[發明專利]基于粒子群算法的機床制造系統加工節能優化方法

有效

• 申請號: 201610258063.6
• 申請日: 2016-04-22
• 公開（公告）號: CN105929689B
• 公開（公告）日: 2017-12-08
• 發明（設計）人: 王艷;蔡磊;紀志成;潘琛
• 申請（專利權）人: 江南大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 無錫市大為專利商標事務所(普通合伙)32104
• 代理人: 曹祖良,韓鳳

1.基于粒子群算法的機床制造系統加工節能優化方法，其特征在于，包括如下步驟：

步驟一：建立以切削速度v_c、切削深度a_sp和進給量f為優化變量的多目標優化模型，此模型包括加工能耗的數學模型和加工時間的數學模型以及相應的約束條件；

所述加工能耗的數學模型為：E＝E_st+E_s-s+E_ie+E_c，

加工時間的數學模型為：

其中，E表示機床總能耗，E_st表示機床啟動能耗，E_s-s表示機床待機能耗，E_ie表示機床空載能耗，E_c表示加工過程切削能耗，T_p是機床加工時間，t_c是加工切削時間，t_ct是換刀一次所用時間，t_ot表示其他輔助時間，T是刀具壽命；

考慮到機床的性能和實際的加工環境，相應的約束條件有：

約束1，切削時的主軸轉速n在機床最低和最高轉速之間，即

n_min≤n≤n_max，n_min和n_max分別是機床最低和最高主軸轉速；

約束2，進給量f必須在機床允許的范圍內，即

f_min≤f≤f_max，f_min和f_max分別表示機床允許的最小進給量和最大進給量；

約束3，機床在生產過程中，進給抗力不能超過機床進給機構所允許的最大切削力，即

CFaspxfyvczKF≤Fmax,]]>

F_max表示最大切削力，C_F，x，y，z，K_F表示與加工工件和切削條件有關的系數，可以針對具體的情況查看切削手冊得到；

約束4，加工質量在此用加工零件表面的粗糙度R_a表示，即

Ra=0.0312f2rϵ≤Rmax,]]>

r_ε為刀具刀尖圓弧半徑，R_max表示零件表面粗糙度要求的最大值；

約束5，加工時機床功率應小于規定的最大有效切削功率，即

Fcvc1000η≤Pmax,]]>

η是機床功率有效系數，F_c表示切削力，P_max表示機床最大有效切削功率；

由此，得出機床制造系統加工優化多目標模型為：

min:F(v_c,a_sp,f)＝(minE,minT_p)

s.tnmin≤n≤nmaxfmin≤f≤fmaxCFaspxfyvczKF≤Fmax0.0312f2rϵ≤RmaxFcvc1000≤ηPmax]]>

步驟二：采用改進的粒子群算法對模型進行求解，包括以下步驟：

S1:初始化；

S2:計算每個粒子的適應度值，得到初始全局最優粒子G_best和個體最優粒子P_best；

S3:按照式(1)、式(2)更新粒子的位置X和速度V；

X_id(t+1)＝X_id(t)+V_id(t+1)(1)

V_id(t+1)＝ω(t)V_id(t)+c₁r₁(P_best(t)-X_id(t))+c₂r₂(G_best(t)-X_id(t))(2)

其中，ω(t)為慣性權重，1≤d≤D，D為搜索空間維數，1≤i≤N，N為粒子個數，t為當前迭代次數；c₁和c₂是非負常數，稱為加速度因子；r₁和r₂為分布于[0,1]之間的隨機數；

S4:根據反向學習策略計算出新的粒子對應的反向種群中的粒子；

S5:判斷新種群中和反向種群中的粒子是否需要執行邊界變異，需要則進行邊界變異；

S6:更新粒子與反向粒子的位置后，分別求得二者的適應度值進行比較，判斷是否需要更新種群的個體極值P_best和全局極值G_best；

S7:用非支配排序法和擁擠距離法求出高等級的種群集合；

S8:判斷是否滿足算法的終止條件，若滿足，執行步驟S9；否則，執行步驟S3；

S9:輸出Pareto最優解集；

S10:采用層次分析法在最優集合中選出最滿意加工方案；

步驟S10所述層次分析法，根據專家系統對節能指標的重要性進行評估，選出一個最優方案；決策時各個目標的重要性依次為加工時間、產品耗能量，用數字1～9表示各個目標函數之間兩兩重要程度，并得到判斷矩陣：

A=ETpE11/5Tp51,]]>

在綜合評定Pareto最優解集之前，需要進行無量綱化處理，即各指標的特征值統一變換到[0,1]范圍內，采用以下方法來進行無量綱化處理：

設b_ij表示優化目標對Pareto方案X_i量綱化后的一個值，定義如下變量：

bij=ajmax-aijajmax-ajmin,]]>

W~j=Σi=1pbij,q≥j≥1,]]>

Wj=W~jΣj=1qW~j,]]>

其中，分別是判斷矩陣A相應j列的最大和最小值，p是評價方案的數量，q是指標的數量，i＝1,2,…,p，j＝1,2,…,q；a_ij是Pareto方案中指標的值；由上式可得到方案的決策矩陣B＝(b_ij)_p×q，進而決策矩陣B乘以權重矢量W^T＝[W₁,W₂,…,W_q]計算得到最優的滿意度矩陣，即得到的評價方案滿意度矩陣D＝[D₁ D₂…D_p]^T。