多目標(biāo)QPSO-Elman網(wǎng)絡(luò)下的數(shù)控切削參數(shù)優(yōu)化*

韓輝輝，付 輝

(1.重慶工業(yè)職業(yè)技術(shù)學(xué)院，重慶 401120；2.蘭州理工大學(xué)電氣工程與信息工程學(xué)院，蘭州 730050)

0 引言

現(xiàn)代數(shù)控技術(shù)[1]早已成為智能化、柔性化和先進(jìn)化制造加工的關(guān)鍵性科技，而合理地設(shè)定切削參量對科學(xué)地應(yīng)用機(jī)床，提升加工質(zhì)量和刀具耐磨度，并降低生產(chǎn)花銷起重要作用。現(xiàn)有的生產(chǎn)制造過程往往依據(jù)技術(shù)人員的經(jīng)驗(yàn)或者參照數(shù)控機(jī)床切削說明書完成參數(shù)設(shè)置，為保證機(jī)床運(yùn)行正常，因而參數(shù)的選擇均較為保守。

以高生產(chǎn)質(zhì)量與低生產(chǎn)成本作為優(yōu)化目標(biāo)，結(jié)合最優(yōu)切削原理[2]與智能仿真算法構(gòu)建科學(xué)的切削數(shù)據(jù)集是國內(nèi)外學(xué)者爭相研究的課題。現(xiàn)有的研究多聚焦于粒子群算法(particle swarm optimization，PSO)、蟻群算法、深度學(xué)習(xí)等先進(jìn)方法。劉洋等[3]采用離散機(jī)制下的粒子群方法分解切削速率與切削深度，該方法可減弱表面粗糙度，但未充分考慮刀具磨損程度；鄧興國等[4]結(jié)合異步動(dòng)態(tài)學(xué)習(xí)因子與蟻群方法建立自適應(yīng)參數(shù)模型，該方法可規(guī)避傳統(tǒng)切削參數(shù)獲取方法復(fù)雜度高的問題，但進(jìn)給量和切削寬度結(jié)合度不高；LIU等[5]提出參數(shù)共享和梯度優(yōu)先的多智能體學(xué)習(xí)策略，實(shí)現(xiàn)均值切削處理，但此方法的刀具耐磨度不高；OZDEN等[6]利用深度學(xué)習(xí)結(jié)構(gòu)建立卷積網(wǎng)絡(luò)模型，該方法魯棒性明顯提升，但切削速率不佳；COPPEL等[7]在粒子群方法中引入模擬退火方法思想，獲得主軸速率、進(jìn)給參量與切削速率的三維圖，但此方法很難得到穩(wěn)定的切削參量。

本文提出一種多目標(biāo)QPSO-Elman網(wǎng)絡(luò)下的數(shù)控切削參數(shù)優(yōu)化方法，所引入的量子行為，能夠有效規(guī)避PSO方法收斂速率慢、無法實(shí)現(xiàn)全局收斂和易彌散等問題。……