[发明专利]一种基于混沌遗传算法的铣削参数多目标优化及决策方法

说明书

本发明公开了一种基于混沌遗传算法的铣削参数优化及决策方法，其包括如下步骤：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Q_t；S3：将初始种群Q_t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。本发明对铣削参数进行多目标优化通过Tent混沌映射得到初始种群，Tent混沌映射进行种群初始化能取得比伪随机数更好的效果，可以一定程度提高初始种群的均匀性，进而提高种群的多样性以及解的分布性；进而使得在混沌遗传算法对多目标优化模型进行求解时，得到的Pareto解集中任意个体即铣削参数运用在实际铣削加工后，能够使加工效率和加工质量得到优化。

技术领域

本发明涉及数控铣削加工领域，具体涉及一种基于混沌遗传算法的铣削参数多目标优化及决策方法。

背景技术

在数控铣削加工时，需要对铣削参数进行设定，一个合理的铣削参数组合能够使铣削加工的铣刀在保持工作效率或提高工作效率时，减少铣刀的磨损，增加铣刀的使用寿命，对于数控铣削作业来说，一个合理优秀的铣削参数组合能够降低生产成本，提高生产效率，铣削参数的选择是十分重要的。

现有技术中，铣削参数的选择往往是参照工厂以往的加工经验数据，配合人工的简单计算而决定的，这样的方式受到人为经验的限制，选择的铣削参数的加工效率并不能保证是最优的。并且，在实际生产加工过程中，铣削参数的优化目标往往有多个，不同的优化目标会使得铣削参数在选择时会发生冲突，影响实际加工效率。

发明内容

针对现有技术的上述不足，本发明提供了一种能够将铣削参数对多个优化目标进行优化选择，保证实际加工的工作效率的基于混沌遗传算法的铣削参数多目标优化方法。

为达到上述发明目的，本发明所采用的技术方案为：

提供一种基于混沌遗传算法的铣削参数多目标优化方法，其包括如下步骤：

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Q_t；

S3：将初始种群Q_t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。

进一步的，铣削参数的优化目标包括铣削力F和材料去除率MRR，铣削参数多目标优化模型的优化变量包括：铣削速度v_c、铣削深度a_p、铣削宽度a_e和每齿进给量f_z；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；Ra_max为工件表面最大粗糙度；st为约束条件范围。

进一步的，初始种群Q_t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；

A2：将随机数矩阵中的随机数转换得到混沌值g(x)；

随机数矩阵的包括N行，V列个随机数x，x∈[0,1]；

x_ij＝rand(0,1)；