基于数字孪生的铣削参数动态多目标优化策略

为解决机床性能动态变化过程中的铣削参数动态多目标优化问题,提出一种基于数字孪生的铣削参数动态多目标优化策略。首先采用梯度提升回归树算法构建加工参数与加工结果间的非线性映射关系;然后基于动态非支配排序遗传算法进行铣削参数动态寻优;最后在Pareto最优解的基础上,结合层次分析法和理想解相似度顺序偏好法建立决策分析模型并进行可视化分析排序。该策略能够针对机床整个运行时段提供符合当前机床特性的最优铣削参数取值方案,从而保证加工质量和加工效率。     

面向高效低碳的切削参数与柔性作业车间调度集成建模与优化

传统制造业切削参数优化与柔性作业车间调度优化通常独立进行,将切削参数与调度方案之间进行集成优化,能更好地解决车间高效低碳优化问题.以制造过程碳排放和最大完工时间为目标,建立切削参数与柔性作业车间调度高效低碳集成优化模型,提出一种改进的离散化引力搜索算法(IDGSA)求解机器切削参数与调度方案之间的协同优化问题.根据集成优化问题特性,首次设计了一种工件序列—机器序列—切削参数模式三层编码方式,并且不同的编码方式采用不同的初始化方法,保证初始解的质量以及多样性.针对集成优化问题的三层编码特性,提出一种新的竞选机制,竞选出最优双层序列,与精英质点的工件序列交叉产生新的质点,引导算法向真实Pareto前沿靠近;所提算法中采用多点交叉和变邻域搜索实现分散搜索与集中搜索有机平衡.通过对比改进的非支配排序遗传算法(NSGA-Ⅱ)和离散化引力搜索算法(DGSA),以及将提出切削参数可变的集成优化方法与3种切削参数不可变的优化方法进行对比,验证了所提改进算法的优越性和集成策略的有效性.     

钛合金铣削加工参数多目标优化研究

为解决钛合金铣削加工存在的高成本、低效率问题,以生产效率最大和刀具寿命消耗率最小为目标,建立了铣削参数优化模型。提出了扩展非支配排序遗传算法（ENSGA-Ⅱ）,对种群初始化子过程进行规范化处理,保证了种群的多样性和均匀性;根据Pareto最优原理将非支配概念从目标函数空间扩展到约束空间,使得多目标多约束问题的处理更具有适应性和有效性。实例表明,该方法具有良好的寻优能力,能够获得满意的Pareto解集。借助于该方法,工艺人员可根据优化目标灵活地选择铣削参数,更好地协调生产效率、生产成本和表面质量之间的关系。     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

多工序车削的自适应搜索非支配排序遗传算法

在实际数控生产加工过程中,切削参数的优化对于保证加工质量、提高生产效率和降低加工成本具有非常重要的意义。为计算以单位生产成本最小为优化目标的多工序车削非线性优化模型,在NSGA-II算法基础上提出了一种新的自适应搜索非支配排序遗传算法(ASNSGA)。多工序车削加工实例结果表明,与模拟退火算法(SA/PA)、分散搜索算法(SS)及浮点编码遗传算法(FEGA)优化算法比较,自适应搜索非支配排序遗传算法得到最低的单位生产成本,有助于数控加工中粗车进给量、粗车切削速度及精车进给量、精车切削速度等切削参数的优化选择。     

周期式退火炉作批处理机的可重入批离散机流水车间调度

针对无缝钢管冷拔生产中的周期式退火炉作批处理机的可重入批离散机流水车间调度问题,建立以总工件完工时间与批处理机总能源消耗最小化的双目标优化调度模型,设计包括多目标粒子群算法、快速非支配等级排序、拥挤度比较以及变异进化操作的多目标粒子群算法,该算法采用非支配等级排序与拥挤度比较进行最优粒子的选择策略和算法前期与后期变异相结合使用策略。试验结果表明,与带变异进化操作的多目标粒子群算法和非支配排序粒子群算法相比,该算法在两个目标函数上都找到更优的最小值,其结果平均水平更靠近Pareto解集的前沿,有效提高了算法的优化求解能力。通过Pareto解的方式该算法可得到一组综合权衡了完工时间和退火炉能源消耗两个指标的Pareto解集,能提供多种可选的调度方案,当生产时间充足,可尽量选取退火炉能源消耗较低的方案,当企业订单繁多追求生产效率时,可尽量选取完工时间较小的方案,有效地解决了此类实际问题。     

基于改进NSGA-Ⅱ算法的箱形伸缩臂多目标优化设计

从初始群体产生及交叉算子两个方面对带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行改进,对伸缩臂进行应力及挠度变形分析,得出应力及应变云图,以确保伸缩臂强度、刚度满足要求。以伸缩臂截面几何参数为设计变量,伸缩臂稳定性及自重为优化目标,利用i SIGHT软件将改进的NSGA-Ⅱ算法与Ansys有限元分析集成,以QY20汽车起重机伸缩臂为例,对起重机箱形伸缩臂进行多目标优化设计,得出Pareto前沿解,并与优化前的截面参数进行对比,验证了该算法的可行性。     

基于NSGA-Ⅱ的行星减速器多目标优化设计

为提高行星减速器工作能力,以齿轮强度和减速器体积为优化目标,对行星减速器进行多目标优化设计。以矿用提升绞车中的NGW型行星减速器为优化对象,以中心太阳轮尺寸参数为优化设计变量,建立配齿条件、齿面接触强度及工作参数等约束条件,构建多目标优化设计模型。利用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行优化计算,得到优化目标的帕累托(Pareto)最优解分布。通过对比得到优化目标间的相互影响规律,利用模糊集合理论从最优解集中选择出合理参数作为最终设计结果。分析结果表明本文提出的优化设计方法提高强度的同时,有效减小减速器体积,实现了行星减速器的多目标优化设计。     

高质量绿色环保的精车切削优化

绿色制造中的切削参数优化对于提高加工质量、加工成本、产品利润和节能环保具有非常重要的意义。考虑实际加工约束条件,建立了加工精度与切削能量的双目标精车切削优化模型。通过实例运用NSGA-II算法与MOPSO算法对精车优化切削模型进行仿真,结果表明,NSGA-II算法获得了更优的Pareto最优解集。在给定加工余量条件下,加工精度与切削能量的Pareto最优前沿可由三次曲线方程拟合,且拟合相关指数为0.999 9。在加工精度与切削能量的Pareto最优解集下,加工精度和进给量的关系可由二次曲线方程拟合,且拟合相关指数为0.999 99,为精车切削参数优化选择提供了实践指导。     

多目标炼钢—连铸生产调度的改进带精英策略的快速非支配排序遗传算法

针对炼钢连铸调度的特殊工艺要求,在考虑炉机匹配原则和多重精炼的情况下,建立了以炉机匹配度、炉次间等待时间、浇次的开浇提前/拖期时间为评价指标的多目标约束满足优化模型,并针对其多目标特征,提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法,有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。基于多种规模的实际生产数据进行仿真实验,结果表明所提算法在收敛性、最优解集多样性和计算效率方面优于传统带精英策略的快速非支配排序遗传算法。     

基于Pareto最优原理的钻机钻进参数多目标优化

针对某双管定向钻机,提出了基于Pareto最优原理的钻进参数多目标优化方法。该方法根据钻机性能与工况,考虑水力对钻头比能影响,确定了钻进参数优化模型。针对罚函数处理约束条件的不足,引入了改进约束条件处理策略,提出了基于小生境思想拥挤度值计算方法及自适应交叉和变异算子。测试了改进算法的性能,并将改进算法用于求解基于某煤矿工程实际建立的钻机钻进参数优化模型。研究结果表明：与NSGA-Ⅱ和MOPSO算法相比,改进算法在求解测试问题时具有更好的收敛性与分布性。利用改进算法求解实际问题时得到的Pareto前端解集分布均匀,而且有效提高了机械钻速,延长了钻头寿命并降低了钻头比能。     

随机工时下的多目标柔性作业车间鲁棒调度问题

针对工时不确定条件下的多目标柔性作业车间调度问题,采用2个不确定参数描述随机工时的波动程度和约束条件允许违背程度,将不确定条件下的柔性作业车间调度问题模型转换成确定条件下的鲁棒对等问题模型。在算法设计中采用全局非支配解集保存每代进化过程中产生的非支配解,并选择全局非支配解集中的个体参与变异操作。在交叉和变异操作之后,设计了一种基于变邻域结构的局部搜索策略。最后,运用该算法求解经典基准算例,验证了其有效性。     

TC11钛合金插铣工艺切削参数选择方法研究

为了优化TC11钛合金插铣加工的切削参数,采用三因素四水平正交实验法进行了插铣实验,建立了插铣过程中切削力和切削温度的经验公式,分析了插铣参数对切削力及切削参数的影响规律。基于此规律以及刀具许用挠度,提出了铣削速度、每齿进给量和铣削深度的选择方法。结果表明:铣削深度对切削力影响最大,而铣削速度对切削温度影响最大;插铣参数选取原则是在刀具材料允许下取较大铣削速度,适中的每齿进给量,最后根据刀具挠度选择合适的铣削深度。最后在根据此原则选择的插铣切削参数条件下,材料切除率达到了25.1 cm3/min。     

基于动力学约束的端面铣削工艺参数优化

工艺参数优化对提高切削过程的加工效率和加工成本具有重要意义。将铣削系统动力学作为主要约束条件,提出端面铣削工艺参数的多目标优化模型。基于铣削系统动力学分析,得到了综合切削稳定性、工件表面粗糙度、主轴转速、切削力、切削功率等约束的工艺参数多目标优化模型。通过调节权重系数实现优化方向的控制,并采用快速粒子群算法对工艺参数进行优化计算。工艺优化实例及试验表明,采用基于动力学约束的工艺参数优化方法可以获得较好的工艺参数优化结果。     

高强度钢高速加工时切削力尺度效应特征规律研究

在切削速度118m/min～463m/min,每齿进给量0.078mm/z～0.2mm/z,切削深度0.2mm～1mm范围内,研究高速端面铣削某新型高强度钢材料(>42HRc、抗拉强度σb>1.2GPa)过程中切削力的变化规律,考察切削用量对铣削力的交互影响与尺度效应规律,并从切削变形机理上进行讨论与分析,使用残差分析与最小二乘法等统计方法,建立切削力与切削用量经验公式。研究结果表明:高速铣削时,切削深度、每齿进给量和两者之间的交互作用为对主切削力有显著影响的效应因素;该类型高强度钢的单位铣削力为45调质钢的1.0729倍～1.7917倍;非自由切削过程在高速切削条件下将会引发切削力的尺度效应。     

产品协同设计系统中交互式双边协商问题研究

为了解决产品协同设计系统中的冲突消解问题，提出一种基于多目标遗传算法的交互式双边协商算法。该算法通过目标加权法将向量优化问题转化为标量优化问题，其中不同的权重向量可以提供不同的Pareto解。在该算法实现过程中，采用实数编码法进行编码，每个染色体代表一组描述协商方案的属性集。遗传操作包括选择、交叉和变异，其中方案的选择操作采用排序法，避免了在群体规模固定的情况下产生过量的后代。提出了一种最优保存策略，让方案群中适应度最大的方案不参与交叉和变异，而直接去替换适应度最小的方案，提高了算法的求解速度。最后，通过一个成本控制问题进行了检验，证明该算法不仅能得到协商结果，而且可以得到更多的Pareto解，为协同设计系统提供更多的选择方案和选择空间。     

基于混合遗传算法的齿轮传动优化设计

以体积最小为目标函数,建立了齿轮传动优化设计数学模型,并用外部惩罚函数法将该问题转化为无约束优化问题。针对遗传算法的局限性,采用整数编码和实数编码结合的混合编码,并调整了适应函数,采用随机多父辈适应函数值加权交叉和自适应变异操作,结合了模拟退火算法,给出了初温的确定方法,从而形成了混合遗传算法。该算法能够有效地减少不可行解的产生,提高收敛速度,避免早熟收敛。算例说明,该优化方法有效、实用。     

基于机器学习和多目标算法的钛合金插铣优化

针对钛合金的插铣加工过程开展试验和优化研究。以材料去除率和切削力为目标，采用机器学习和多目标优化算法相结合的方法来优化插铣切削参数；以主轴转速、径向切削宽度、切削步距和每齿进给量为试验变量，采用田口方法对试验变量组进行缩减。将机器学习方法与传统一阶和二阶回归方法比较，发现机器学习有很好的预测精度且解集分布更合理。分别采用MOEA/D、NSGA-Ⅱ、SPEA2、NSPSO算法对问题进行求解，并比较它们的性能，结果表明NSGA-Ⅱ综合表现最佳。最后将优化结果与初始参照进行比较，发现优化结果可以显著提高材料去除率并减小切削力，达到了高效稳定加工的目的。     

粒子群优化人工神经网络在高速铣削力建模中的应用

将粒子群优化人工神经网络理论应用于高速铣削力的建模研究中.采用粒子群算法与反向传播算法相结合的方法,对反向传播神经网络模型进行优化.用粒子群算法训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行反向传播算法运算,以实现高速铣削力的预测.充分发挥了粒子群算法的全局寻优能力和反向传播算法的局部搜索优势.仿真结果表明,与其他几种反向传播算法相比较,粒子群算法与反向传播算法的学习算法训练的神经网络,不仅训练时间明显缩短,而且其预报精度也得到了较大的提高,能够有效地建立铣削力模型,并对铣削力进行准确的预测.     

含精英策略的小生境遗传退火算法研究及其应用

针对传统遗传退火算法的缺陷,提出了小生境遗传退火算法,该算法引入小生境技术,避免了搜索初期有效基因的缺失,保证了解的多样性;引入了自适应双点交叉和互换变异策略,克服了算法交叉和变异概率固定不变导致的求解过程较长和易收敛于局部最小值的缺陷;引入精英保留策略,有效地避免了最优解的丢失,加快了进化速度;通过3个经典函数测试,并将其应用于Job Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比遗传算法和传统遗传退火算法的寻优性能更佳。