欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021106249431
申请人: 河海大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种支持多目标优化的滚齿参数求解方法,其特征在于,对已知的滚齿能耗与加工时间多目标模型进行滚齿参数求解,其中,已知的滚齿能耗与加工时间多目标模型如式(11)所示:其中,s1表示滚刀转速,s2表示轴向进给量,ra为刀尖半径、Ra为粗糙度阈值;

滚齿参数求解的具体步骤如下:

S1:定义并初始化滚齿参数组,定义非劣滚齿参数和非劣优化目标,具体步骤如下:S1‑1:定义滚齿参数组MGP={X1,X2,…,Xn},Xi表示MGP中的第i个滚齿参数,Xi包含的属性为{s1,s2},其中s1表示滚刀转速,s2表示轴向进给量,i和n为正整数,1≤i≤n;

S1‑2:非劣滚齿参数由滚齿参数组MGP中的Xi不断迭代进化得到,即指已经找不出使滚齿能耗与加工时间这两个优化目标都能改进的滚齿参数了,非劣滚齿参数对应的优化目标即称为非劣优化目标;

S1‑3:定义滚齿参数组向非劣滚齿参数追逐的程度为一行向量hungry,hungry=(hungry1,hungry2,…,hungryn),hungryj表示第j个滚齿参数向非劣滚齿参数追逐的程度,j和n为正整数,1≤j≤n,所有hungryj的和为SHungry;

S1‑4:设定最大迭代次数Max_iter,Max_iter为正整数,存储集Archive_X,Archive_Y分别用于存储非劣滚齿参数和非劣优化目标,设定Archive_X和Archive_Y的最大存储数皆为maxArch,maxArch为正整数,当前迭代次数iter初始化为1,设定邻近区域判别系数rcir;

S1‑5:输入Xi数值上限UB和下限LB,UB存储s1和s2的数值最大值,LB存储s1和s2的数值最小值,在该数值范围内对所有Xi进行随机初始化,将所有hungryj初始化为0;

S2:以滚齿能耗与加工时间为多目标,通过不断迭代优化,求解非劣滚齿参数和非劣优化目标,具体步骤如下:S2‑1:若iter

S2‑2:将SHungry赋值为0;

S2‑3:利用已知的滚齿能耗与加工时间多目标模型计算所有Xi的优化目标值;

S2‑4:根据S2‑3获得的所有Xi的优化目标值利用帕累托改进更新Archive_X,Archive_Y;

S2‑5:若Archive_Y中非劣优化目标的个数达到maxArch,跳转至S2‑6,否则跳转至S2‑

7;

S2‑6:通过轮盘赌机制在Archive_Y和Archive_X中删除数据,被选中的概率为Pa=Na/c,其中c为大于1的常数,Na为第a个非劣优化目标邻近区域内其他非劣优化目标的数量,a为正整数,且1≤a≤maxArch,获取所有Pa中最大值Pamax,在Archive_Y中删除Pamax对应的非劣优化目标,在Archive_X中删除Pamax对应的非劣滚齿参数,然后转至S2‑8,其中,第a个非劣优化目标邻近区域判别标准为:计算第a个非劣优化目标与其他非劣优化目标的欧式距离,小于rcir即为邻近;所述S2‑7中,第b个非劣优化目标邻近区域判别标准:计算第b个非劣优化目标与其他非劣优化目标的欧式距离,小于rcir即为邻近;

S2‑7:利用轮盘赌机制在Archive_Y中获取当前最理想的优化目标BF和最不理想的优化目标WF,被选中的概率为Pb=c/Nb,Nb为第b个非劣优化目标邻近区域内其他非劣优化目标的数量,b为正整数,且1≤b≤maxArch,获取所有Pb中最大值Pbmax和最小值Pbmin,BF为Archive_Y中Pbmax对应的优化目标,WF为Archive_Y中Pbmin对应的优化目标,然后转至S2‑8;

S2‑8:设定k=1;

S2‑9:若k≤n,跳转至S2‑10,否则跳转至S2‑14;

S2‑10:利用公式(1)计算行向量hungry:

其中,AllFitnessk为Xk的优化目标,H由公式(2)和(3)计算得出:其中,r6,r为位于区间[0,1]的随机数,sum表示对TH中所有元素求和,LH取10000;

S2‑11:hungry的权重 和 由公式(4)、(5)、(6)计算得出:式中r3,r4和r5为位于区间[0,1]的随机数,l取0.08;

S2‑12:利用公式(7)更新滚齿参数组属性:

代表被随机选中的滚齿参数, 表示第iter代第k个滚齿参数,randn(1)是一个满足正态分布的随机数,r1和r2均为位于区间[0,1]的随机数,系数R和E由以下公式计算得出:R=2×ai×rand‑ai (9);

E=sech(|AllFitnessk‑BF|) (10);

其中, rand是位于区间[0,1]的随机数;

S2‑13:令k=k+1,并跳转至S2‑9;

S2‑14:iter=iter+1,并跳转至S2‑1;

S2‑15:输出Archive_X,Archive_Y。