[發(fā)明專利]基于遺傳粒子群算法的冷軋軋輥磨削量優(yōu)化方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110068183.0
• 申請日: 2021-01-19
• 公開（公告）號: CN112861394B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 孫文權(quán);楊沐旸;袁鐵衡;孫鐵;何安瑞;陳祿禎
• 申請（專利權(quán)）人: 北京科技大學(xué)
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06N3/00;G06N3/12;G06F119/14
• 代理公司: 北京市廣友專利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波;付忠林

1.一種基于遺傳粒子群算法的冷軋軋輥磨削量優(yōu)化方法，其特征在于，所述基于遺傳粒子群算法的冷軋軋輥磨削量優(yōu)化方法包括：

獲取待優(yōu)化磨削量的冷軋軋輥的原始疲勞曲線和軋輥參數(shù)；

對所述原始疲勞曲線進(jìn)行轉(zhuǎn)化處理，通過對所述原始疲勞曲線進(jìn)行平移疊加操作，獲得所述待優(yōu)化磨削量的冷軋軋輥的疲勞累積曲線；

基于遺傳粒子群算法，根據(jù)所述疲勞累積曲線和軋輥參數(shù)，結(jié)合所述待優(yōu)化磨削量的冷軋軋輥的工藝參數(shù)，求解所述待優(yōu)化磨削量的冷軋軋輥的最優(yōu)磨削量，以在保證冷軋軋輥疲勞程度安全的情況下，對冷軋軋輥磨削量進(jìn)行優(yōu)化；

所述基于遺傳粒子群算法，根據(jù)所述疲勞累積曲線和軋輥參數(shù)，結(jié)合所述待優(yōu)化磨削量的冷軋軋輥的工藝參數(shù)，求解所述待優(yōu)化磨削量的冷軋軋輥的最優(yōu)磨削量，包括：

結(jié)合冷軋軋輥的當(dāng)前磨削制度，確定遺傳粒子群算法的迭代初始值；

遺傳粒子群算法根據(jù)預(yù)設(shè)的適應(yīng)度函數(shù)，對種群中的個體進(jìn)行從高到低的排序，完成種群初始化工作；其中，所述適應(yīng)度函數(shù)的表達(dá)式為：

其中，G(x)表示種群中某個個體的總磨削量；

根據(jù)預(yù)設(shè)的適應(yīng)度函數(shù)計(jì)算種群中每個個體的適應(yīng)度，根據(jù)下式，更新種群中每個個體的位置、速度、個體最優(yōu)位置以及全局最優(yōu)位置：

其中，表示粒子在第k次迭代時的第d維速度，表示粒子在第k次迭代中第d維的當(dāng)前位置，i＝1,2,3…M表示種群規(guī)模，c₁，c₂表示學(xué)習(xí)因子，rand₁，rand₂表示在[0,1]之間的隨機(jī)變化的一個數(shù)，分別表示粒子在第k次迭代中第d維的個體及全局的最優(yōu)位置；ω^k表示粒子在第k次迭代的慣性權(quán)重；

ω^k＝ω_max-k(ω_max-ω_min)/gen

其中，ω_max、ω_min分別表示慣性權(quán)重的上、下限值；gen表示總迭代次數(shù)；

在迭代全程中，粒子的速度v和位置x都有如下限制：

其中，v_max和v_min分別表示速度變量變化范圍的上限和下限，x_max和x_min分別表示位置變量變化范圍的上限和下限；v_max和v_min的計(jì)算公式為：

v_max＝k(x_max-x_min)

v_min＝-v_max

其中，k是常數(shù)且k∈[0.1,0.2]；

再次根據(jù)預(yù)設(shè)的適應(yīng)度函數(shù)，計(jì)算種群中每個個體的適應(yīng)度，得到新一代的個體；判斷迭代是否達(dá)到迭代最大次數(shù)且滿足約束條件，若全部滿足，則結(jié)束迭代并輸出優(yōu)化的結(jié)果，否則繼續(xù)執(zhí)行迭代循環(huán)直至滿足迭代終止條件。

2.如權(quán)利要求1所述的基于遺傳粒子群算法的冷軋軋輥磨削量優(yōu)化方法，其特征在于，所述軋輥參數(shù)包括：軋制長度、平均軋制寬度以及平均軋制力。

3.如權(quán)利要求1所述的基于遺傳粒子群算法的冷軋軋輥磨削量優(yōu)化方法，其特征在于，對所述原始疲勞曲線進(jìn)行轉(zhuǎn)化處理，通過對所述原始疲勞曲線進(jìn)行平移疊加操作，獲得所述待優(yōu)化磨削量的冷軋軋輥的疲勞累積曲線，包括：

將原始疲勞曲線的最高點(diǎn)定義為軋輥的疲勞程度；對原始疲勞曲線進(jìn)行平移，將新增的疲勞曲線與平移后得到的疲勞曲線進(jìn)行疊加，完成疲勞曲線的平移及疊加過程，獲得所述待優(yōu)化磨削量的冷軋軋輥的疲勞累積曲線。

4.如權(quán)利要求1所述的基于遺傳粒子群算法的冷軋軋輥磨削量優(yōu)化方法，其特征在于，所述工藝參數(shù)包括：所述待優(yōu)化磨削量的冷軋軋輥的磨削次數(shù)、工作層厚度、單次磨削量下限、單次磨削量上限以及疲勞程度危險(xiǎn)閾值。