熵权法计算表面质量评价系统权重集；
(6)表面质量评价系统综合评判；
(7)基于各指标隶属度运用灰色关联分析法计算表面质量评价系统各指标的灰色关联系数；
(8)表面质量评价系统各指标灰色关联度计算；
(9)基于灰色关联度确定表面质量评价系统最优加工参数组合；
(10)表面质量评价系统最优加工参数组合确定。
为验证该方法的优势，步骤(1)中的表面质量评价系统的正交试验结果选自《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”。(文章编号DOI：10.13433/j.cnki.1003-8728.2019.2018280)。该论文对表面质量评价系统(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表面质量评价系统正交试验结果
Figure BDA0002668335020000071
Figure BDA0002668335020000081
具体而言，各步骤如下：
步骤一：建立表面质量评价系统指标集
选择相关参数设计表面质量评价系统正交试验，基于表1表面质量评价系统正交试验结果，建立表面质量评价系统指标集U，如式(1)所示。
U＝{u1,u2,u3,u4} (1)
式中，u1为表面粗糙度；u2为x方向残余应力；u3为y方向残余应力；u4为显微硬度。
步骤二：构建表面质量评价系统评价集
加工参数影响表面质量评价系统各指标，加工参数变化，表面质量评价系统各指标也会随着改变。由表1可知，共设置9组试验方案，建立表面质量评价系统评价集V，如式(2)所示。
V＝{v1,v2,…,v9} (2)
式中，v1为第1组试验，v2为第2组试验；v9为第9组试验。
步骤三：表面质量评价系统各指标隶属函数确定
由表1可知，表面质量评价系统包含四个指标，分别为表面粗糙度、x方向残余应力、y方向残余应力、显微硬度。工件加工后希望表面粗糙度小，属于下限型指标，即其具有望小特性，希望其越小越好，对于下限型指标利用公式(3)对其正交试验结果进行数据处理；工件加工后希望x方向残余应力、y方向残余应力、显微硬度大，这三个属于上限型指标，即其值具有望大性，希望其值越大越好，针对上限型指标利用公式(4)对其正交试验结果进行数据处理。
下限型：
Figure BDA0002668335020000082
上限型：
Figure BDA0002668335020000091
式中，μ(x)为各指标试验结果利用隶属函数处理后的结果；x为表面质量评价系统正交试验结果各指标的试验值；a1为表面质量评价系统正交试验结果各指标的最小值；a2为表面质量评价系统正交试验结果各指标的最大值。
步骤四：建立表面质量评价系统单指标模糊评判矩阵
将表1中表面质量评价系统各指标正交试验结果代入各指标所属隶属函数，计算出各指标的隶属度，计算结果如表2所示。
表2各指标的隶属度
Figure BDA0002668335020000092
由表2得到单指标模糊评判矩阵R，如式(5)所示。
Figure BDA0002668335020000093
步骤五：运用熵权法计算表面质量评价系统权重集
由表2表面质量评价系统各指标的隶属度，利用熵权法计算表面质量评价系统各指标的熵值，基于熵值计算出表面质量评价系统各指标的熵权值。
利用公式(6)计算表面质量评价系统各指标的熵值，利用公式(7)计算表面质量评价系统各指标的熵权值，计算结果如表3所示。
Figure BDA0002668335020000101
Figure BDA0002668335020000102
式中，k为熵值系数，k＝1/lnm，m为表面质量评价系统正交试验次数；rij为表面质量评价系统单指标模糊评判矩阵R中i行j列的数据；wj为表面质量评价系统第j个指标的熵权值。
表3表面质量评价系统各指标熵值和熵权值
Figure BDA0002668335020000103
由表3表面质量评价系统各指标的熵权值，建立表面质量评价系统各指标的权重集A。
A＝(0.47650,0.23355,0.16731,0.12265)
步骤六：表面质量评价系统综合评判
由表面质量评价系统的权重集A、表面质量评价系统单指标模糊评判矩阵R，利用公式(8)将二者合成，获得结合各指标权重的模糊综合评价矩阵B。
Figure BDA0002668335020000104
模糊综合评价矩阵为：
B＝(0.9427,0.9041,0.8902,0.6720,0.4721,0.6497,0.4824,0.4152,0.0693)
由模糊综合评价矩阵B，得到各试验方案与模糊综合评价结果之间的关系图如图2所示。
基于最大隶属度原则得到第1组试验方案最优。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HV 437。在表面质量评价系统正交试验结果中，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。
为进一步确定模糊熵权综合评判法确定出的加工参数组合为表面质量评价系统的最优加工参数组合，运用灰色关联分析法进行验证。
步骤七：基于各指标隶属度运用灰色关联分析法计算表面质量评价系统中各指标的灰色关联系数
灰色关联系数能够表示表面质量评价系统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(9)计算表面质量评价系统各指标灰色关联系数，计算结果如表4所示，将公式(9)进行简化，简化后的结果如式(10)所示。
Figure BDA0002668335020000111
Figure BDA0002668335020000112
式中，εij为i行j列的灰色关联系数；ri 0为第j个指标的理想状态值，其期望值为1；rij为单指标模糊评判矩阵中i行j列的数据；ξ为分辨系数，ξ∈[0,1]，一般ξ取0.5；△min为理想状态值与单指标模糊评判矩阵中对应数据差值绝对值的最小值；△max为理想状态值与单指标模糊评判矩阵中对应数据差值绝对值的最大值；
表4灰色关联系数与灰色关联度
Figure BDA0002668335020000113
Figure BDA0002668335020000121
步骤八：表面质量评价系统各指标灰色关联度计算
基于表面质量评价系统各指标灰色关联系数，运用式(11)计算表面质量评价系统正交试验各试验次序的灰色关联度，计算结果如表4所示。表面质量评价系统各试验次序与灰色关联度之间的关系，如图3所示。
Figure BDA0002668335020000122
式中，γi为第i试验的灰色关联度；n为表面质量评价系统包含指标个数。
步骤九：基于灰色关联度确定表面质量评价系统最优加工参数组合
由表3表面质量评价系统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HV 437。该加工参数组合对应的灰色关联度最大，在表面质量评价系统正交试验结果中，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。
步骤十：表面质量评价系统最优加工参数组合确定
由模糊熵权综合评判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。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。
运用两种方法得到，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范围内的加工参数组合相同。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HV437。进一步表明获得的加工参数组合在正交试验加工参数范围内，能够使表面质量评价系统达到最佳。
对比例1：
运用传统极差分析法分析表面完整性正交试验结果，对铣削参数进行优化，获得的最优加工参数组合为：铣削速度vc为150.7m·min-1，每齿进给量fz为0.02mm·z-1，铣削深度ap为1.0mm，该加工参数组合对应的表面粗糙度为0.313μm、表层残余应力σx为-689Mpa、表层残余应力σy为-127Mpa、显微硬度HV为374。
很明显，依据本发明优化的参数加工，所获得的表面完整性水平优于传统优化方法。

Claims (5)

1.一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，其特征在于，步骤如下：
步骤一：建立表面质量评价系统指标集；
步骤二：构建表面质量评价系统评价集；
步骤三：表面质量评价系统各指标隶属函数确定；
步骤四：建立表面质量评价系统单指标模糊评判矩阵；
步骤五：运用熵权法计算表面质量评价系统权重集；
步骤六：表面质量评价系统综合评判；
步骤七：基于各指标隶属度运用灰色关联分析法计算表面质量评价系统各指标的灰色关联系数；
步骤八：表面质量评价系统各指标灰色关联度计算；
步骤九：基于灰色关联度确定表面质量评价系统最优加工参数组合；
步骤十：表面质量评价系统最优加工参数组合确定。
2.根据权利要求1所述的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，其特征在于，具体包括以下步骤：
步骤一：建立表面质量评价系统指标集
基于表面质量评价系统包含的指标，选择相关参数设计表面质量评价系统正交试验，建立表面质量评价系统指标集；
步骤二：构建表面质量评价系统评价集
加工参数影响表面质量评价系统各指标，加工参数变化，表面质量评价系统各指标也会随着改变，设置多种加工参数与表面质量评价系统各指标之间的变化关系方案，建立表面质量评价系统评价集；
步骤三：表面质量评价系统各指标隶属函数确定
表面质量评价系统包含多个指标，分析每个指标所属类型，根据各指标所属类型选择对应的隶属函数，对指标试验结果进行数据处理。若表面质量评价系统各指标属于上限型，即其值具有望大性，希望其值越大越好；若表面质量评价系统各指标属于下限型，即其值具有望小性，希望其值越小越好；
针对上限型指标利用公式(3)对其正交试验结果进行数据处理，对于下限型指标利用公式(4)对其正交试验结果进行数据处理。
上限型：
Figure FDA0002668335010000021
下限型：
Figure FDA0002668335010000022
式中，μ(x)为各指标试验结果利用隶属函数处理后的结果；
x为表面质量评价系统正交试验结果各指标的试验值；
a1为表面质量评价系统正交试验结果各指标的最小值；
a2为表面质量评价系统正交试验结果各指标的最大值。
步骤四：建立表面质量评价系统单指标模糊评判矩阵
利用隶属函数将指标与方案之间建立关系，用模糊关系矩阵R＝(rij)m×n表示，rij表示第i个指标对表面质量评价系统做出第j中评价的可能程度。将方案中表面质量评价系统各指标正交试验结果代入各指标所属隶属函数，计算出各指标的隶属度，获得单指标模糊评判矩阵R如式(5)所示；
Figure FDA0002668335010000023
步骤五：运用熵权法计算表面质量评价系统权重集
表面质量评价系统包含多个指标，每个指标对表面质量评价系统影响程度不同，计算出各指标对表面质量评价系统的权重，从而可以定量表示各指标对表面质量评价系统所占比重。基于表面质量评价系统单指标模糊评判矩阵，运用熵权法计算表面质量评价系统各指标权重；由熵权法得到表面质量评价系统各指标的熵权值，建立表面质量评价系统各指标的权重集A；
步骤六：表面质量评价系统综合评判
运用矩阵乘法将表面质量评价系统各指标的权重集A与表面质量评价系统单指标模糊评判矩阵R合成，获得结合各指标权重的模糊综合评价矩阵B，如式(8)所示；
Figure FDA0002668335010000031
由得到的模糊综合评价矩阵，获得模糊综合评价结果，根据最大隶属度原则获得评价集中各方案的优劣，从而得到最优方案对应的加工参数组合为表质量评价系统的最优加工参数组合，该加工参数组合能够使表面质量评价系统达到最佳；
步骤七：基于各指标隶属度运用灰色关联分析法计算表面质量评价系统各指标的灰色关联系数
灰色关联系数能够表示表面质量评价系统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(9)计算表面质量评价系统各指标灰色关联系数，将公式(9)进行简化，简化后的结果如式(10)所示。
Figure FDA0002668335010000032
Figure FDA0002668335010000033
式中，εij为i行j列的灰色关联系数；ri 0为第j个指标的理想状态值，其期望值为1；rij为单指标模糊评判矩阵中i行j列的数据；ξ为分辨系数，ξ∈[0,1]，一般ξ取0.5；△min为理想状态值与单指标模糊评判矩阵中对应数据差值绝对值的最小值；△max为理想状态值与单指标模糊评判矩阵中对应数据差值绝对值的最大值；
步骤八：表面质量评价系统各指标灰色关联度计算
基于表面质量评价系统各指标灰色关联系数，运用式(11)计算表面质量评价系统正交试验各试验次序的灰色关联度；
Figure FDA0002668335010000034
式中，γi为第i试验的灰色关联度；n为表面质量评价系统包含指标个数。
步骤九：基于灰色关联度确定表面质量评价系统最优加工参数组合
由表面质量评价系统正交试验各试验次序的灰色关联度，对获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表面质量评价系统的最优加工参数组合；
步骤十：表面质量评价系统最优加工参数组合确定
模糊熵权综合评判法与灰色关联分析法得到的加工参数组合一致，则表明得到的加工参数组合在给定加工参数范围内，可以使表面质量评价系统达到最优。
3.根据权利要求1所述的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，其特征在于：步骤一，所述的表面质量评价系统采用的指标是表面粗糙度、残余应力、显微硬度。
4.根据权利要求1所述的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，其特征在于：步骤五，利用公式(6)计算表面质量评价系统各指标熵值，利用公式(7)计算表面质量评价系统各指标熵权值；
Figure FDA0002668335010000041
Figure FDA0002668335010000042
式中，k为熵值系数，k＝1/lnm，m为表面质量评价系统正交试验次数；rij为表面质量评价系统单指标模糊评判矩阵R中i行j列的数据；wj为表面质量评价系统第j个指标的熵权值。
5.根据权利要求1所述的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，其特征在于：步骤二，加工参数包括指铣削深度、每齿进给量、铣削速度。
CN202010925974.6A 2020-09-07 2020-09-07 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 Active CN112101649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010925974.6A CN112101649B (zh) 2020-09-07 2020-09-07 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010925974.6A CN112101649B (zh) 2020-09-07 2020-09-07 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

Publications (2)

Publication Number Publication Date
CN112101649A true CN112101649A (zh) 2020-12-18
CN112101649B CN112101649B (zh) 2023-10-10

Family

ID=73757332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010925974.6A Active CN112101649B (zh) 2020-09-07 2020-09-07 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

Country Status (1)

Country Link
CN (1) CN112101649B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651562A (zh) * 2020-12-29 2021-04-13 重庆工商大学 基于信噪比和改进灰色关联度激光熔覆工艺优化方法
CN112948746A (zh) * 2021-01-15 2021-06-11 中建路桥集团有限公司 一种基于模糊综合评价的复合路基工后沉降预测方法
CN113408146A (zh) * 2021-07-15 2021-09-17 华南理工大学 一种基于gra-熵权法的动力电池安全模糊定级方法
CN117689266A (zh) * 2023-12-27 2024-03-12 中国汽车工程研究院股份有限公司 一种新能源汽车指标评价系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803010A (zh) * 2016-08-10 2017-06-06 中国石油大学(华东) 用于低渗透储层定量评价的模糊灰色综合评判方法和装置
US20190005400A1 (en) * 2016-09-20 2019-01-03 Southwest Petroleum University A fuzzy evaluation and prediction method for running status of mechanical equipment with occurrence probability of failure modes
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
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803010A (zh) * 2016-08-10 2017-06-06 中国石油大学(华东) 用于低渗透储层定量评价的模糊灰色综合评判方法和装置
US20190005400A1 (en) * 2016-09-20 2019-01-03 Southwest Petroleum University A fuzzy evaluation and prediction method for running status of mechanical equipment with occurrence probability of failure modes
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法
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

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651562A (zh) * 2020-12-29 2021-04-13 重庆工商大学 基于信噪比和改进灰色关联度激光熔覆工艺优化方法
CN112948746A (zh) * 2021-01-15 2021-06-11 中建路桥集团有限公司 一种基于模糊综合评价的复合路基工后沉降预测方法
CN112948746B (zh) * 2021-01-15 2022-11-22 中建路桥集团有限公司 一种基于模糊综合评价的复合路基工后沉降预测方法
CN113408146A (zh) * 2021-07-15 2021-09-17 华南理工大学 一种基于gra-熵权法的动力电池安全模糊定级方法
CN117689266A (zh) * 2023-12-27 2024-03-12 中国汽车工程研究院股份有限公司 一种新能源汽车指标评价系统及方法

Also Published As

Publication number Publication date
CN112101649B (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN112101649A (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
CN111881560B (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
Singaravel et al. Optimization of machining parameters in turning operation using combined TOPSIS and AHP method
Ozcelik et al. Optimum surface roughness in end milling Inconel 718 by coupling neural network model and genetic algorithm
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
Singaravel et al. Multi-objective optimization of turning parameters using the combined moora and entropy method
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
CN116562144A (zh) 一种轴承套圈滚道表面粗糙度预测方法
CN113894333B (zh) 钛合金薄壁结构精密铣削表面状态稳健性工艺控制方法
Yunus et al. Genetic based experimental investigation on finishing characteristics of AlSiCp-MMC by abrasive flow machining
Singh et al. Optimization of process parameters of aluminum alloy (Al-6082 T-6) machined on CNC lathe machine for low surface roughness
Ghosh et al. Investigations on machining performances and tool wear surface characterization during CNC hard turning of AISI 4140 alloy steel
CN107103129A (zh) 一种切削加工中工件表面残余应力的预测方法
Sagar et al. Determination of Johnson Cook material model constants and their influence on machining simulations of tungsten heavy alloy
Mahdieh et al. Improving surface roughness in barrel finishing process using supervised machine learning
CN109117597B (zh) 一种基于对应分析法的加工关键因素分级方法
Duncheva et al. Improvement in surface integrity of CuAl8Fe3 bronze via diamond burnishing
Solanki et al. Optimization of material removal rate and surface roughness using Taguchi based multi-criteria decision making (MCDM) technique for turning of Al-6082
CN112179541B (zh) 一种基于变形反推的初始残余应力调整方法
CN108319803B (zh) 一种超声切削刀具的多目标优化设计方法
Obaeed et al. Study The effect of process parameters of CNC milling surface generation using Al-alloy 7024
Adedeji et al. An Application of Data Envelopment Analysis in the Selection of the Best Response for the Drilling of Carbon Fiber-reinforced Plastic Composites
Khrouf et al. Modeling and optimization of cutting parameters when turning EN-AW-1350 aluminum alloy
Prabhakar et al. Application of ANOVA and ANN technique for optimize of CNC machining parameters

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