基于加工位置不确定的多工步数控铣削工艺参数优化研究*

针对铣削稳定性评价指标极限切削深度随加工位置改变而变化,导致铣削工艺参数优化模型中稳定性约束具有不确定性问题,结合不同加工位置刀具频响函数和切削稳定性理论,建立加工空间极限切削深度广义回归神经网络(GRNN)预测模型,基于该GRNN模型完善铣削稳定性约束条件,进而构建以机床各运动部件位移与粗/精加工切削参数为变量,以粗/精加工总切削时间为目标的多工步数控平面铣削工艺参数优化模型,采用粒子群算法(PSO)求解该优化模型。以某企业加工中心展开实例研究,获取机床加工位置和粗/精加工主轴转速、切削深度、切削宽度、每齿进给量的优化配置,优化后粗/精加工总切削时间比优化前缩短22.47%,并通过该配置下的无颤振铣削加工验证了优化模型的有效性。     

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。     

基于田口法和响应面法的数控铣削工艺参数能效优化方法

为研究机床能量效率与工艺参数耦合的复杂机理,提出一种基于田口法和响应面法的数控铣削工艺参数能效优化方法。分析加工过程中的能耗特性,建立了数控铣削加工能量效率函数。基于田口法规划优化实验,并基于响应面法建立工艺参数与比能和加工时间的回归方程,构建了以铣削加工工艺参数为变量、以高能效和高效率为优化目标的多目标优化模型。使用多目标粒子群优化算法对该模型进行求解,并通过实验数据和算法优化结果分析了加工过程中工艺参数与比能及加工时间的关联关系。     

碳效率目标下的铣削切削参数优化研究

为了提高数控铣削加工过程的能量利用率,降低铣削加工过程中的碳排放量,基于铣削加工能耗分析的基础,建立了数控铣床能耗模型,并基于铣削工艺输入输出特性提出了铣削工艺碳排放评估函数,结合材料去除率提出碳效率概念,以此作为优化目标,并以机床主轴转速和进给量作为优化变量,考虑机床各项性能参数和工件的加工质量等约束,建立了基于碳效率的数控铣削切削参数优化模型,并通过案例,采用遗传算法对模型进行优化求解,验证了该模型的有效性。     

面向重型数控机床的加工工艺参数优化方法

为提高重型数控机床的加工质量与效率,提出一种基于数值模拟与优化算法相结合的加工工艺参数优化方法。通过为重型数控机床的加工过程所构造的非线性动力学模型,建立加工工艺参数与加工表面粗糙度的映射关系,以加工工艺参数组合为决策变量,以加工表面粗糙度和加工尺寸精度等为目标函数,建立重型数控机床加工工艺参数多目标数学优化模型,并采用网格直接寻优算法对数学优化模型进行寻优求解,最终得到重型数控机床的最优加工工艺参数组合。以某重型数控机床的铣削加工过程为例进行实例验证,并通过对比单目标优化结果验证了该多目标优化方法的优越性。     

面向能量效率的数控铣削加工参数多目标优化模型

切削参数是数控加工工艺中的重要组成,切削参数的合理选择能够显著影响到机床能量效率。为提高机床能量效率,分析数控铣削加工的能耗构成特性和加工时段能耗特性,建立数控铣削加工能耗模型,并通过非线性回归拟合获取能耗模型的相关系数,建立了以最高能量效率和最小加工时间为目标的多目标优化模型,采用连续禁忌算法对模型进行优化求解。通过算法优化结果与试验结果进行对比分析,验证了能效模型的有效性。     

基于能耗的铣削功率分析及切削参数多目标优化

数控加工过程中的能源消耗与环境问题密切相关,为实现低碳制造,利用功率测试系统对机床加工过程中的功率进行实时记录,研究切削参数对机床功率的影响。首先,根据工业三相电的功率计算方法及数控机床中电能的分配情况设计了功率测试硬件的连接方法,并结合LabVIEW虚拟仪器编程完成了数控机床功率测试平台的搭建。然后,根据加工合金铸铁的推荐切削参数范围,运用响应曲面法设计了铣削实验,确定优化目标及约束条件,分析切削速度、每齿进给量、轴向切削深度和径向切削深度对机床加工过程功率的影响,并建立了切削参数与目标函数之间的回归方程和对应的响应面模型。最后,对回归方程进行优化,使其预测目标函数值更准确,同时对四个切削参数进行了优化,得到低碳高效的切削参数组合。实验结果表明：优化切削参数后,机床Y轴功率减小了11.34%,材料去除率MRR增大了9.96%;优化切削参数后提高了加工效率,降低了机床的功耗,能够实现缸体铣削过程的低碳高效化。     

主轴滚子轴承铣削加工中切削深度优化量算

为了提高铣削加工的工艺水准,需要进行切削深度优化量算模型设计。提出一种基于多轴联动加工切削深度误差修正的主轴滚子轴承铣削加工中切削深度优化量算方法,采用响应面分析法构建铣削参数与主轴滚子轴承加工质量之间的数学模型,以顶隙系数、切齿深度和切削深度为目标优化参量,建立多目标优化模型,在切削速度和进给速度多轴联动约束下进行切削深度误差修正,实现主轴滚子轴承铣削加工参量的优化解算。仿真结果表明,采用该方法进行主轴滚子轴承铣削加工参量量算,加工工艺参数的全局优化性能较好,切削精度较高,加工误差收敛性较好。     

数控车床切削参数的能量效率优化

为选择合理的数控车床切削用量,建立数控车床切削参数能量消耗和加工效率数学模型。在切削参数能量消耗估算模型中,通过实验拟合与正交实验分别获取数控车床的空载功率和切削功率函数,进一步给出数控车床切削阶段能量消耗函数。在车床加工条件的各种约束下,设计了一种基于多目标教与学优化算法来求解切削参数能量效率优化模型,以切削阶段加工能量最小和加工效率最高为目标,获得切削参数优化的Pareto前沿解,并采用层次分析法建立了切削参数的决策模型,较客观地选取了更优车削参数组合。通过数控车床实例优化验证了所提策略的可行性和有效性。     

面向能效的多工步数控铣削工艺参数多目标优化模型

为实现数控平面铣削工艺参数和工步数的节能优化,对多工步数控平面铣削加工过程能量构成进行分析,引入机床、刀具和加工质量约束,综合考虑工艺参数和工步数的关系,建立了以主轴转速、进给量、背吃刀量、铣削宽度和工步数为优化变量,以能量效率和加工成本为优化目标的多工步数控平面铣削工艺参数多目标优化模型。应用基于自适应网格的多目标粒子群算法对模型进行求解。以某夹具多工步数控平面铣削工艺参数优化为例,验证了模型的有效性和实用性。     

用遗传算法提高协同优化方法的可靠性

分析了协同优化方法可靠性不好的根源。提出了用遗传算法来替代系统级优化问题中的基于梯度的优化算法的策略。实例表明所提出的策略是可行有效的。     

蚁群优化算法研究综述

介绍了蚁群优化算法的基本原理、流程和研究现状,重点评述了近年来蚁群优化算法在组合优化和连续优化两个领域的研究现状,并展望了这一领域的研究方向。     

多工况悬架下摆臂结构优化设计方法研究

采用了多种优化设计方法,以某悬架结构为例进行了结构优化设计方法研究.通过对车辆行驶工况和对车体空间布置的分析,建立了拓扑优化可设计域和非可设计域,完成了悬架结构的拓扑优化设计,并建立了工程结构.基于强度分布与应力干涉理论,将可靠性理论和优化方法相结合,进行了可靠性优化设计.其优化结果与尺寸优化和形状优化结果进行了对比,证明了优化设计方法的有效性和可行性,为工程结构提供了一种新设计思路.     

利用双向渐进结构优化法对结构固有振型的优化

利用双向渐进结构优化法研究结构的固有振型优化问题，双向渐进结构优化法(bi—directional evolutionary struetural optimization，简称BESO)是一种拓扑优化方法，它基于这样一个简单的优化程序：从结构中一步步地删去对结构目标性能低效或无效的材料，同时增加对结构目标性能高效的材料，从而使材料布局趋于优化。文中分别采用近似重分析思路的方法和基于变分法推导的公式计算单元特征向量灵敏度，并简单阐述BESO法对结构固有振型(特征向量)进行拓扑优化的一般过程。数值算例表明，用该方法对结构固有振型的优化是行之有效的，且用变分法计算特征向量灵敏度进行优化较之近似重分析法效率更高。     

机械系统可靠性优化设计的实现策略

提出机械系统可靠性优化设计的３种实现策略：一是直接求解系统可行性优化设计整体数学规划模型的耦合优化策略;二是将单元可靠性优化设计模型和系统可靠性优化分配模型联立迭代求解的分解协调经策略;三是将单元可靠性优化分配模型分别独立求解的分散优化策略。前者适用于规模不大的机械系统的可靠性优化设计,后二者适用于规模较大的机械系统的可靠性优化设计。     

DISCRETE OPTIMIZATION APPROACH FOR 3-D SPACE PLATE-SYSTEM STRUCTURE

ＤＩＳＣＲＥＴＥＯＰＴＩＭＩＺＡＴＩＯＮＡＰＰＲＯＡＣＨＦＯＲ３－ＤＳＰＡＣＥＰＬＡＴＥ－ＳＹＳＴＥＭＳＴＲＵＣＴＵＲＥ￥ＮｉｅＳｈａｏｍｉｎ；ＪｉｎＭｉａｏ（ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ）Ａｂｓｔｒａｃｔ：Ａｎｅｗｎｏｎｌｉｎｅａｒｏｐｔｉｍ...     

双向渐进结构拓扑优化设计研究

双向渐进结构优化法（BESO）是近年来兴起的一种懈决各类结构优化问题的数值方法。其原理是通过同时删除和增补单元,使剩下的结构逐渐趋于优化。文章提出了基于应力约束的渐进结构优化方法,与其它优化方法相比,该方法原理简单,计算效率高,工程应用方便,并通过算例证明该方法的有效性和可行性。     

基于应力的双向渐进结构拓扑优化设计

双向渐进结构优化法（BESO）是近年来兴起的一种解决各类结构优化问题的数值方法,其原理是通过同时删除和增补单元,使剩下的结构逐渐趋于优化。提出了基于应力约束的渐进结构优化方法,与其它优化方法相比,该方法原理简单,计算效率高,工程应用方便,并通过算例证明该方法的有效性和可行性。     

基于过滤器技术的约束粒子群优化算法

工程设计中处理约束优化常采用罚函数法,但其优化结果敏感于惩罚因子,针对特定的实际问题往往需要多次试验以得到合适的罚因子取值。为了避免反复的参数选取测试过程,将过滤器约束处理机制和粒子群优化(Particle swarm optimization,PSO)相结合用于求解约束优化问题。过滤器方法基于多目标规划中的支配思想,以一组互不支配点所对应的目标值与违背度对构成过滤器,利用其处理约束可以避免使用罚函数。基于过滤器的约束PSO算法在粒子进化过程中,对各粒子历史最优解和粒子群历史最优解分别构造滤器,并依据可行性优先的粒子比较准则从对应的过滤器中选择最优解从而实现粒子的更新。然后,利用工程优化设计标准算例和翼型优化设计实例,将过滤器PSO算法和罚函数PSO算法、遗传算法进行比较研究,结果表明过滤器PSO算法能够获得较好的约束优化设计结果,是求解约束优化问题的一种有效方法。     

最优控制理论的现状与发展

概述了控制中的最优化方法，阐述了基本优化方法的特点以及优化方法的最新研究领域和发展趋势。