基于能效的数控加工工艺参数优化模型及方法研究.docVIP

基于能效的数控加工工艺参数优化模型及方法研究

目录

TOC\o1-9\h\z\u目录 1

正文 1

文1：基于能效的数控加工工艺参数优化模型及方法研究 1

1.能量消耗模型构建 2

2.面向能效的多目标优化模型的建立 2

2．1时间目标函数 2

2．2成本目标函数 3

3.基于改进粒子群算法的优化模型求解要求解 4

4.实验验证 4

4．1实验条件 4

5.结束语 5

文2：基于神经网络的电阻点焊工艺参数优化 5

2点焊样本的选取 7

3神经网络 8

4结论 10

原创性声明（模板） 11

正文

基于能效的数控加工工艺参数优化模型及方法研究

文1：基于能效的数控加工工艺参数优化模型及方法研究

引言

随着资源和环境问题日益严峻，机床的能耗问题越来越受到关注。数控机床是装备制造业中的主体，具有自动化程度高、加工速度快等优势，已广泛应用于制造业的各个领域。然而数控机床结构复杂，能耗关系的衡量和确定也更加复杂，不仅制约着数控机床的发展，也给我国制造业带来了不利影响。因此，必须要加强对数控机床能耗的控制，以促进数控机床的发展。鉴于此，本文从能效控制的角度出发，对数控机床加工工艺参数优化模型及方法进行研究。

1.能量消耗模型构建

数控加工系统的结构主要包括数控机床、夹具、刀具和工件等[1]。有学者认为，数控加工阶段中数控机床是能量消耗的主体。影响数控机床能耗的因素很多，如液压系统、变频器等。但机床能量消耗比较复杂，在实际研究中通常将机床的能量消耗分为3个过程，具体可以用图1来表示。

式中:Etotal为加工总能耗;Est为待机过程消耗的能量;Eair为空载过程消耗的能量;Ecutting为加工过程消耗的能量;Pst为待机过程的功率;Pair为空载过程的功率;Pcutting为加工过程的功率。

2.面向能效的多目标优化模型的建立

根据上述能量消耗的特点，本文从时间目标函数、成本控制目标函数和能效目标函数3个方面构建多目标优化模型。

2．1时间目标函数

在加工工序中，加工工时tp由切削时间tm、换刀时间tc、工序辅助时间tot3个部分构成。在数控切削过程中，选择最短的加工工时，可极大提高零部件的生产效率。因此，时间目标函数可表示为:

tp=tm+tc+tot(3)

其中，切削时间tm与转速等有很密切的关系，具体的关系可以用式(4)表示。

式中:tct为换刀一次所用时间;Ttool为刀具寿命;Cv为综合考虑各种因素影响的常数;D为铣刀直径;Bm，Bh，Bp，Bt为校正系数;λs为表面粗糙度;m，av，uv，rv，nv，qv为相应指数;ap为切削深度;ae为切削宽度。综上所述即可得到最终的时间目标函数。

2．2成本目标函数

对数控机床工艺参数的优化，还涉及另外一个重要问题，那就是机床生产成本控制[2]。机床生产成本构成很复杂，包括运输成本、刀具成本、能耗成本等。为简化研究，只考虑刀具成本和机床消耗的电能成本。电能成本通常是指在数控机床零部件的加工中，直接消耗掉的电能费用;刀具成本是指每一把铣刀的成本，包括购买成本、维护成本等。结合上述的分析，可以将成本目标函数表示为两部分:

式中:Fc为切削力;vc为切削速度;η为数控机床有效系数;CF为工件材料和切削条件的主切削力影响系数;xF，yF，uF，qF，wF为背吃刀量、每齿进给量、铣削宽度、铣刀直径、转速的主切削力影响指数;KF为铣削力修正系数;Fcmax为机床最大切削力;Fd为考虑主轴偏差时所允许的力;E为主轴材料的弹性系数;e为主轴偏差的允许值;da为主轴直径;La为支撑点间距;Ｒa为表面粗糙度值;Ca为刀具的后角;［Ｒa］为工件所允许的最大表面粗糙度值;La为刀具的前角。

上述的多目标优化参数方程中，含义依次为:

(1)主轴转速应介于最高和最低转速之间。

(2)机床可提供最大和最小的进给速度。

(3)在切削功率方面，切削功率Pc应小于机床所能够提供的最大有效功率Pmax。

(4)在切削力方面，不能超过机床所能够提供的最大的切削力，同时主轴的切削力要小于轴所能够承受的切削力。

(5)在数控加工中，切削力应该小于主轴偏差时所能够承受的力。

(6)在加工中，工件的粗糙度应满足最低粗糙度。

3.基于改进粒子群算法的优化模型求解要求解

上述的多目标方程，需要采用合适的求解方法。在对多目标方程的优化中，通常会存在目标函数冲突的问题，如成本目标函数最低时，能量消耗目标函数和时间目标函数却达不到最优。因此在多目标优化过程中，存在很多无法比较优劣的解，也被称作非劣解[3]。对此本文提出一种多目标粒子群算法，通过搜索非劣解集合(即Archive集)的方式，得到最优的非劣解。具体算法的流程可以用图2来表示。

4.