1.一种基于混沌遗传算法的铣削参数多目标优化方法,其特征在于,包括如下步骤:S1:建立铣削参数多目标优化模型;
S2:将铣削参数通过Tent混沌映射得到初始种群Qt;
S3:将初始种群Qt带入混沌遗传算法对铣削参数多目标优化模型进行求解得到Pareto解集;Pareto解集即为铣削参数优化结果。
2.根据权利要求1所述的基于混沌遗传算法的铣削参数多目标优化方法,其特征在于,所述铣削参数的优化目标包括铣削力F和材料去除率MRR,所述铣削参数多目标优化模型的优化变量包括:铣削速度vc、铣削深度ap、铣削宽度ae和每齿进给量fz;铣削参数多目标优化模型如下:其中,C为影响常数;a1为铣削速度经验模型的指数系数;b1为铣削深度经验模型的指数系数;c1为铣削宽度经验模型的指数系数;d1为每齿进给量经验模型的指数系数;z为刀具齿数;d为刀具直径;Ra为工件表面粗糙度;Ramax为工件表面最大粗糙度;st为约束条件范围。
3.根据权利要求1所述的基于混沌遗传算法的铣削参数多目标优化方法,其特征在于,所述初始种群Qt的生成方法包括如下步骤:A1:使用Tent混沌映射随机生成得到随机数矩阵;随机数矩阵包括N行,V列个随机数x,x∈[0,1];N为设定的种群大小,V为铣削参数多目标优化模型的优化变量个数;
A2:将随机数矩阵中的随机数转换得到混沌值g(x);
xij=rand(0,1);
其中,xij为矩阵中第i行,第j列的随机数;
A3:将若干混沌值g(x)映射到铣削参数的取值区间[minvij,maxvij]中,得到初始种群Qt[z11,z12,z13,...zij...zNV];
映射过程的模型为:
zij=min vij+g(xij)(max vij‑min vij);
其中,zij即为混沌优化后的铣削参数。
4.根据权利要求1所述的基于混沌遗传算法的铣削参数多目标优化方法,其特征在于,所述混沌遗传算法对铣削参数多目标优化模型求解过程包括如下:S31:将初始种群Qt带入二元竞标赛得到变异子代种群Rt,并将初始种群Qt和变异子代种群Rt合并得到合并种群Zt;
S32:对合并种群Zt通过精英选择策略选出与初始种群Qt相同种群大小的迭代种群Pt;
S33:令Pt=Qt+1,返回S31执行迭代,直到迭代次数t达到最大时,输出得到迭代种群Ptmax,Ptmax即为铣削参数多目标优化模型的Pareto解集。
5.根据权利要求4所述的基于混沌遗传算法的铣削参数多目标优化方法,其特征在于,所述步骤S32包括:B1:对合并种群Zt进行非支配排序得到各个个体的层级;
B2:对各个个体的层级进行拥挤度计算得到同一层级相邻个体之间的拥挤度距离;
B3:根据得到的各个个体的层级和拥挤度距离选出迭代种群Pt:在合并种群Zt中随机抽取两个个体,
当两个个体为同一层级时,将层级序列值较小的个体纳入迭代种群Pt;
当两个个体为不同层级时,将拥挤距离较大的个体纳入迭代种群Pt,直到迭代种群Pt中的个体数量与初始种群Qt的个体数量相等。
6.根据权利要求4所述的基于混沌遗传算法的铣削参数多目标优化方法,其特征在于,所述混沌遗传算法的种群大小为70;迭代次数为150;变异概率为0.05;交叉差率为0.8。
7.一种基于权利要求1‑6任一所述的基于混沌遗传算法的铣削参数多目标优化方法进行铣削参数决策的方法,其特征在于,包括如下步骤:C1:对Pareto解集进行层次分析法计算得到铣削力主观权重 材料去除率主观权重和表面粗糙度主观权重C2:对Pareto解集进行熵权法计算得到铣削力客观权重 材料去除率客观权重 和表面粗糙度客观权重C3:根据主观权重 和 以及客观权重 和 计算得到铣削力综合权重W1、材料去除率综合权重W2和表面粗糙度综合权重W3;
C4:将综合权重带入TOPSIS法计算得到Pareto解集中每个个体的评分,选取评分最高的个体作为铣削参数的最佳参数。