基于量子粒子群算法的数控加工切削参数优化

在数控加工中,为实现生产率最大化和生产成本最小化,根据机床和刀具的实际约束条件建立了以进给量和切削速度为变量的数学模型,并利用具有全局搜索能力强、收敛速度快和鲁棒性高的量子粒子群算法(QPSO)进行优化,仿真结果表明其效果远远优于经验值,也优于粒子群算法(PSO)优化结果。     

CAPP环境下加工中心的切削参数优化

针对目前CAPP系统中切削参数的如何选择,以切削速度、每齿进给量为决策变量,建立以最大生产率为目标的数学模型.通过改进粒子群优化算法(PSO)对其进行优化计算,从而得到了满意的优化结果.在优化的基础上,建立切削参数优化模块,从而对CAPP系统进行了完善.     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

精密车削Cr12模具钢的表面粗糙度研究

对Cr12模具钢进行了高速精密车削试验,研究了切削速度和进给量对加工表面粗糙度的影响。结果表明:提高切削速度和减小进给量有利于改善Cr12模具钢的加工表面质量;但切削速度超过某一范围后,进一步提高切削速度不能明显降低表面粗糙度;进给量超过一定范围后,表面粗糙度会明显增大。     

NiTi形状记忆合金切削仿真变形行为研究

利用ABAQUS软件对NiTi形状记忆合金不同切削速度和进给量时的切屑和已加工表面层热力载荷分布进行仿真分析。结果表明：切削速度和进给量增加都会导致切屑温度升高,塑性应变和损伤加剧;切削速度对温度影响较大,而进给量对塑性应变和损伤影响明显;切削速度增加,已加工表面层温度变化速率变大,表层残余应力增大,深层残余应力减小;进给量增加,应变层深度增加,残余应力逐层变大。     

ICF微靶零件微铣削毛刺实验研究

通过实验的方法研究了微铣削加工过程中切削速度、每齿进给量以及每齿进给量与刀具刃口半径比值对毛刺的影响规律。实验结果表明,顺铣侧产生毛刺比逆铣侧产生毛刺尺寸大。每齿进给量相对于切削速度对毛刺的高度和厚度有显著的影响,且随着每齿进给量的增大,毛刺的高度和厚度也随之增大。当使用小进给量时,毛刺高度和厚度随切削速度提高而减小,当使用大进给量时,毛刺高度和厚度随切削速度的提高而增大。     

面向低碳的数控加工多目标优化模型设计

本文面向低碳的数控加工多目标优化模型将数控加工的切削速度和进给量作为模型的优化变量,从机床主轴的转速约束、进给量约束等约束条件建立了最短加工时间和最低碳排放的优化模型,并简单介绍了求解数值优化问题的常用方法和MATLAB优化工具箱。     

铸造高温合金K423A内圆车削工艺优化研究

针对铸造高温合金K423A,采用硬质合金刀具进行内圆车削试验研究,跟踪观察刀片的磨损状态,以切削效率和刀具寿命为指标优化工艺参数。研究表明,相比于进给量,切削速度对刀具寿命的影响更为显著,在进给量为0.1~0.2 mm/r范围内,切削速度为10 m/min时表现出了较好的刀具寿命,切削路程是其他条件下的1.5~4倍。同样地,切削速度对材料去除量的影响更大,为实现相同切削效率,选取较小的切削速度,相应地增大进给量,可以获得较大的材料去除量。     

高速加工时各切削参数对切削力影响的模拟研究

切削力是切削过程中重要的物理参数之一。本文应用数值模拟,对高速切削加工过程中切削参数(切削速度、进给量、切削深度)对切削力的影响进行了研究,给出了切削力随切削速度、进给量、切削深度的变化规律,对优化高速切削工艺及建立高速切削数据库具有指导意义。     

钛合金车削切削力及表面粗糙度优化分析

采用TC11钛合金车削正交试验研究了各车削参数对切削温度和切削力的影响规律,进一步分析车削参数和表面粗糙度的内在联系。结果表明：切削温度与切削力相互影响,当切削速度在50～100m/min时,切削速度越高,刀具对工件挤压越剧烈,且切削温度升高并使工件软化,导致切削力减小。通过极差分析发现,影响切削力的切削参数依次为切削深度>进给量>切削速度,影响切削温度的切削参数依次为切削速度>进给量>切削深度;对于表面粗糙度各切削用量影响程度大小依次为进给量>切削速度>切削深度。在本次试验参数内,得到了最优切削力的切削参数和最优表面粗糙度的切削参数。研究结果对于加工钛合金的切削参数优化提供一定指导。     

Optimization techniques for machining operations: a retrospective research based on various mathematical models

Simulated annealing, genetic algorithm, and particle swarm optimization techniques have been used for exploring optimal machining parameters for single pass turning operation, multi-pass turning operation, and surface grinding operation. The behavior of optimization techniques are studied based on various mathematical models. The objective functions of the various mathematical models are distinctly different from each other. The most affecting machining parameters are considered as cutting speed, feed, and depth of cut. Physical constraints are speed, feed, depth of cut, power limitation, surface roughness, temperature, and cutting force.     

基于MATLAB粒子群算法的切削用量优化

切削用量的合理选择对提高机床使用效率、降低生产成本有很大的帮助。根据线性加权和法,以进给量和切削速度为变量,以最大生产率和最低生产成本为目标建立优化数学模型,并且考虑机床和刀具的约束,利用粒子群算法在MATLAB上对数学模型进行寻优求解。实例表明,优化后的切削用量能明显地降低成本、提高效率。     

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。     

Effect of hardening on the machinability of C22 steel under drilling operations using twist HSS drill bit

For metallic or composite materials, the judicious choice of cutting conditions depends on several factors that may be of such objectives (time, cost of production, material removal rate, etc.) or constraints (cutting force, temperature in the machining area, consumed power, etc.). The quality of the results depends on the optimization method and the efficiency of the algorithm involved. In this paper, graphical and particle swarm optimization (PSO) methods are proposed. They aim to determine the optimal cutting conditions (cutting speed and feed per tooth) in slotting of multidirectional carbon fiber reinforced plastic laminate (CFRP), referenced G803/914, with three knurled tools having different geometries. The experiences that led to the measures of roughness, temperature, cutting efforts, and consumed power are made in the same working conditions with cutting speed ranging from 80 to 200 m/min and feed per tooth from 0.008 to 0.060 mm/rev/tooth. The results illustrate that for the graphical method, the optimum cutting speed depends on the performance “maximum total removal rate” and is the same for all the studied knurled tools while optimum feed per tooth depends on the “roughness” performance: its value depends on the tool geometry. For the PSO technique, optimum cutting speed and feed per tooth values are variable and depend on the tool geometry.     

基于传感器数据融合的倾斜角度测量方法研究

倾斜角度的测量精度直接决定了状态控制系统的工作效果。在单一传感器测量倾斜角度的研究基础上,探讨了传感器数据融合技术用于倾斜角度测量的方法。首先分析基于加速度计和陀螺仪测量倾斜角度的原理,并研究加速度计和陀螺仪测量结果的频率特性;然后根据加速度计和陀螺仪测量结果的频率特性选定互补滤波器作为数据融合的方法;最后选定量子粒子优化群(QPSO)算法作为互补滤波器的参数寻优方法,并对比量子粒子优化群算法和粒子群优化算法的参数寻优效果。实验结果表明,互补滤波器可以在广泛频域范围内准确测量倾斜角度值,并且量子粒子群优化算法相对于粒子群优化算法具有更好的参数寻优效果。     

基于虚拟加工技术的数控程序优化

针对传统数控程序中进给速度固定限制加工效率的缺点,开发了面向粗铣加工的数控程序优化系统。系统基于虚拟加工技术,能完成数控程序驱动下的切削过程仿真、切削力预测、碰撞检测等。系统利用粒子群进化算法,在满足加工条件的下,实现了数控程序中进给速度和主轴转速的优化,数控程序加工效率得到显著提高。     

一种自适应粒子群算法的小波神经网络优化

针对传统粒子群算法易陷入局部最优解的问题,提出了一种变权重粒子群算法.该算法通过引入交叉权重因子和粒子个体状态最优权值,对传统粒子群算法进行了优化,使粒子在移动过程中利用更多的信息来调整各自的移动方向,扩大粒子在运动过程中的自我认知范围,提高了粒子群算法的收敛精度和收敛速度.最后,利用改进的变权重粒子群算法对小波神经网络控制器进行优化,有效地验证了变权重粒子群算法的精确性.     

Optimization of cutting conditions during continuous finished profile machining using non-traditional techniques

Optimum machining parameters are of great concern in manufacturing environments, where economy of machining operation plays a key role in competitiveness in the market. Many researchers have dealt with the optimization of machining parameters for turning operations with constant diameters only. All Computer Numerical Control (CNC) machines produce the finished components from the bar stock. Finished profiles consist of straight turning, facing, taper and circular machining.This research work concentrates on optimizing the machining parameters for turning cylindrical stocks into continuous finished profiles. The machining parameters in multi-pass turning are depth of cut, cutting speed and feed. The machining performance is measured by the production cost.In this paper the optimal machining parameters for continuous profile machining are determined with respect to the minimum production cost subject to a set of practical constraints. The constraints considered in this problem are cutting force, power constraint, tool tip temperature, etc. Due to high complexity of this machining optimization problem, six non-traditional algorithms, the genetic algorithm (GA), simulated annealing algorithm (SA), Tabu search algorithm (TS), memetic algorithm (MA), ants colony algorithm (ACO) and the particle swarm optimization (PSO) have been employed to resolve this problem. The results obtained from GA, SA,TS, ACO, MA and PSO are compared for various profiles. Also, a comprehensive user-friendly software package has been developed to input the profile interactively and to obtain the optimal parameters using all six algorithms. New evolutionary PSO is explained with an illustration .     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。