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: 2021111322244
申请人: 南昌航空大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
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.基于神经网络和遗传算法的稳定铣削工艺参数优化方法,其特征在于,其步骤如下:步骤一:建立考虑再生效应的状态空间形式的铣削动力学微分方程:具体步骤如下:

S01:首先考虑再生效应的n个自由度的铣削动力学微分方程可以表述为:其中,M、C和K为刀具系统的n个自由度的模态质量矩阵、模态阻尼矩阵和模态刚度矩阵,q(t)是刀具n个自由度的振动位移矢量,Kc(t)为系统所受动态铣削力矩阵,t为连续时间,T为单个刀齿切削周期,ap是轴向切削深度;

S02:令 方程(1)转换为状态空间形式:其中:

步骤二:将一个周期内的连续时间t表示为离散的时间节点:ti=t0+tf+(i‑1)τ;         (3)式(3)中,i=1,2,...,m,m+1.t0为开始切削时刻,tf自由振动时间段,τ为离散间隔长度,m为单个周期离散数;

步骤三:计算在区间[ti,ti+1]内的方程(2)表达式:其具体步骤如下:

S03:将状态方程的apB(t)[x(t)‑x(t‑T)]看作齐次方程 的非齐次项,s为计算过程中的积分因子,则可以将方程(2)表示为如下形式:S04:根据式(4)可知,当ti≤t≤ti+1时,可以得到在区间[ti,ti+1]内的表达式如下:步骤四:计算关于状态项x1,x2和x3的等式:具体步骤如下:

S05:当刀具不切削的时刻,即在时间段tf内,此时B(s)为0,方程(5)退化为S06:为了公式表示的简洁性,下文统一使用xi代替x(ti),xi‑T代替x(ti‑T),Bi代替B(ti),Bi‑T代替B(ti‑T);

S07:在t1=t0+tf时刻,由式(3)和(5)可以很容易得到以下关于状态项x1的等式:S08:在离散点t2处,状态项x2可以表示为:S09:由梯形求积公式,可以得到状态项x2的近似表达公式:S10:移项整理后,分离出状态项和时滞项如下式:S11:类似地,在离散点t3处,状态项x3可以得到:S12:由Simpson求积公式,可以得到x3的近似表达式为:S13:同样,分离状态项和时滞项可得到:步骤五:计算关于状态项x4的等式:S14:与S11步骤类似,在离散点t4处,状态项x4可以得到:S15:由Newton求积公式,分离状态项和时滞项可以得到:步骤六:计算第t5到tm+1点的求积公式:其中:

具体步骤如下:

S16:第t5到tm+1点的求积公式可表示为:其中,i=1,2,…,m‑3;

S17:由Cotes求积公式,分离状态项和时滞项可以得到:‑1

步骤七:得到系统在一个周期内的状态转移矩阵,表示为FIM=G H,其中,具体步骤如下:

S18:联立式(6)、(9)、(12)、(14)和(16)得到如下离散映射:Gym+1=Hym+1‑T;          (17)S19:系统在一个周期内的状态转移矩阵表示为:‑1

FIM=G H;       (18)步骤八:计算状态转移矩阵FIM的特征值,通过判断特征值的模的大小来判断稳定性,具体公式为:

最终以主轴转速为横坐标,轴向切深为纵坐标进行绘图即可得到二维稳定性图;

步骤九:确定优化目标。以材料去除率(MRR)为效率目标,刀具寿命(TL)为成本目标,稳定性域为加工质量约束,在铣削稳定区域内选择加工参数进行铣削参数优化。所建立的多目标优化模型可以用如下公式表示:其中,材料去除率表示为:

MRR=apaeftNtΩ         (20)刀具寿命公式表示为:

式中,ae表示径向切深,ap表示轴向切深,Ω表示主轴转速,ft表示每齿进给量,d表示铣刀直径,f表示进给量,vc表示进给速度,Nt表示刀齿数;

步骤十:构建边界约束条件:

1)转速约束:

2)每齿进给量约束:

3)轴向切深约束:

4)径向切深约束:

步骤十一:构建稳定性约束条件,在步骤八所建立的二维平面的基础上进一步构建径向切深不确定的三维稳定性曲面,得到由主轴转速、轴向切深和径向切深为三坐标轴构成的三维稳定性叶瓣图;

步骤十二:使用神经网络拟合步骤十一得到的三维稳定性叶瓣图,具体实施步骤如下:S20:将三维稳定性叶瓣图在三维空间内按规律离散为若干点,随机选取90%的点构成曲面拟合的训练集,剩余10%为测试集;

S21:确定神经网络结构,并将训练集导入所建立的神经网络进行训练,得到拟合曲面的三维散点图;

S22:使用剩余10%未进行训练过的测试点集对所建立的神经网络拟合模型进行拟合精度验证;

S23:经过以上步骤便建立了铣削参数优化的稳定性约束条件,实现了在由主轴转速Ω、轴向切深ap和径向切深ae为所构成的三维参数空间内对任意输入参数进行铣削稳定性判断;

步骤十三:使用遗传算法进行迭代计算寻找最优解,具体实现步骤如下:S24:设置遗传算法的初始种群规模p、交叉概率PC、变异概率PM和计算器gen=0;

S25:采用实数编码,随机产生N个初始数据,每个数据称为一个个体Uk(1≤k≤N),每个个体包含设计变量x1,x2,x3,x4,N个个体构成了一个种群,计数器计数gen=gen+1,最大遗传代数GENMAX=1000;

S26:确定适应度函数:根据适应度选出进入下一代进行交叉操作的个体,随机选择种群中的个体,以一定的概率PM进行变异操作,通过随机改变个体中某些基因而产生新个体,直到gen>GENMAX或种群最优适应度随着遗传代数的增加达到最大值后不再变化,则所得到的具有最大适应的个体作为最优解输出,算法终止。