自适应量子粒子群网络下的切削加工参数优化
OPTIMIZATION OF MACHINING PARAMETERS BASED ON ADAPTIVE QUANTUM PARTICLE SWARM NETWORKS作者机构:重庆工业职业技术学院重庆401120 兰州理工大学电气工程与信息工程学院兰州730050
出 版 物:《机械强度》 (Journal of Mechanical Strength)
年 卷 期:2023年第45卷第5期
页 面:1117-1123页
学科分类:12[管理学] 080503[工学-材料加工工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金项目(62001198) 甘肃省青年科技基金计划(21JR7RA247)资助
摘 要:为提升智能数控机床科技的加工质量和刀具耐磨度,并降低生产成本,提出一种自适应量子粒子群网络下的切削加工参数优化方法。为解决多目标数控切削参数优化的非线性与多约束问题,将粒子群方法(Particle Swarm Optimization,PSO)与改进Elman网络结合,并在粒子群方法中引入量子机制,通过自适应惯性权值调节适应度,利用自适应动量反向传播(Back Propagation,BP)方法完成网络训练,在网络学习的过程中,获得最优数控切削参数。采用KMC800SU五轴立式数控机床完成Matlab 2021a下的对比实验,以表面粗糙度为例,利用此方法加工的工件粗加工和精加工粗糙度能分别达到7.6μm、3.5μm,而PSO方法仅能分别达到8.6μm、3.9μm。结果表明,此方法相对于PSO方法的参数匹配更加合理,能够在较少的迭代次数下达到稳定和较优的表面粗糙程度、刀具耐磨度与平均最大完工时长。