數(shù)控銑削加工切削參數(shù)優(yōu)化探析

杜少華

在目前的制造業(yè)之中，數(shù)控加工技術(shù)已經(jīng)成為主流，憑借其高效化、集成化的優(yōu)勢(shì)，也得到進(jìn)一步的突破，讓制造業(yè)得到前所未有的跳躍式發(fā)展。

1 優(yōu)化方法的設(shè)計(jì)步驟

（1）將原本的數(shù)學(xué)模型抽象轉(zhuǎn)化成為數(shù)學(xué)模式。通過(guò)數(shù)學(xué)模型的建立，設(shè)計(jì)變量選擇適當(dāng)?shù)膮?shù)，就可以確定目標(biāo)函數(shù)以及約束條件。同時(shí)，將衡量標(biāo)準(zhǔn)放置在目標(biāo)函數(shù)上，表示設(shè)計(jì)變量與優(yōu)化指標(biāo)之間的函數(shù)關(guān)系。（2）通過(guò)數(shù)學(xué)模型建立，就可以選擇適當(dāng)?shù)膬?yōu)化算法，求解數(shù)學(xué)模型。也就是在相應(yīng)條件下，求解目標(biāo)函數(shù)的最優(yōu)值。（3）分析與判斷求解的結(jié)果，最終得出優(yōu)化設(shè)計(jì)的方案[1]。

2 數(shù)控銑削加工切削參數(shù)優(yōu)化過(guò)程

2.1 基于神經(jīng)網(wǎng)絡(luò)的遺傳算法

目前，BP神經(jīng)網(wǎng)絡(luò)是最簡(jiǎn)單，也是使用廣泛度最高的一種人工神經(jīng)網(wǎng)絡(luò)。通過(guò)神經(jīng)網(wǎng)絡(luò)與遺傳算法的相互結(jié)合，利用實(shí)驗(yàn)樣本數(shù)據(jù)，就可以通過(guò)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練擬合來(lái)表達(dá)加工銑削參數(shù)與加工精度和時(shí)間之間的非線性映射關(guān)系函數(shù)，而函數(shù)的輸出值可以利用訓(xùn)練之后的神經(jīng)網(wǎng)絡(luò)來(lái)加以預(yù)測(cè)。在對(duì)遺傳算法部分進(jìn)行優(yōu)化中，通過(guò)極值尋優(yōu)的方式，就能夠通過(guò)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值作為個(gè)體適應(yīng)度值，之后，針對(duì)自身可以利用遺傳算法進(jìn)行優(yōu)化，再配合變異、選擇以及交叉等方式，就可以滿(mǎn)足函數(shù)全局最優(yōu)值以及輸入值的尋找，其流程如圖1所示。

圖1 基于神經(jīng)網(wǎng)絡(luò)的遺傳算法流程

2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練擬合

圖2 為數(shù)控銑削加工的實(shí)體模型圖，通過(guò)切削參數(shù)以及加工后形位精度以及表面粗糙度等數(shù)據(jù)的選擇，在得到輸入與輸出數(shù)據(jù)之后，人們就可以發(fā)現(xiàn)，數(shù)據(jù)數(shù)值級(jí)別相差較大（具體數(shù)據(jù)就不一一呈現(xiàn)），再配合數(shù)據(jù)的歸一化處理，利用MATLAB就可以得以實(shí)現(xiàn)。在BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練中需要足夠的數(shù)據(jù)，這樣才可以保持訓(xùn)練的充分，并且將預(yù)測(cè)值與期望值之間的誤差降至最低。之后，通過(guò)一組用于測(cè)試網(wǎng)絡(luò)的數(shù)據(jù)，就可以實(shí)現(xiàn)規(guī)劃處理[2]。

圖2 加工工件實(shí)體模型

在數(shù)據(jù)進(jìn)行歸一化處理之后，就可以針對(duì)BP神經(jīng)網(wǎng)絡(luò)利用函數(shù)輸入輸出的數(shù)據(jù)做好訓(xùn)練，單隱層BP神經(jīng)網(wǎng)絡(luò)擁有良好的非線性映射能力，通過(guò)其來(lái)進(jìn)行訓(xùn)練，最終確定的隱層節(jié)點(diǎn)為12個(gè)。對(duì)于訓(xùn)練之后的BP神經(jīng)網(wǎng)絡(luò)記錄如圖3所示。

圖3 網(wǎng)絡(luò)的訓(xùn)練記錄

開(kāi)展BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，在完成訓(xùn)練之后，對(duì)非線性函數(shù)輸出加以預(yù)測(cè)，然后通過(guò)相互的對(duì)比，就可以確定預(yù)測(cè)的非線性函數(shù)輸出，再將其近似看成實(shí)際的函數(shù)輸出值，并在MATLAB路徑下進(jìn)行保存。

2.3 多目標(biāo)優(yōu)化問(wèn)題的遺傳算法

利用MATLAB中的遺傳算法工具箱，通過(guò)矩陣函數(shù)，滿(mǎn)足遺傳算法建立出通用的工具，使用者通過(guò)M文件寫(xiě)成命令的行函數(shù)，按照實(shí)際需求就可以編寫(xiě)出需要的MATLAB程序。按照模式優(yōu)化的目標(biāo)函數(shù)和約束條件，就可以直接獲取優(yōu)化函數(shù)的最優(yōu)值。通過(guò)工具箱的優(yōu)化來(lái)求解，首先就應(yīng)該建立適應(yīng)度的函數(shù)文件，之后將適應(yīng)度值設(shè)定為訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出值，命名為Fit Fun.m保存在MATLAB路徑下。在適應(yīng)度函數(shù)建立后，通過(guò)約束函數(shù)文件的建立，等待約束條件M代碼編寫(xiě)好后，直接啟動(dòng)工具箱。之后，在Fitness function中輸入@Fit Fun，將變量設(shè)定為4個(gè)，然后單擊運(yùn)行[3]。

在適應(yīng)度函數(shù)以及約束文件準(zhǔn)備好后，直接啟動(dòng)優(yōu)化工具箱，這樣就可以對(duì)切削參數(shù)加以?xún)?yōu)化，在運(yùn)輸后，得到的結(jié)果為：一是在達(dá)到最佳優(yōu)化結(jié)果時(shí)，最佳個(gè)體數(shù)為4個(gè)。二是比較平均適應(yīng)度函數(shù)以及最佳適應(yīng)函數(shù)，當(dāng)遺傳達(dá)到第40代后，能夠保持穩(wěn)定的適應(yīng)度函數(shù)值為186.55075。三是在60代，基于結(jié)果準(zhǔn)則要求的優(yōu)化，需要做好過(guò)程的優(yōu)化。通過(guò)遺傳算法，最優(yōu)適應(yīng)度值為186.5507，其變量參數(shù)對(duì)應(yīng)的則是[1230 350 0.70 4.5]，即加工參數(shù)轉(zhuǎn)速1230r/min、進(jìn)給速度350mm/min、背吃刀量0.70mm、切削寬度5mm的時(shí)候，可以滿(mǎn)足函數(shù)最佳適應(yīng)度的要求。

2.4 優(yōu)化值的驗(yàn)證

通過(guò)已經(jīng)完善的BP神經(jīng)網(wǎng)絡(luò)就可以驗(yàn)證函數(shù)最優(yōu)時(shí)的變量取值，在BP神經(jīng)網(wǎng)絡(luò)中輸入變量p=[1230 350 0.70 4.5]進(jìn)行仿真訓(xùn)練，直接獲取結(jié)果t=[0.06 0.8 188]，事先已經(jīng)了解形位精度為0.06，需要的時(shí)間188s，粗糙度為0.8，時(shí)間相對(duì)誤差0.771%，最終得到的優(yōu)化函數(shù)最小值為186.55075。

3 結(jié)語(yǔ)

做好數(shù)控加工切削參數(shù)的合理選擇，就可以滿(mǎn)足其生產(chǎn)效率和加工技術(shù)的需求，同時(shí)也決定了加工效果和質(zhì)量。所以，人們需要對(duì)數(shù)控加工切削參數(shù)優(yōu)化進(jìn)行更進(jìn)一步的選擇。

[1]殷繼猛.數(shù)控銑削切削載荷測(cè)試及其工藝參數(shù)優(yōu)化[D].北京：北方工業(yè)大學(xué)，2017：12-13.

[2]王鑫.基于加工特征的機(jī)床關(guān)鍵零件高效數(shù)控加工切削參數(shù)優(yōu)化技術(shù)研究[D].株洲：湖南工業(yè)大學(xué)，2014：6.

[3]蘇仲文.數(shù)控銑削工藝參數(shù)優(yōu)化專(zhuān)家系統(tǒng)的研究[D].太原：太原理工大學(xué)，2013：9.