[發明專利]基于多算法融合的多目標工藝參數智能優化方法

有效

• 申請號: 202011090630.4
• 申請日: 2020-10-13
• 公開（公告）號: CN112380760B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 王四寶;王澤華;王時龍;易力力;衡德超;曾令萬;楊勇;楊燦輝
• 申請（專利權）人: 重慶大學;重慶機床（集團）有限責任公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/06
• 代理公司: 重慶航圖知識產權代理事務所(普通合伙) 50247
• 代理人: 孫方

本發明公開了一種基于多算法融合的多目標工藝參數智能優化方法，首先獲取加工零件表面形性數據；然后建立預測模型和優化模型，預測模型采用改進的廣義回歸神經網絡IGRNN算法，生成并輸出預測結果值；輸入到優化模型中，計算優化模型中的算法內隨機產生個體的目標值；最后，建立工藝參數決策模型，通過主成分分析法PCA確定最終用于實際加工的工藝參數。本發明提供的方法能夠基于稀疏數據自動得到最優工藝參數，且無需人工為每個目標賦權，從而有利于智能制造的實現。采用改進的灰狼算法進行平滑因子的智能尋優，從而提高預測模型的整體預測精度，使用主成分分析來選擇最佳工藝參數，避免了人為干擾，自動對每個目標進行加權和評價，從而提高了自動化參數確定的水平。

技術領域

本發明涉及零件加工工藝技術領域，特別是一種基于多算法融合的多目標工藝參數智能優化方法。

背景技術

零件加工過程中工藝參數影響被加工零件的幾何精度(包括粗糙度等)和表面完整性(殘余應力等)。為了實現多目標協同優化，現有研究提出了多種多目標優化方法。

現有多目標優化方法主要分為：

1)將多目標優化通過人工賦予權重轉化為單目標優化；

2)在多目標優化得到一系列非支配解后，通過專家打分等方法確定最優的目標及對應的工藝參數。

這些方法均需要經驗豐富的專家進行權重賦值或者打分，嚴重影響了參數決策的智能化水平。

發明內容

有鑒于此，本發明的目的在于提供一種基于多算法融合的多目標工藝參數智能優化方法，該方法能提高預測模型的整體預測精度。

為達到上述目的，本發明提供如下技術方案：

本發明提供的基于多算法融合的多目標工藝參數智能優化方法，包括以下步驟：

獲取加工零件表面形性數據；

建立預測模型，所示預測模型采用改進的廣義回歸神經網絡IGRNN算法，生成并輸出預測結果值；

建立優化模型，所述預測結果值輸入到優化模型中，利用所述優化模型計算優化模型中的算法內隨機產生個體的目標值；

建立工藝參數決策模型，所述工藝參數決策模型采用基于帕累托前沿的候選解集，通過主成分分析法PCA確定最終用于實際加工的工藝參數。

進一步，所述預測模型是基于改進的廣義回歸神經網絡IGRNN算法而建立預測模型，所述改進的廣義回歸神經網絡IGRNN包括輸入層、模式層、求和層和輸出層；

所述輸入向量通過輸入層處理后，然后在進入到模式層，再通過求和層處理，最后通過輸出層將處理后的數據輸出；所述輸出的數據再通過改進的灰狼算法得到最優的平滑因子，并將最優的平滑因子輸入到模式層。

進一步，所述基于改進的灰狼算法的中判斷獵物與灰狼距離的準則如下：

其中，

t為當前迭代次數；

和X分別表示獵物和灰狼的位置向量；

是由隨機向量r2計算的系數向量；

是獵物和灰狼之間的距離。

進一步，所述改進的灰狼算法中的搜索范圍自適應調整步驟如下：

式中，表示第i只灰狼與目標獵物之間的距離；

表示第i只灰狼與目標獵物之間的系數向量；

表示目標獵物的位置向量；

表示灰狼的位置向量；