CN112925278A - 一种多目标滚齿工艺参数优化与决策方法 - Google Patents
一种多目标滚齿工艺参数优化与决策方法 Download PDFInfo
- Publication number
- CN112925278A CN112925278A CN202110127401.3A CN202110127401A CN112925278A CN 112925278 A CN112925278 A CN 112925278A CN 202110127401 A CN202110127401 A CN 202110127401A CN 112925278 A CN112925278 A CN 112925278A
- Authority
- CN
- China
- Prior art keywords
- process parameter
- hobbing
- optimization
- cost
- decision
- 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 159
- 230000008569 process Effects 0.000 title claims abstract description 124
- 238000005457 optimization Methods 0.000 title claims abstract description 74
- 238000005265 energy consumption Methods 0.000 claims abstract description 47
- 241001206881 Myrmeleon inconspicuus Species 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 241000257303 Hymenoptera Species 0.000 claims description 33
- 238000005520 cutting process Methods 0.000 claims description 23
- 241000258923 Neuroptera Species 0.000 claims description 15
- 238000003754 machining Methods 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005295 random walk Methods 0.000 claims description 12
- 241000282320 Panthera leo Species 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 244000062804 prey Species 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000013386 optimize process Methods 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种多目标滚齿工艺参数优化与决策方法,本方法用于高速干切滚齿机床进行齿轮加工,基于待优化的四个工艺参数变量构建了滚齿能耗和加工成本两个函数模型,以最低滚齿能耗和最低加工成本作为优化目标,利用多目标蚁狮优化算法在全局寻优上的优势,实现工艺参数的迭代寻优,并利用优劣解距离算法对优化后的工艺参数解集进行性能排序和多属性决策,指导企业根据实际情况进行生产,达到优化工艺参数方案、降低滚齿能耗和减少加工成本的目的。
Description
技术领域
本发明属于高速干切滚齿加工领域,尤其涉及一种多目标滚齿工艺参数优化与决策方法。
背景技术
随着能源消耗和环境保护问题的日益严峻,越来越多的企业开始关注能耗在加工过程中所发挥的重要作用。滚齿加工作为制造过程中重要的加工方式,研究其能耗对能源管理及机床能效提升意义重大。同时,加工成本作为生产企业不可避免的一项支出,以降低成本为导向的生产是企业关注的目标之一,优化加工成本能从经济效益的角度降低企业生产成本,提升企业效益。从以上两个加工目标出发,针对滚齿加工过程进行工艺参数优化与决策,需要提出一种方法,能够对滚齿加工的多个目标工艺参数进行优化,并按照实际需求的角度对解集进行属性分析和性能排序,能够用于企业的实际生产过程,以指导企业进行决策。
发明内容
针对上述现有技术的不足,本发明所要解决的技术问题是:如何提供一种多目标滚齿工艺参数优化与决策方法,其能够实现滚齿工艺参数的优化,并将优化后的解集进行性能排序,指导企业对工艺参数解集的多属性决策,达到参数优化速度快、参数决策效率高、加工参数方案直观明确的目的。
为了解决上述技术问题,本发明采用了如下的技术方案:
一种多目标滚齿工艺参数优化与决策方法,本方法用于高速干切滚齿机床进行齿轮加工,包括以下步骤:
步骤1、针对高速干切滚齿加工特性,以轴向进给速度Fa、主轴转速n0、滚刀直径d0及滚刀头数z0作为待优化工艺参数变量,构建滚齿能耗Etotal和加工成本Ctotal的函数模型,所述滚齿能耗Etotal=Es+Ea+Ec,加工成本Ctotal=Cgear+Ctool+Clabor+Cmachine+Cenergy,并以最小滚齿能耗和最小加工成本作为优化目标函数,即minf(Fa,n0,d0,z0)=(minEtotal,minCtotal),同时设立相应的工艺参数变量约束条件,其中Es表征待机能耗,Ea表征空切能耗,Ec表征加工能耗,Cgear表征齿轮毛坯成本,Ctool表征刀具磨损成本,Clabor表征人工成本,Cmachine表征机床磨损成本,Cenergy表征电力成本;
步骤2、采用多目标蚁狮优化算法对工艺参数变量进行迭代寻优,获得最优的工艺参数解集;
步骤3、通过优劣解距离法对步骤2中得到的工艺参数解集进行评价和排序,便于生产工艺人员决策。
建立空切能耗模型,所述空切能耗表示空载时间,Pa为空载功率,由公式Pa=Ps+Psc+Pn得到,其中Psc表示辅助部件的功率损耗,Pn表示无负载功率,由公式Pn=κ1n0+κ2n0 2计算得到,其中κi是与n0相关的功率系数,空载时间ta由公式计算得到,La、Lr分别表示轴向空切长度和径向空切长度,Fa和Fr是对应的轴向进给速度和径向进给速度,j表示走刀次数;
建立切削能耗模型,所述切削能耗Pc表示切削功率,由公式Pc=Ps+Psc+Pn+Pr+Pap计算得到,其中工件移除功率Pr由以下公式:轴向进给量,ap表示切削深度,z2表示齿数,额外损耗功率Pap=ε1Pr+ε2Pr 2计算得到,εi是与工件移除功率Pr相关的附加功率系数,切削时间tc由以下公式:
建立人工成本模型,所述人工成本Clabor=slttotal,sl表示单位人工成本,ttotal表示总加工时间,则ttotal=ts+ta+tc;
建立电力成本模型,所述电力成本Cenergy=seEtotal,se表示单位电能成本。
作为优化,所述的工艺参数变量约束条件为:Famin≤Fa≤Famax,nmin≤n0≤nmax,d0min≤d0≤d0max,d0∈N+,z0=1,2,3,...。
作为优化,所述步骤2中采用多目标蚁狮优化算法对工艺参数变量进行迭代寻优时的具体步骤包括:
步骤2.1、设立蚂蚁、蚁狮种群数为N,参数变量维度为d,目标个数为obj,参数存储库为Arch,工艺参数存储量为NumAr,参数搜索空间上界为ub和下界lb,迭代次数为T;
步骤2.3、根据滚齿能耗模型和加工成本模型分别计算蚂蚁和蚁狮相应的适应度值Etotal和Ctotal;
步骤2.4、利用轮盘赌法选择蚁狮种群中适应度值最好的蚁狮作为精英蚁狮,将精英蚁狮的位置参数及适应度值作为非支配工艺参数解储存入Arch中;
步骤2.5、进行下一轮迭代,下一轮的蚁狮和蚂蚁采用随机行走的方式向上一轮精英蚁狮的位置处靠近,并计算相应的适应度值,选出适应度值最好的蚁狮作为新的精英蚁狮,将该轮迭代中产生的精英蚁狮的位置参数及适应度值作为非支配工艺参数解储存入Arch中,并以此类推;
步骤2.6、若满足迭代终止条件t>T,则停止迭代,完成滚齿工艺参数变量的多目标优化过程,得到存储在Arch中的多组作为非支配工艺参数解,其中t表示第t次迭代。
作为优化,在每轮迭代中,每个蚂蚁都要按随机行走的方式改变位置,直至全部蚂蚁都更新位置才进入下一轮迭代中。
作为优化,蚂蚁和蚁狮采用随机行走的方式移动,其随机行为表示为:X(s)=[0,cumsum(2r(s1)-1),cumsum(2r(s2)-1),...,cumsum(2r(st)-1)],式中cumsum表示计算累积和,s表示随机行走的步数,r(s)是一个随机函数,由下列公式:α∈[0,1]定义,a是在[0,1]区间内均匀分布生成的随机数。
作为优化,为了确保蚂蚁在搜索空间内随机行走,需要对其位置进行归一化处理,基于以下公式进行:表示第t次迭代时第k个变量的取值,skmax表示第k个变量随机游动的最大值,skmin表示第k个变量随机游动的最小值,表示第t次迭代时第k个变量随机游动的最大值,表示第t次迭代时第k个变量随机游动的最小值;
蚁狮捕食蚂蚁时,蚂蚁的行走范围将急剧缩小,为模拟捕食行为,采用以下公式描述:式中nt表示第t次迭代时所有变量的最小值,mt表示第t次迭代时所有变量的最大值,I表示比例系数,ψ是一个随着迭代次数增大而变化的常数。
作为优化,在迭代过程中,若得到的作为非支配工艺参数解个数大于NumAr,则通过轮盘赌法丢弃若干适应度值小于初始精英蚁狮所代表的适应度值的非支配工艺参数解。
作为优化,所述步骤3的具体步骤包括:
步骤3.1、基于步骤2.6得到的多组非支配工艺参数解,得到多组对应的目标函数值{Etotal,Ctotal},建立初始工艺参数决策矩阵A=(aij)n×m,式中n表示n组待决策优化目标,m表示决策指标个数;
步骤3.2、对初始决策矩阵进行同向化处理,得到B=(bij)n×m;
步骤3.7、得到多属性决策后的工艺参数解,完成滚齿工艺参数的多属性决策过程。
本发明与现有技术相比具有以下有益效果:本发明首先基于待优化的四个工艺参数变量构建了滚齿能耗和加工成本两个函数模型,以最低滚齿能耗和最低加工成本作为优化目标,利用多目标蚁狮优化算法在全局寻优上的优势,实现工艺参数的迭代寻优,并利用优劣解距离算法对优化后的工艺参数解集进行性能排序和多属性决策,指导企业根据实际情况进行生产,达到优化工艺参数方案、降低滚齿能耗和减少加工成本的目的。
另外,传统的单一加工目标已经不能满足企业生产的需求,本方法支持多目标优化,能针对多目标提出的工艺参数优化方法,为企业提供切实有效的工艺参数方案。优化工艺参数后,对参数进行性能分析和属性决策,指导企业选用适合的加工方案,提升了参数优化的应用效果,解决了现有的多目标加工之间的相互冲突、工艺参数优化结果不适用实际加工的难题。
附图说明
图1为本发明基于一种多目标滚齿工艺参数优化与决策方法的过程示意图;
图2为本发明中蚁狮优化算法的流程图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
具体实施时:参见图1及图2,一种多目标滚齿工艺参数优化与决策方法,本方法用于高速干切滚齿机床进行齿轮加工,包括以下步骤:
步骤1、针对高速干切滚齿加工特性,以轴向进给速度Fa、主轴转速n0、滚刀直径d0及滚刀头数z0作为待优化工艺参数变量,构建滚齿能耗Etotal和加工成本Ctotal的函数模型,所述滚齿能耗Etotal=Es+Ea+Ec,加工成本Ctotal=Cgear+Ctool+Clabor+Cmachine+Cenergy,并以最小滚齿能耗和最小加工成本作为优化目标函数,即minf(Fa,n0,d0,z0)=(minEtotal,minCtotal),同时设立相应的工艺参数变量约束条件,其中Es表征待机能耗,Ea表征空切能耗,Ec表征加工能耗,Cgear表征齿轮毛坯成本,Ctool表征刀具磨损成本,Clabor表征人工成本,Cmachine表征机床磨损成本,Cenergy表征电力成本;
步骤2、采用多目标蚁狮优化算法对工艺参数变量进行迭代寻优,获得最优的工艺参数解集;
步骤3、通过优劣解距离法对步骤2中得到的工艺参数解集进行评价和排序,便于生产工艺人员决策。
建立空切能耗模型,所述空切能耗表示空载时间,Pa为空载功率,由公式Pa=Ps+Psc+Pn得到,其中Psc表示辅助部件的功率损耗,Pn表示无负载功率,由公式Pn=κ1n0+κ2n0 2计算得到,其中κi是与n0相关的功率系数,空载时间ta由公式计算得到,La、Lr分别表示轴向空切长度和径向空切长度,Fa和Fr是对应的轴向进给速度和径向进给速度,j表示走刀次数;
建立切削能耗模型,所述切削能耗Pc表示切削功率,由公式Pc=Ps+Psc+Pn+Pr+Pap计算得到,其中工件移除功率Pr由以下公式:轴向进给量,ap表示切削深度,z2表示齿数,额外损耗功率Pap=ε1Pr+ε2Pr 2计算得到,εi是与工件移除功率Pr相关的附加功率系数,切削时间tc由以下公式:
建立人工成本模型,所述人工成本Clabor=slttotal,sl表示单位人工成本,ttotal表示总加工时间,则ttotal=ts+ta+tc;
建立电力成本模型,所述电力成本Cenergy=seEtotal,se表示单位电能成本。
作为优化,所述的工艺参数变量约束条件为:Famin≤Fa≤Famax,nmin≤n0≤nmax,d0min≤d0≤d0max,d0∈N+,z0=1,2,3,...。
作为优化,所述步骤2中采用多目标蚁狮优化算法对工艺参数变量进行迭代寻优时的具体步骤包括:
步骤2.1、设立蚂蚁、蚁狮种群数为N,参数变量维度为d,目标个数为obj,参数存储库为Arch,工艺参数存储量为NumAr,参数搜索空间上界为ub和下界lb,迭代次数为T;
步骤2.3、根据滚齿能耗模型和加工成本模型分别计算蚂蚁和蚁狮相应的适应度值Etotal和Ctotal;
步骤2.4、利用轮盘赌法选择蚁狮种群中适应度值最好的蚁狮作为精英蚁狮,将精英蚁狮的位置参数及适应度值作为非支配工艺参数解储存入Arch中;
步骤2.5、进行下一轮迭代,下一轮的蚁狮和蚂蚁采用随机行走的方式向上一轮精英蚁狮的位置处靠近,并计算相应的适应度值,选出适应度值最好的蚁狮作为新的精英蚁狮,将该轮迭代中产生的精英蚁狮的位置参数及适应度值作为非支配工艺参数解储存入Arch中,并以此类推;
步骤2.6、若满足迭代终止条件t>T,则停止迭代,完成滚齿工艺参数变量的多目标优化过程,得到存储在Arch中的多组作为非支配工艺参数解,其中t表示第t次迭代。
作为优化,在每轮迭代中,每个蚂蚁都要按随机行走的方式改变位置,直至全部蚂蚁都更新位置才进入下一轮迭代中。
作为优化,蚂蚁和蚁狮采用随机行走的方式移动,其随机行为表示为:X(s)=[0,cumsum(2r(s1)-1),cumsum(2r(s2)-1),...,cumsum(2r(st)-1)],式中cumsum表示计算累积和,s表示随机行走的步数,r(s)是一个随机函数,由下列公式:α∈[0,1]定义,a是在[0,1]区间内均匀分布生成的随机数。
作为优化,为了确保蚂蚁在搜索空间内随机行走,需要对其位置进行归一化处理,基于以下公式进行:表示第t次迭代时第k个变量的取值,skmax表示第k个变量随机游动的最大值,skmin表示第k个变量随机游动的最小值,表示第t次迭代时第k个变量随机游动的最大值,表示第t次迭代时第k个变量随机游动的最小值;
蚁狮捕食蚂蚁时,蚂蚁的行走范围将急剧缩小,为模拟捕食行为,采用以下公式描述:式中nt表示第t次迭代时所有变量的最小值,mt表示第t次迭代时所有变量的最大值,I表示比例系数,ψ是一个随着迭代次数增大而变化的常数。
作为优化,在迭代过程中,若得到的作为非支配工艺参数解个数大于NumAr,则通过轮盘赌法丢弃若干适应度值小于初始精英蚁狮所代表的适应度值的非支配工艺参数解。
作为优化,所述步骤3的具体步骤包括:
步骤3.1、基于步骤2.6得到的多组非支配工艺参数解,得到多组对应的目标函数值{Etotal,Ctotal},建立初始工艺参数决策矩阵A=(aij)n×m,式中n表示n组待决策优化目标,m表示决策指标个数;
步骤3.2、对初始决策矩阵进行同向化处理,得到B=(bij)n×m;
步骤3.7、得到多属性决策后的工艺参数解,完成滚齿工艺参数的多属性决策过程。
以某制齿企业的某次单个滚齿加工为例,采用的机床为YDZ3126CNC型高速干切滚齿机床,使用的软件为matlabR2020b。加工的齿轮工件为左旋圆柱齿轮,模数为1.52mm,齿数为59,螺旋角为34.6°。运用上述方法,得到优化后的工艺参数解集如表1所示,多属性决策后的工艺参数方案如表2所示。
表1
表2
以减少滚齿能耗和降低加工成本作为优化目标,由标准化后得分可以看出工艺参数解P4、P6、P5所对应的{Fa,n0,d0,z0}为决策后最优的参数方案。要以滚齿能耗和加工成本综合最小,P4对应的工艺参数解{63.56,601.42,85,3}可优先作为滚齿加工时的选择;要以降低滚齿加工成本为首要目标,则应选择P4方案;要以降低滚齿能耗为首要目标,则应选择P2={81.67,761.38,100,3}参数方案。根据上述优化结果和决策结果,生产工艺人员可按照实际加工的需求选择相应的工艺参数解集。
从结果数据可知,本发明方法能够对多目标滚齿工艺参数进行优化,得到多组工艺参数解集,提出的优劣解距离法可以较好的对优化后的工艺参数解进行多属性决策,为企业工艺人员提供了加工方案的多样性,满足了加工生产的实际需求,同时能有效降低滚齿能耗和降低加工成本,对生态环境及企业效益均有着促进作用。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以在不脱离本发明的原理和基础的情况下对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附加权利要求及其等同物限定,因此本发明的实施例只是针对本发明的一个说明示例,无论从哪一点来看本发明的实施例都不构成对本发明的限制。
Claims (10)
1.一种多目标滚齿工艺参数优化与决策方法,本方法用于高速干切滚齿机床进行齿轮加工,其特征在于,包括以下步骤:
步骤1、针对高速干切滚齿加工特性,以轴向进给速度Fa、主轴转速n0、滚刀直径d0及滚刀头数z0作为待优化工艺参数变量,构建滚齿能耗Etotal和加工成本Ctotal的函数模型,所述滚齿能耗Etotal=Es+Ea+Ec,加工成本Ctotal=Cgear+Ctool+Clabor+Cmachine+Cenergy,并以最小滚齿能耗和最小加工成本作为优化目标函数,即minf(Fa,n0,d0,z0)=(minEtotal,minCtotal),同时设立相应的工艺参数变量约束条件,其中Es表征待机能耗,Ea表征空切能耗,Ec表征加工能耗,Cgear表征齿轮毛坯成本,Ctool表征刀具磨损成本,Clabor表征人工成本,Cmachine表征机床磨损成本,Cenergy表征电力成本;
步骤2、采用多目标蚁狮优化算法对工艺参数变量进行迭代寻优,获得最优的工艺参数解集;
步骤3、通过优劣解距离法对步骤2中得到的工艺参数解集进行评价和排序,便于生产工艺人员决策。
建立空切能耗模型,所述空切能耗ta表示空载时间,Pa为空载功率,由公式Pa=Ps+Psc+Pn得到,其中Psc表示辅助部件的功率损耗,Pn表示无负载功率,由公式Pn=κ1n0+κ2n0 2计算得到,其中κi是与n0相关的功率系数,空载时间ta由公式计算得到,La、Lr分别表示轴向空切长度和径向空切长度,Fa和Fr是对应的轴向进给速度和径向进给速度,j表示走刀次数;
4.根据权利要求1所述的一种多目标滚齿工艺参数优化与决策方法,其特征在于:所述的工艺参数变量约束条件为:Famin≤Fa≤Famax,nmin≤n0≤nmax,d0min≤d0≤d0max,d0∈N+,z0=1,2,3,...。
5.根据权利要求1所述的一种多目标滚齿工艺参数优化与决策方法,其特征在于:所述步骤2中采用多目标蚁狮优化算法对工艺参数变量进行迭代寻优时的具体步骤包括:
步骤2.1、设立蚂蚁、蚁狮种群数为N,参数变量维度为d,目标个数为obj,参数存储库为Arch,工艺参数存储量为NumAr,参数搜索空间上界为ub和下界lb,迭代次数为T;
步骤2.3、根据滚齿能耗模型和加工成本模型分别计算蚂蚁和蚁狮相应的适应度值Etotal和Ctotal;
步骤2.4、利用轮盘赌法选择蚁狮种群中适应度值最好的蚁狮作为精英蚁狮,将精英蚁狮的位置参数及适应度值作为非支配工艺参数解储存入Arch中;
步骤2.5、进行下一轮迭代,下一轮的蚁狮和蚂蚁采用随机行走的方式向上一轮精英蚁狮的位置处靠近,并计算相应的适应度值,选出适应度值最好的蚁狮作为新的精英蚁狮,将该轮迭代中产生的精英蚁狮的位置参数及适应度值作为非支配工艺参数解储存入Arch中,并以此类推;
步骤2.6、若满足迭代终止条件t>T,则停止迭代,完成滚齿工艺参数变量的多目标优化过程,得到存储在Arch中的多组作为非支配工艺参数解,其中t表示第t次迭代。
6.根据权利要求5所述的一种多目标滚齿工艺参数优化与决策方法,其特征在于:在每轮迭代中,每个蚂蚁都要按随机行走的方式改变位置,直至全部蚂蚁都更新位置才进入下一轮迭代中。
9.根据权利5所述的一种多目标滚齿工艺参数优化与决策方法,其特征在于:在迭代过程中,若得到的作为非支配工艺参数解个数大于NumAr,则通过轮盘赌法丢弃若干适应度值小于初始精英蚁狮所代表的适应度值的非支配工艺参数解。
10.根据权利要求5所述的一种多目标滚齿工艺参数优化与决策方法,其特征在于:所述步骤3的具体步骤包括:
步骤3.1、基于步骤2.6得到的多组非支配工艺参数解,得到多组对应的目标函数值{Etotal,Ctotal},建立初始工艺参数决策矩阵A=(aij)n×m,式中n表示n组待决策优化目标,m表示决策指标个数;
步骤3.2、对初始决策矩阵进行同向化处理,得到B=(bij)n×m;
步骤3.7、得到多属性决策后的工艺参数解,完成滚齿工艺参数的多属性决策过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127401.3A CN112925278B (zh) | 2021-01-29 | 2021-01-29 | 一种多目标滚齿工艺参数优化与决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127401.3A CN112925278B (zh) | 2021-01-29 | 2021-01-29 | 一种多目标滚齿工艺参数优化与决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925278A true CN112925278A (zh) | 2021-06-08 |
CN112925278B CN112925278B (zh) | 2023-09-15 |
Family
ID=76168630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127401.3A Active CN112925278B (zh) | 2021-01-29 | 2021-01-29 | 一种多目标滚齿工艺参数优化与决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925278B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114547532A (zh) * | 2022-03-04 | 2022-05-27 | 西安惠普生物科技有限公司 | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 |
WO2024045202A1 (zh) * | 2022-09-03 | 2024-03-07 | 重庆大学 | 一种"滚-磨-珩"多工艺参数协同优化与决策方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2672400A1 (fr) * | 1991-02-01 | 1992-08-07 | Euro Cp Sarl | Procede de gestion globale de l'energie electrique dans un reseau domotique. |
EP1724716A1 (en) * | 2005-05-20 | 2006-11-22 | MAGMA Giessereitechnologie GmbH | Optimization process of a metal casting production process |
CN103496260A (zh) * | 2013-09-29 | 2014-01-08 | 桂林理工大学 | 一种基于单片机的通用盖章模块 |
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 |
CN204584859U (zh) * | 2015-03-24 | 2015-08-26 | 宝鸡法士特齿轮有限责任公司 | 一种滚齿机无动力排屑器 |
CN104880991A (zh) * | 2015-03-18 | 2015-09-02 | 重庆大学 | 面向能效的多工步数控铣削工艺参数多目标优化方法 |
CN105179289A (zh) * | 2012-05-31 | 2015-12-23 | 中山大洋电机股份有限公司 | 一种变速风机系统的控制方法 |
CN105652791A (zh) * | 2015-12-04 | 2016-06-08 | 西安交通大学 | 订单驱动的离散制造过程能耗优化方法 |
CN107065778A (zh) * | 2017-06-19 | 2017-08-18 | 重庆大学 | 一种面向机床整个使用阶段能量效率最高的机床评选方法 |
CN107193258A (zh) * | 2017-06-22 | 2017-09-22 | 重庆大学 | 面向能耗的数控加工工艺路线与切削参数优化模型与方法 |
CN107245972A (zh) * | 2017-07-19 | 2017-10-13 | 苟振庆 | 双向循环拖扫式多功能清扫车 |
CN109145464A (zh) * | 2018-08-28 | 2019-01-04 | 暨南大学 | 融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法 |
CN109299567A (zh) * | 2018-10-22 | 2019-02-01 | 重庆大学 | 一种面向节能的数控车床主传动系统设计优化方法 |
CN109892044A (zh) * | 2019-04-03 | 2019-06-18 | 吉林大学 | 仿蚁狮振动及结构耦合减阻深松铲通用铲尖 |
CN209239219U (zh) * | 2018-11-26 | 2019-08-13 | 重庆银柱机器人科技有限公司 | 一种改进的绿色再制造滚齿机 |
CN111948977A (zh) * | 2020-08-21 | 2020-11-17 | 湖北工业大学 | 一种用于不锈钢加工的多目标优化方法和系统 |
CN112085318A (zh) * | 2020-07-28 | 2020-12-15 | 河南科技大学 | 一种基于多目标蚁狮算法的客户需求模块化工艺配置方法 |
-
2021
- 2021-01-29 CN CN202110127401.3A patent/CN112925278B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2672400A1 (fr) * | 1991-02-01 | 1992-08-07 | Euro Cp Sarl | Procede de gestion globale de l'energie electrique dans un reseau domotique. |
EP1724716A1 (en) * | 2005-05-20 | 2006-11-22 | MAGMA Giessereitechnologie GmbH | Optimization process of a metal casting production process |
CN105179289A (zh) * | 2012-05-31 | 2015-12-23 | 中山大洋电机股份有限公司 | 一种变速风机系统的控制方法 |
CN103496260A (zh) * | 2013-09-29 | 2014-01-08 | 桂林理工大学 | 一种基于单片机的通用盖章模块 |
CN104880991A (zh) * | 2015-03-18 | 2015-09-02 | 重庆大学 | 面向能效的多工步数控铣削工艺参数多目标优化方法 |
CN204584859U (zh) * | 2015-03-24 | 2015-08-26 | 宝鸡法士特齿轮有限责任公司 | 一种滚齿机无动力排屑器 |
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 |
CN105652791A (zh) * | 2015-12-04 | 2016-06-08 | 西安交通大学 | 订单驱动的离散制造过程能耗优化方法 |
CN107065778A (zh) * | 2017-06-19 | 2017-08-18 | 重庆大学 | 一种面向机床整个使用阶段能量效率最高的机床评选方法 |
CN107193258A (zh) * | 2017-06-22 | 2017-09-22 | 重庆大学 | 面向能耗的数控加工工艺路线与切削参数优化模型与方法 |
CN107245972A (zh) * | 2017-07-19 | 2017-10-13 | 苟振庆 | 双向循环拖扫式多功能清扫车 |
CN109145464A (zh) * | 2018-08-28 | 2019-01-04 | 暨南大学 | 融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法 |
CN109299567A (zh) * | 2018-10-22 | 2019-02-01 | 重庆大学 | 一种面向节能的数控车床主传动系统设计优化方法 |
CN209239219U (zh) * | 2018-11-26 | 2019-08-13 | 重庆银柱机器人科技有限公司 | 一种改进的绿色再制造滚齿机 |
CN109892044A (zh) * | 2019-04-03 | 2019-06-18 | 吉林大学 | 仿蚁狮振动及结构耦合减阻深松铲通用铲尖 |
CN112085318A (zh) * | 2020-07-28 | 2020-12-15 | 河南科技大学 | 一种基于多目标蚁狮算法的客户需求模块化工艺配置方法 |
CN111948977A (zh) * | 2020-08-21 | 2020-11-17 | 湖北工业大学 | 一种用于不锈钢加工的多目标优化方法和系统 |
Non-Patent Citations (6)
Title |
---|
HENGXIN NI 等: "Integrated optimization of cutting parameters and hob parameters for energy-conscious gear hobbing", 《THE INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY》, vol. 118, pages 1609 - 1626, XP037656159, DOI: 10.1007/s00170-021-07804-x * |
QINGE XIAO 等: "Multi-component energy modeling and optimization for sustainable dry gear hobbing", 《ENERGY》, vol. 187, no. 15, pages 115911 * |
倪恒欣 等: "高速干切滚齿工艺参数的多目标优化与决策方法", 《中国机械诶工程》, vol. 32, no. 7, pages 832 - 838 * |
李聪波 等: "面向高效节能的数控滚齿加工参数多目标优化模型", 《计算机集成制造系统》, vol. 26, no. 3, pages 676 - 687 * |
郑龙燕;: "基于粒子群算法的滚齿切削参数优化研究", 机械设计与制造, no. 09, pages 256 - 260 * |
钟健;阎春平;曹卫东;陈诚;: "基于BP神经网络和FPA的高速干切滚齿工艺参数低碳优化决策", 工程设计学报, no. 04, pages 91 - 100 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114547532A (zh) * | 2022-03-04 | 2022-05-27 | 西安惠普生物科技有限公司 | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 |
CN114547532B (zh) * | 2022-03-04 | 2023-10-27 | 西安惠普生物科技有限公司 | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 |
WO2024045202A1 (zh) * | 2022-09-03 | 2024-03-07 | 重庆大学 | 一种"滚-磨-珩"多工艺参数协同优化与决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112925278B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112925278A (zh) | 一种多目标滚齿工艺参数优化与决策方法 | |
CN105652791B (zh) | 订单驱动的离散制造过程能耗优化方法 | |
CN103390195B (zh) | 一种基于强化学习的机械车间任务调度节能优化系统 | |
CN105844356A (zh) | 基于自适应遗传算法的机床切削用量能耗优化方法 | |
CN110909787A (zh) | 基于聚类的进化算法进行多目标批调度优化的方法和系统 | |
CN104503381B (zh) | 一种手机的生产装配过程的优化调度方法 | |
CN112381273A (zh) | 一种基于u-nsga-iii算法的多目标作业车间节能优化方法 | |
CN110162841A (zh) | 一种引入三维稳定性约束的铣削加工多目标优化决策方法 | |
CN112948994B (zh) | 一种滚齿工艺参数的多目标优化与决策方法 | |
CN113689066A (zh) | 一种基于nsga-ii算法的物联网车间调度方法 | |
CN117035364A (zh) | 基于改进混合模因算法的分布式异构流水车间调度方法 | |
CN109669423B (zh) | 基于改进多目标灰狼算法获得零件加工最优调度方案的方法 | |
CN115249113A (zh) | 一种带准备时间分布式零等待流水车间调度方法与系统 | |
CN111665799B (zh) | 一种基于协同算法的时间约束型并行机节能调度方法 | |
CN116047921B (zh) | 一种切削参数优化方法、装置、设备及介质 | |
CN112861433A (zh) | 一种基于多层级集成框架的产品低碳设计的方法 | |
CN115018180B (zh) | 一种锡工艺品原料节能配送与加工的超启发式调度方法、系统 | |
CN116629533A (zh) | 一种分布式异构阻塞混合流水车间调度方法 | |
CN116361939A (zh) | 一种航发齿轮传动系统的多目标优化设计方法、系统及介质 | |
CN110334442A (zh) | 一种加工tc4钛合金工件的车削参数预测方法 | |
CN115392616A (zh) | 一种知识挖掘结合遗传算法的多目标离散车间调度方法 | |
Pan et al. | An adaptive genetic algorithm for the flexible job-shop scheduling problem | |
CN112926837A (zh) | 基于数据驱动改进遗传算法求解作业车间调度问题的方法 | |
CN109491344B (zh) | 面向航天发动机研制过程的智能协同调度方法和系统 | |
CN111625767A (zh) | 一种效能评估指标体系权重计算方法 |
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 |