基于改進GEP的數(shù)控銑削過程物理建模及工藝參數(shù)優(yōu)化方法研究.pdf

1、隨著數(shù)控加工技術的發(fā)展，如何有效合理地對數(shù)控加工過程進行建模和加工工藝參數(shù)進行優(yōu)化，已經(jīng)成為影響數(shù)控機床加工能力發(fā)揮的關鍵。在傳統(tǒng)數(shù)控加工中，缺少加工過程建模，對加工機理的認識與分析不足；主要依賴經(jīng)驗來獲取工藝參數(shù)，缺少合理的手段來對工藝參數(shù)進行優(yōu)化，從而阻礙加工效率與質量的提升。因此，本文圍繞數(shù)控銑削加工過程中的物理建模與工藝參數(shù)優(yōu)化進行了深入的研究。
　　加工過程物理建模是認識與分析加工機理，并且選擇與優(yōu)化工藝參數(shù)的關鍵。數(shù)控

2、銑削加工的過程是高度非線性、時變、不確定性的，因而，準確地建立加工過程顯式數(shù)學表達式非常困難?，F(xiàn)有的方法中，神經(jīng)網(wǎng)絡只能得到隱性的模型，經(jīng)驗公式和響應面方法等雖然可以得到顯式模型，但精度不高。為了建立準確、顯式的數(shù)控銑削加工過程數(shù)學模型，本文提出了基于貪婪隨機自適應搜索過程的基因表達式編程（GGEP）加工過程物理建模方法。為了克服基因表達式編程方法存在的進化無導向且易陷入局部最優(yōu)的缺點，GGEP方法結合了貪婪隨機自適應搜索過程的貪婪和迭

3、代重啟動思想，設計了基因表達式編程的學習機制和迭代重啟動機制。實驗結果表明，GGEP方法在收斂效率、計算成功率、以及克服早熟收斂等方面具有良好的性能。
　　切削力是影響數(shù)控銑削加工過程的關鍵因素之一，對刀具、機床和夾具的設計，切削用量的合理選擇，工件加工質量的預測和控制，都具有非常重要的意義。本文深入研究了切削力建模技術，設計了基于GGEP的數(shù)控銑削加工切削力的建模與預測方法，有效地挖掘高精度、顯式的切削力模型并將其應用于切削力預

4、測，同時采用單因素分析法、方差分析（ANOVA）和田口（Taguchi）方法對切削力的影響因素進行了分析。實驗結果表明，本文構建的切削力模型的成熟度和預測吻合度均很高。影響因素分析結果表明，進給速度對切削力貢獻度最大，且兩者呈正相關；最小化切削力的最佳參數(shù)組合是增大進給力、減小傾角和切削速度。
　　表面粗糙度是衡量數(shù)控銑削加工過程性能和評定工件表面質量的一個重要指標，對工件的耐磨性能、疲勞性能等性能具有重要影響。本文深入研究了表面

5、粗糙度的建模技術，設計了基于GGEP的數(shù)控銑削加工表面粗糙度的建模與預測方法， 有效地挖掘高精度、顯式的表面粗糙度模型并將其用于預測，并采用單因素分析法、ANOVA和Taguchi方法進行了表面粗糙度的影響因素分析。影響因素分析結果表明，進給率對表面粗糙度貢獻度最大，且兩者呈正相關；最小化表面粗糙度的最佳參數(shù)組合是增大主軸轉速、減小進給率、適當選取切削深度。
　　隨著低碳制造的提出與興起，降低能耗已成為數(shù)控加工過程關注的

6、熱點之一。針對加工過程中的能耗問題，本文深入研究了能耗的建模技術，設計了基于GGEP的數(shù)控銑削加工能耗的建模與預測方法，有效地挖掘高精度、顯式的能耗模型并將其用于預測，并采用單因素分析法、ANOVA和Taguchi方法對能耗的影響因素進行了分析。影響因素分析結果表明，切削速度對能耗貢獻度最大，切削深度其次，每齒進給量最小，且三者均與能耗呈正相關；最小化能耗的最佳參數(shù)組合是同時減小切削速度、切削深度和每齒進給量。
　　加工工藝參數(shù)對

7、于產(chǎn)品的加工質量有重要的影響，其選取不當會導致數(shù)控機床和加工中心發(fā)揮不出應有的加工能力。本文在切削力、表面粗糙度和能耗建模的研究基礎之上，提出了數(shù)控銑削加工工藝參數(shù)優(yōu)化問題模型。結合混沌序列、約束處理機制等，設計了基于混沌帝國主義競爭算法(CICA)的工藝參數(shù)優(yōu)化方法，通過切削策略制定、單道參數(shù)優(yōu)化和多道參數(shù)優(yōu)化，對多道面銑工藝參數(shù)優(yōu)化問題進行了求解。結果表明，提出的算法可以高效地求解工藝參數(shù)優(yōu)化問題。
　　本文根據(jù)某數(shù)控銑床的實