[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

技術領域

本發明涉及機床產品制造系統能效優化控制技術領域，具體的，涉及一種基于粒子群算法的機床制造系統加工節能優化方法。

背景技術

我國是發展中國家，能源和資源相對較貧乏，我國作為能耗大國，2012年單位GDP能源消耗是世界平均水平的2.5倍，分別是美國的3.3倍、日本的7倍，能耗巨大。同時，面對設備的更新換代，一些中小企業也不愿意支付這筆昂貴的費用。為此，如何在不改變現有設備的前提下，提高設備的利用率，降低企業的能源成本和環境成本是值得研究的一個方向。

企業加工零件之前，會編制好相應的加工路線和加工參數，加工工藝路線有先后之分，一般是固定不變的。此時，零件加工參數的選擇對于車間能源的消耗就顯得尤為重要。一般企業的加工參數是操作師傅根據多年加工經驗選擇的，此加工參數往往較保守，很難達到理想的加工狀態，未能達到物盡其用的效果，造成加工時間長、機器空載時間長等引起能耗增加，排放更多的CO₂、NO_X等對環境造成很大的影響。本專利建立能耗和加工時間與加工參數之間的數學模型，通過對加工參數的優化選擇，減小加工時間、降低能耗。

近年來，隨著群智能算法的發展，許多專家學者將群智能算法用在求解此類問題，如遺傳算法(GA)、粒子群算法(PSO)、蟻群算法(ACO)、人工蜂群算法(ABC)等等。此類群智能算法在求解此類非線性問題時取得了一定的成果，但是還是存在一些不足。如遺傳算法在求解問題時優化過程費長，粒子群算法在求解此類問題時，由于缺乏粒子多樣性容易陷入局部最優，出現早熟現象，而ACO、ABC等控制參數較多，表現出求解問題對參數敏感的特性。此外，一些算法在求解出一組解集后，并沒有對此解集進行處理，選取的主觀性較大。

發明內容

本發明的根本所在是針對以上提出的問題，提出一種面向機床產品制造系統加工節能優化方法，用于解決加工參數的選擇不當引起的能耗高和加工時間長的問題。

為了實現上述目的，本發明所述的基于粒子群算法的機床制造系統加工節能優化方法包括如下步驟：

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。

離散機床制造系統加工時，一般有啟動、待機、空載、加工四個進程。具體地，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。

機床的啟動、待機和空載能耗與加工參數沒有直接的關系，因此我們本發明只關注切削加工時的能耗，切削能耗表示切除工件材料所消耗的能量：

其中：P_c為切削功率，t_c表示加工切削時間。

在車削加工過程中，P_c可由式(3)求出：

其中，v_c表示切削速度，f表示進給量，a_sp表示切削深度，C_F、x、y、z、K_F表示與工件材料和切削材料有關的系數，此系數可以查閱相應的切削手冊得到。

所以，加工過程能量消耗模型為：

引入加工時間目標函數作為另一優化對象，機床加工時間一般包括切削時間、換刀時間、工序輔助時間，故時間模型可表示為：

其中：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，L_w是加工長度，Δ是加工余量，n是主軸轉速，d₀是工件直徑，v_c是切削速度，f是進給量，a_sp是切削深度。

刀具壽命T由泰勒廣義計算公式確定：