基于粒子群算法的數控加工工藝參數能效優化研究

張帥

摘 要：在機械數控加工中，能耗的浪費非常嚴重，本文針對這個問題，采用粒子群算法對數控加工中的工藝參數進行優化，力求使得能耗降為最低，通過仿真驗證，該算法具有一定的實用價值。

關鍵詞：數控加工；粒子群；能效優化

中圖分類號：TG547 文獻標識碼：A 文章編號：1671-2064（2018）18-0019-02

1 引言

隨著現代機械制造技術的發展，數控機床已經成為機械制造企業中必備的工具，數控機床的使用效率直接決定著機械制造加工零部件的精度。同時，隨著機械零部件的體積越來越大，曲面形狀越來越復雜，數控加工的復雜度越來越高，導致數控加工的加工時間越來越長，數控機床機械加工能耗需求越來越大。根據國外專家學者研究發現，數控機床的能量利用效率平均水平非常低，平均值低于30%。所以研究數控機床的能效問題具有較高的應用價值。數控機床作為機械制造行業的能源消耗大戶，具有能量消耗大和能效低的雙重特性，隨著自然環境的惡化，如何降低能耗和提升能量效率，改善環境質量變得越來越迫切，機械制造行業節能問題顯得尤為突出。

如何在機械數控加工過程中降低能耗已經成為機械數控工程師要解決的一個棘手問題，數控加工能耗水平直接決定了機械制造企業的市場競爭力。

在機械數控加工中，數控加工的工藝參數是數控加工工藝方面最為重要、最為核心的參數。工藝參數直接決定著數控加工的加工質量和加工效率，是機械制造企業核心競爭力的重要體現。數控加工的質量、成本和加工效率是機械數控工程師首要解決的優化問題。

本文主要針對如何降低數控加工的能耗問題進行研究，通過粒子群算法，對數控加工工藝參數進行優化，來提升數控加工效率、降低成本和能耗，具有較高的理論和實用價值。

2 粒子群算法簡介

粒子群算法是一種模擬鳥群覓食行為的基于群體協作的隨機搜索算法。在優化過程中，假定每個優化問題的解都是搜索空間中的一個粒子，所有的粒子都有一個被優化的函數決定的適應值，每個粒子還有一個速度決定飛行的方向和距離，在這些約束條件下粒子就追隨當前的最優粒子在解空間中進行搜索，直到搜索到最優解。在該算法模型中，每個粒子都要遵循以下條件：避免和鄰近粒子相沖撞，匹配鄰近粒子的速度，飛向鳥群中心且整個群體飛向目標。粒子群算法具有以下優點：能夠利用群體中粒子在解空間中的速度來改變個體的尋優方向，計算復雜度相比較遺傳算法要低很多，粒子同時具有記憶特性，粒子具有自我學習和向別的粒子學習的能力，能夠使下一代種群有針對性地從父代繼承更多的信息，可以在較短的時間內快速找到最優解。粒子群優化算法具有參數設置簡單和搜索能力好實現容易等特點。

3 數控加工過程中能耗分析

數控機床在運行時，運行狀態包括空載和加工兩種狀態，當數控機床由空載狀態轉化為加工狀態時，數控加工系統總的損耗在非載荷功率基礎上增多，這部分損耗就是載荷損耗功率。數控機床的輸入功率包括空載功率、切削功率和附加載荷損耗功率三部分。數控機床的動力系統能耗主要包括機床空載耗能、切削過程耗能、系統附加載荷耗能和輔助系統耗能四部分。

機床空載耗能主要是機床在無載荷時系統空轉時機床的耗能，包括主傳動系統空載耗能和進給系統空載耗能，主傳動系統一般包括變頻器、機械傳動系統和主軸電機等，是數控機床空載情況下的耗能大戶，變頻技術由于電源頻率會不斷調整導致電機本身的損耗，機械傳動系統的空載損耗會隨著主軸轉速的變化而變化，是數控機床空載能耗中最為重要的部分，變頻器能耗較小約占8%，一般計算空載功率時作固定值處理。給進系統主要包括伺服電機和伺服驅動器，給進系統耗能模型與主傳動系統耗能類似，主要由機床X方向、Y方向、Z方向三個方向的傳動軸給進系統空載功率、伺服電機損耗和伺服驅動器功率組成。

切削過程耗能主要是數控加工刀具切削過程中消耗的能量。系統附加載荷耗能主要是數控機床加工過程中切削力和扭矩增加而導致的載荷耗能。切削功率是衡量切削能耗的重要參數，切削功率模型主要由主切削力、切削速度、切削力系數和物料去除率等來計算。

輔助系統耗能包括動力關聯類輔助系統耗能和加工關聯類輔助系統耗能，輔助系統耗能是貫穿整個數控加工全過程的耗能，動力關聯類輔助系統會跟隨數控機床的開啟關閉而進行開啟關閉，加工關聯類輔助系統則是根據數控機床在數控加工過程中按需開啟關閉的，主要包括冷卻電機和沖屑電機等各類電機。

數控加工過程中具有較強的能耗時段特性，主要包括機床啟動時段、待機時段、主軸加速時段、快速進給時段、空轉時段、空切時段、切削加工時段等七部分時段。在數控機床的啟動時段，一般會首先打開數控機床的總電源開關，數控機床的照明設備、通風設備、數控面板設備、變頻器、伺服驅動器等多個設備會陸續開啟，在機床啟動階段數控機床的功率變化幅度會很大，但是由于這個階段時間非常短，所以這個階段的能耗非常小。在數控機床的待機時段，主要是進行工件拆卸、工件裝夾、工件定位等操作階段，時間長短取決于工裝水平和數控加工工程師操作技能水平，一般情況下，待機時間相對固定，所以通常理論計算時取固定值。數控機床的主軸加速時段，由于數控機床的功率波動非常大，能耗幾乎無規律可循，一般主軸加速時間非常短，所以這一段數控機床的耗能相對較小。數控機床的主軸空轉時段，是主軸保持穩定轉速空轉的過程，由于數控機床的控制由計算機來控制，所以數控機床很少存在空轉時段，這個時段的耗能可以忽略。數控機床的空切削時段，一般情況下數控機床空切是數控機床在空轉的基礎上開始進給運動的，功率主要由輔助功率和空載功率組成，在數控機床實際加工過程中，走刀路徑的覆蓋區域一般必須大于加工工件的區域，通常會產生部分的空切路徑，所以這個時段主要由空切路徑長度和進給速度兩個參數來決定。數控機床的切削時段，這個時段時長主要由切削路徑長度和給進速度進行計算。數控機床的快速進給時段，主要是刀具以較大的進給速度快速接近被加工工件時或者是完成加工動作后的快速抬刀，這個時段的功率波動雖然很大，但是時間非常短，所以這個時段的能耗非常小。數控機床的換刀時段，一般情況下實際加工中會切換不同的刀具，由此產生了換刀能耗，一般機床待機狀態下就可以進行換刀，所以換刀時段功率幾乎與待機功率一致，該時段時長由單次磨鈍換刀時間、刀具壽命、以及多個刀具壽命的相關系數來計算。

在常規計算中，由于數控機床的啟動、主軸加速、快速進給時間非常短，能耗非常小，所以重點考慮數控機床的待機時段、空切時段、換刀時段和切削時段等四個時段的能耗。

4 工藝參數能效優化過程

數控機床加工過程中，由于存在多個工藝參數，之間相互關聯，為了能夠最大限度的優化數控加工系統，往往對數控加工的工藝參數進行歸一化和簡化模型，一般把數控加工的加工時間、加工成本和能耗作為系統優化目標，本文以數控加工的時間目標函數、成本目標函數、數控加工能效函數、以及相應約束條件來組成數控加工工藝參數多目標能效優化模型，本文主要通過粒子群算法對模型進行優化。

由于本文的優化問題有多個目標函數優化，多個目標之間會相互制約以及沖突，當能量效率最優時，時間和成本目標有可能無法達到最優，能量效率、時間和成本目標三者同時最優幾乎是不可能的，所以本文采用改良的粒子群算法進行優化，首先優化問題的粒子群的大小規模選擇一定要適中，如果群體規模太大會導致計算量的成倍增加，如果群體規模太小則會過早陷入局部最優解。一般我們把群體規模設置為20-60之間。

本文設計的粒子群優化算法流程如下：首先初始化種群，確保整個群體中的每個粒子都在各個參數的約束范圍內，同時設定每個粒子的初始位置和初始速度；然后開始計算初始群體種群的每個粒子的目標函數值（所有可行解的能量效率、時間、成本目標值），同時將粒子兩兩之間進行比較；然后將目標空間分成多個小空間，根據粒子對應的能量效率、時間、成本目標值來確定該粒子所在的小空間，確定每個粒子的個體極值，隨機選擇密度較小的粒子作為全局極值，把所有粒子的速度和位置進行更新，同時要確保所有粒子不能超出邊界空間；然后開始計算種群的各個粒子的目標向量，按照特定規則進行刪除部分特定粒子；最后判斷是否達到最大進化迭代數，如果滿足則終止算法，否則需重新進行優化。

通過利用本文模型算法進行算法優化，與傳統經驗值相比加工時間降低19%、成本降低21%、數控加工能效降低37%，仿真驗證本文設計算法具有較好的優化效果，能夠為機械數控加工提供更加科學的工藝參數，具有較高的實用價值。

5 結語

本文主要針對數控加工過程中的能耗優化進行研究，運用多目標的粒子群算法，優化數控加工中的加工時間、加工成本和加工能耗，力求使得三個參數達到最優，通過仿真驗證，本文算法具有一定的實用價值，可以為機械加工企業在數控加工降能耗工作中提供一定的理論支撐。

參考文獻

[1]李建廣，姚英學，劉長清，黎世文.基于遺傳算法的車削用量優化研究[J].計算機集成制造系統，2006，（10）：1651-1656.

[2]謝書童，郭隱彪.數控車削中成本最低的切削參數優化方法[J].計算機集成制造系統，2011，（10）：2144-2149.

[3]李聰波，崔龍國，劉飛，李麗.面向高效低碳的數控加工參數多目標優化模型[J].機械工程學報，2013，（09）：87-96.

[4]江小云.計算機智能技術在切削參數優化中的應用[J].福建工程學院學報，2013，（06）：573-577.

[5]胡狄，張華，鄢威，李弼心.面向節能優化的數控銑削參數優化方法研究[J].機械設計與制造，2015，（08）：110-113.