NSGA-II与MOPSO算法的多工序车削节能优化比较分析

在实际加工约束条件下,建立以表面粗糙度和能量消耗为目标的多工序车削优化模型的切削参数优化选择十分必要。运用NSGA-II算法和MOPSO算法对多工序车削模型进行优化比较。优化实例表明:NSGA-II算法能够获得了比MOPSO算法更优的表面粗糙度、能量消耗的Pareto最优解集以及相应的粗、精切削参数,为多工序车削参数优化选择提供了依据。     

单位生产成本与加工精度的多工序车削优化

切削参数优化对于加工质量、生产效率、加工成本、产品利润具有非常重要的意义.数控加工过程中,单位生产成本和加工精度很大程度上决定了零件加工成本的高低和加工质量的好坏.建立以单位生产成本与加工精度为双目标的多工序车削优化模型进行切削参数优化选择十分必要.多工序车削模型同时充分考虑了粗精的刀具耐用度、切削功率、切削进给力、稳定切削区域、刀具表面切削温度及精车表面粗糙度等实际约束条件.运用高斯变异和多项式变异的NSGA-Ⅱ算法对多工序车削模型进行比较优化计算,优化实例表明多项式变异的NSGA-Ⅱ算法获得了更好的加工精度、单位生产成本的Pareto最优解集以及相应的粗精切削参数.用多项式变异的NSGA-Ⅱ算法得到的优化粗精切削参数进行切削试验,得到与NSGA-Ⅱ算法优化的加工精度、单位生产成本基本相符,为多工序车削切削参数优化提供了实践指导.     

基于需求分类遗传算法的Al/15% SiC_p复合材料电化学加工工艺参数的优化

电化学加工（ECM）是一种重要的非传统加工工艺,主要用于加工难加工材料和错综复杂的型材。作为一个复杂的过程,很难确定最优参数去改善切削性能。金属去除率和表面粗糙度是最重要的输出参数,决定切削性能。由于切削参数对金属去除率和表面粗糙度的影响不一致,从而没有简单的切削参数的最佳组合。用多元回归模型来表示输出与输入变量之间的关系,并用基于需求分类遗传算法（NSGA-II）的多目标优化方法来优化ECM过程,得到一个需求解集。     

高速铣削钛合金TC4切削力试验研究及切削参数优化

采用正交试验研究了高速铣削钛合金TC4粗加工阶段时切削参数对切削力的影响规律，并以Y向切削力最小和材料去除率最大为优化目标，利用MATLAB基于Pareto遗传算法优化高速铣削TC4的切削参数，结合Pareto最前沿给出了优化后的切削参数最优解集。     

基于Kriging模型的圆锥动静压轴承优化设计

为提高圆锥动静压轴承的综合性能,以单位承载力下功耗最小和平均温升最低为优化目标,考虑几何结构约束条件,采用最优拉丁超立方进行设计空间的布点,进行有限元数值计算.基于计算结果,采用Kriging方法建立目标函数的近似代理模型.在此模型基础上,使用非劣分层遗传算法(NSGA-II)获得Pareto最优解集;最后通过权重系数...     

高强铝合金干式切削加工参数多目标优化

为了研究航空铝合金在绝对干式切削条件下的切削参数对表面质量的影响规律并据此选择合理的切削用量,采用正交试验法对7075-T6铝合金进行了车削试验并对试验数据进行处理,得到表面粗糙度、表面残余应力关于切削三要素的多元非线性回归模型。在此基础上,以表面去除率、表面残余应力和表面粗糙度为优化目标,切削三要素为优化对象,基于遗传算法进行多目标优化,并绘制出Pareto前沿。根据实际加工需求,从优化解集中选择最优工艺参数。结果表明：表面粗糙度和表面残余应力均与表面去除率成反比关系;进给量和切削速度是影响表面粗糙度和表面残余应力的主要参数;仅在进给量最小的状态下,切削深度的增加会产生较大的表面残余拉应力。     

基于GA-BP的6061Al切削参数优化

针对6061Al铣削中表面粗糙度预测精度低、切削参数选择不合理的问题,提出一种基于遗传神经网络与遗传算法结合的优化模型,对6061Al切削参数进行优化。采用遗传神经网络(GA-BP)构建表面粗糙度预测模型;基于表面粗糙度预测,以材料去除率为目标函数构建切削参数优化模型;利用遗传算法进行优化求解,对6061Al切削参数进行优化。研究结果表明:所建预测模型表面粗糙度预测精度在97%以上;同时,优化模型能优化6061Al切削参数,达到较好的全局寻优效果,为铝合金工件铣削加工切削参数优化提供参考。     

基于高质量和低振动的铣削参数优化方法研究

针对数控铣床在切削过程中产生的振动对工件表面质量的影响,提出以低振动和高表面质量为优化目标,对切削参数进行优化。以VDF-850A铣床为研究对象对45号钢进行铣削正交试验,通过建立振动采集系统,采集振动信号提取振动特征值并测量工件表面粗糙度值,应用最小二乘法拟合数据建立了振动和粗糙度数学模型。利用层次分析法确定两目标函数权重,使用平方和加权法对两目标函数加权拟合成综合目标评价函数,运用粒子群算法优化切削参数。试验结果表明:应用粒子群算法优化后的切削参数进行加工可有效的降低振动和提高表面质量。     

尾灯安装加强件拉延工艺的动态NSGA-II多目标优化北大核心CSCD

为了提高车辆尾灯安装加强件的拉延成形质量,提出了基于动态NSGA-II算法的多目标优化方法。以减小最大减薄率和起皱趋势函数为目标建立了多目标优化模型,选择4个拉延筋阻力系数和压边力为优化参数,基于有限元法获得了不同条件下拉延件的性能参数。在NSGA-II算法中引入动态拥挤度计算方法,保持了选择染色体的多样性,提高了动态NSGA-II算法的优化能力。使用动态NSGA-II算法求解多目标优化模型,其Pareto前沿解优于传统NSGA-II算法。根据优化后的参数生产了10个试制件,试制件的最大减薄率和最大增厚率的均值均小于厂家产品的均值,且试制件最大减薄率和最大增厚率的标准差较小,实验结果说明:参数优化后的生产质量和稳定性均得到了提高。     

切削参数对车削20CrMnTi表面粗糙度的影响及优化研究

20CrMnTi是一种广泛应用于齿轮制造的材料。为提高20CrMnTi精加工的表面质量、加工效率,以车削20CrMnTi钢的表面粗糙度为研究对象,设计正交试验,在数控车床GENOS L250E上进行硬质合金刀具车削试验,探究切削参数（切削速度、进给量、背吃刀量）对表面粗糙度的影响。并通过多元回归建立切削参数与表面粗糙度的关系模型,从而构建以加工效率、表面粗糙度为目标的多目标优化模型,通过粒子群算法对切削参数进行优化。试验结果表明：使用优化后的切削参数加工可以减小表面粗糙度、提高加工效率。     

基于人工智能算法的最优加工表面粗糙度预测研究

以切削速度、进给量、切削深度、刀尖圆弧半径为设计变量,采用正交试验法进行了立方氮化硼(CBN)刀具干式车削冷作模具钢Cr12MoV的试验研究。利用神经网络的非线性拟合能力和遗传算法的全局寻优能力,建立了加工表面粗糙度预测模型并获得了使表面粗糙度达到最优的切削用量与刀尖圆弧半径组合。利用遗传算法获得的最优表面粗糙度值比田口方法和切削试验所获得的最佳表面粗糙度值分别降低了7.1%和17.2%。文中所采用的方法也为切削加工中刀具磨损、切削力和残余应力等问题的建模与参数优化提供理论参考。     

基于改进的NSGA-II的多目标鲁棒性设备布局研究

针对某柔性制造单元(FMC)在动态环境下频繁地进行设备布局从而导致生产效率低下、生产费用高等问题,引入鲁棒性指标,以物流搬运费用、非物流关系以及面积利用率作为优化目标,构建多目标鲁棒性设备布局模型。针对上述模型采用引入DE策略的NSGA-II算法进行求解,有效地保证了Pareto最优解的多样性和算法的收敛性。分别运用该算法、差分算法和经典的NSGA-II算法对车间设备布局模型进行计算,通过数据和结果比较分析表明,针对多目标鲁棒性设备布局的模型,改进的NSGA-II算法具有良好的收敛性和多样性,能有效解决相关生产实践问题。     

基于PSO-LSSVM算法的表面粗糙度预测模型与应用

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。     

精车参数对连杆衬套表面粗糙度影响

数控车床精车后的连杆衬套表面粗糙度是影响其使用性能的关键因素之一。以某型号柴油机的连杆衬套为对象,采用单因素试验法,以切削速度、进给量以及切削深度为试验变量,以精车后表面粗糙度(Ra和Rz值)为评价指标,进行车削试验,研究各精车参数对连杆衬套表面粗糙度的影响。结果表明,精车后连杆衬套的粗糙度随切削速度增大而增大,随进给量增大先减小后增大,随切削深度的增大而增大。其中,进给量对精车件表面粗糙度(Ra和Rz)的影响最大。     

基于支持向量机的蠕墨铸铁表面粗糙度预测

目的准确预测蠕墨铸铁加工过程中的表面质量,指导加工参数调整,保证加工过程中加工质量的稳定,运用差分进化算法优化的SVM模型(DE-SVM)构建蠕墨铸铁表面粗糙度(Ra)预测模型和加工参数选择方法。方法采用DE-SVM提高支持向量机回归模型的预测精度,建立针对实际加工材料的表面粗糙度预测模型,基于构建的预测模型,挖掘表面粗糙度与加工参数之间的关系,从而获得较优的加工参数。结果结合蠕墨铸铁的铣削加工实验数据,对比DE-SVM与常用优化算法(粒子群优化算法(PSO)和遗传算法(GA))优化的SVM模型,DE-SVM模型获得的MAPE(0.122)和R2(0.9559)值均优于粒子群和遗传算法优化的支持向量模型获得MAPE和R2值。在给定的加工参数范围内,切削速度和进给速度对表面粗糙度的影响较大,且表面粗糙度与切削速度成正比关系,与进给速度成反比,而切削深度对表面粗糙度影响不显著。结论由实验的对比结果可知,采用DE-SVM模型建立的蠕墨铸铁表面粗糙度模型具有更高的预测精度,基于DE-SVM获得的加工参数对表面粗糙度的影响,可有效指导加工参数的选择与调整,对保持蠕墨铸铁优良的加工质量具有较好的指导意义。     

基于多目标粒子群算法的冲压成形工艺优化

基于Pareto最优解集的多目标粒子群优化算法和有限元方法,提出了一种解决板料冲压成形工艺优化的方法。以方盒件冲压成形为例,将最大增厚率和最大减薄率作为目标函数,以压边力、模具间隙、摩擦系数、冲压速度和凹模圆角半径作为设计变量,建立多目标数学模型。首先运用正交设计安排有限元仿真,然后利用RBF神经网络建立冲压成形工艺参数与厚度变化率之间的近似模型,再利用基于Pareto最优解集的多目标粒子群优化算法对冲压工艺参数优化得到一组非劣解集,最后从非劣解集中选取一组最优粒子。结果表明,利用该方法能快速、有效获得最优参数,起皱现象明显改善,避免产生破裂。     

差厚激光拼焊板前纵梁全工序成形回弹控制及优化北大核心CSCD

针对激光拼焊板冲压成形过程中变形复杂、易出现回弹和拉裂等缺陷的问题,以某型汽车激光拼焊板前纵梁为研究对象,提出了基于克里金预测模型和NSGA-II多目标遗传算法相结合的优化策略,并对该前纵梁进行了优化验证。结果表明,克里金模型能够精确地预测优化变量与优化指标之间的非线性关系,并且对其趋势预测准确。此外,采用NSGA-II多目标遗传算法得到了帕累托最优前沿解集,从该解集中选出了满足不发生破裂的前提下回弹量最小的解,并通过数值仿真和实验验证了最优解的回弹量相较于优化前降低了50%,且表面光滑、无破裂发生。优化效果表明,所提出的优化策略能够显著降低回弹量,并且能够保证冲压零件无破裂、起皱等缺陷。     

镁合金3C产品薄壳件差温冲压工艺参数优化

为了提升镁合金3C产品薄壳件的冲压成形性能,提出了将镁板温度和凸模温度引入优化过程,并采用正交试验和多目标粒子群优化(MPSO)算法相结合的方法优化冲压工艺。在正交试验的基础上,构造以开裂和起皱为目标函数的二次多项式响应面模型,通过多目标粒子群优化算法获得Pareto解集,再运用最小距离选解法获取多目标粒子群最优粒子P_m,即:凹模圆角半径R_c为6.90 mm、镁板温度T_d为276.33℃、凸模温度T_p为64.69℃、压边力F为22004.14 N。经仿真和实验验证,多目标粒子群最优粒子P_m比正交试验最优样本的开裂目标函数R_(obj)降低了22.96%,起皱目标函数W_(obj)降低了16.43%,说明该方法能够有效解决镁合金薄壳件差温冲压成形的多目标优化问题。     

双资源作业车间双目标调度优化研究

考虑在制品库存费用、机床工时费、直接工人的工资费用、工件的提前和拖期完工造成的损失费用,提出了一种双资源作业车间调度的生产费用计算方法.将一种新的排序策略嵌入到Pareto竞争方法中,设计了一种新的混合遗传算法,对生产周期和生产费用两个目标同时进行优化.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法.用Pareto解集过滤器保存进化过程中的最优个体并不断更新,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真结果表明:该方法是可行的,并具有一定的优越性.     

PVD硬质合金刀具加工NimonicC-263合金表面粗糙度的建模和分析

研究了加工Nimonic C-263合金时,切削参数（切削速度、给进速度、切削深度等）对表面粗糙度的影响。采用正交方法设计实验。评估了切削参数对表面粗糙度的影响,获得最小粗糙度的最优切削条件。采用响应面方法建立了切削参数和表面粗糙度的二次多项式模型。实验结果表明：在所考察的切削参数中,给进速度对表面粗糙度的影响最为显著,其次是切削速度。模型预测结果与实际结果吻合较好,表明所建立的模型能够用来有效地预测加工Nimonic C-263合金时的表面粗糙度。最后,对预测结果用加成定律进行了验证。