基于模糊的端铣加工参数多目标优化模型

分析了端铣加工参数传统优化模型的缺陷,引入模糊数学方法描述具有模糊性的经验参数、经验约束以及目标函数,建立了端铣加工参数的多目标模糊优化模型。根据模糊集合原理将模糊模型转化为一个传统的单目标非模糊优化问题,从而可采用任一非线性规划求解器进行求解,由于考虑了实际加工中多种模糊因素的影响,模糊优化模型更符合生产实际。算例表明,模糊优化解具有优越性。     

基于模糊神经网络的刀具磨损识别

为了实现刀具磨损状态的自动识别，采用机床功率法进行了刀具自然磨损和不同切削参数（切削速度、进给量和切削深度）对功率信号影响的实验。在此基础上，建立了功率信号的时序AR模型。在提取作为刀具磨损特征量的AR模型参数时，考虑了切削用量对模型参数的影响，提出了特征量选取的准则，使所提取的特征量更加实用化，通过具体自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数，并利用模糊神经网Fuzzy ART实现了刀具磨损状态的自动识别，识别正确率为95%，说明所提出的方法是有效可行的。     

氧化锆陶瓷车削刀具几何参数的多目标优化

通过氧化锆车削试验测得切削力和刀具磨损量,以工件材料去除量与刀具磨损量的比值作为刀具利用率的量化指标.采用粒子群算法改进BP神经网络,并以此对单因素试验值进行训练预测.采用最小二乘拟合,建立刀具利用率和切削力关于各刀具几何参数的一元模型,以相关系数检验模型的可靠性.基于一元模型,分别提出了刀具利用率和切削力关于刀具几何参数的多元模型.利用粒子群算法结合正交试验值对多元模型进行优化求解,并通过验证试验证明了多元模型具有较高的精度.将多元模型作为目标函数,以刀具利用率最大和切削力最小为优化目标,基于粒子群算法进行了刀具几何参数的多目标优化,验证试验结果表明优化得到的刀具几何参数是合理的.     

基于切削参数和刀具状态的铣削功率模型

以经典铣削力模型为基础，同时考虑刀具磨损的影响，建立了基于切削参数（主轴转速、进给量、背吃刀具（即切削深度）、工件材料及刀具材料）的铣削功率模型。试验证明，该铣削功率模型能正确反映铣削功率信号与刀具状态及各种切削参数之间的关系。     

车削氧化锆工程陶瓷中刀具几何参数对刀具磨损的影响

为研究刀具几何参数对车削可加工陶瓷的刀具磨损影响,以氧化锆工程陶瓷为加工对象,以刀具的体积磨损量作为刀具在不同几何参数下磨损程度的衡量标准,通过YG6刀具的外圆车削实验,研究了刀具前角、后角以及刀尖圆弧半径对刀具磨损的影响.实验结果表明:刀具的磨损形式主要是黏着磨损,并伴有部分磨粒磨损;刀具体积磨损量随前角变大,先缓慢...     

支持向量机在刀具磨损多状态监测中的应用

基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样本情况下的不同磨损阶段分类,并具有较高的识别精度.     

刀具磨损的人工神经网络估计

难以对刀具磨损进行较准确的监测与界定是目前国内外自动化加工中一个急待解决的课题。本文利用优化理论对ＢＰ网络的缺陷进行了分析，提出动态步长法等优化方法，并结合选择了对刀具状态较敏感而对加工条件变化稳定性的相对切削力比值作为特征量，将其方向用于刀具磨损量的估计，实验证明，采用的方法是正确的、有效的、可行的，可以广泛应用于工程技术领域。     

基于切削接触状况的车铣复合加工刀具磨损分析

确定了正交车铣复合加工中刀具的切削区域,以此作为边界条件,建立了计算刀具切削刃上任一点实际参与切削面积的模型;通过对该数学模型的编程计算,分析了不同切削参数下参与切削刀具切削刃上各点的磨损情况;最后通过切削正交实验,采用不同切削参数验证了文中所涉及模型及理论的正确性.     

滚齿加工参数的优化

本文分别以最大生产率(最短加工时间)、最低加工成本和最大利润率为目标,考虑实际加工中的主要约束条件,建立滚齿加工参数优化数学模型;采用BASIC语言编制优化程序。实例说明,滚齿加工参数的优化可获得显著的经济效益。     

基于改进无参数K-means算法的刀具状态分析

针对K-means算法需要人为确定聚类个数和随机选取初始聚类中心导致结果陷入局部最优的问题,结合基于密度峰值的聚类算法CFSFDP(Clustering by Fast Search and Find of Density Peaks),提出一种改进的无参数K-means算法。首先,计算样本点的局部密度和离散度。然后,建立决策图,将两个参数组成向量,计算每个点到周围5个点的距离,筛选出距离大于2倍均方差且密度大于平均密度的点作为算法的初始聚类中心,统计聚类中心个数k作为聚类个数,将初始聚类个数k以及初始聚类中心作为K-means算法的初始参数对数据进行聚类。最后,对UCI(University of California, Irvine)数据集、人工建立的高斯数据集以及真实刀具振动数据集3种不同类型的数据集进行聚类。结果表明,所提算法保持传统算法全局最优性,并验证了提出算法的有效性。由于K-means是一种无监督聚类方法,在获得较优刀具状态识别结果的同时,可减少人工数据标定、有监督训练等工作量及运算成本,这对于准确实时提取数控机床刀具运行状态具有较高的实际意义。     

多目标优化参数向单目标优化参数的转化研究

以夯实机冲击轮下落阶段进行运动分析为例,建立冲击轮动力参数的多目标优化模型,以水平速度变化率最小和垂直速度变化率最大为两追求目标.运用多目标优化方法中的线性加权和法对其进行优化处理,由多目标优化问题转化为单目标优化问题,运用MATLAB软件解得的最优解即为该多目标优化问题的有效解.使得优化后的冲击轮动力性能在水平方向和垂直方向上均有较大的改善.     

刀具磨损监测的神经网络实践

监测刀具磨损是自动化加工的一个很重要的研究课题，人工神经网络的出现，为刀具磨损的在线监测开创了广阔的前景，但在应用时出现了易被忽略的问题，例如常用的ＢＰ网络存在着收敛速度慢、易陷入局部极小点等缺陷。该文利用优化理论对ＢＰ网络缺陷进行分析，提出相应的改进措施，即神经网络分解算法，并用于刀具磨损量的估计，实验证明采用的方法是正确的。     

刀具磨损声振特性的功率谱分析

对车削加工中刀具磨损的切削声信号和振动信号进行了功率谱多参数分析，在诸多影响参数中，滤波功率谱值之和随刀具磨损量ＶＢ的变化规律最为显著，且谱散度分析对处于正常磨损阶段的刀具磨损程度估计与预报有一定价值。     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

基于改进Hough变换的刀具磨损状态监测

针对传统Hough变换的参数空间所需存储量大、运算量大、不利于实现实时监测等缺点,提出了一种基于随机Hough变换的改进Hough变换算法,并将该方法用于工件表面纹理图像的处理,通过对工件表面的二值边缘图像进行改进Hough变换,提取直线段平均长度及直线段与切削速度方向的夹角作为特征参数,实现对刀具磨损状态的判断.算法分析和实验结果表明,该算法所需存储空间少,计算量小;提取的特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现对刀具磨损状态的监测.     

浅论切削加工刀具的磨损原因及减少磨损的措施

刀具磨损直接影响加工效率，工件质量和成本。刀具的磨损是不可避免的，但是我们可以采取一定的措施使刀具的磨损减少。本文就造成这几种磨损的原因及减少磨损的措施进行了一些探讨。     

主轴系统动静态特性多目标优化

文章首先对国内外相关领域的现状进行了简单的介绍和评述,重点介绍了所采用的满意协调多目标优化方法,以及在优化前所进行的正交回归预处理。考核算例表明:优化效率显著提高,优化结果令人满意。     

参数多目标优化问题敏感分析

对于参数向量优化问题minK{f(ω,x)x∈G(ω)},其中f:W×X→Y是从赋范空间W和X的积到另一个赋范空间Y的Hadamard可微的单值映射,G:W→X是一个集值映射,K?Y是一个尖闭凸锥。应用集值映射的余切上图导数进行了灵敏度分析。     

基于多目标优化的电网弹性薄弱环节识别

加固电力系统中少数关键元件提升其抗外力冲击能力可以有效提升电力系统弹性。本文主要研究考虑弹性的电力系统薄弱环节识别。首先,基于弹性过程曲线提出了最大供电能力指标来定量刻画系统弹性,构建了最优潮流模型并通过单纯形法求解任意拓扑下电力系统能提供的最大供电能力。然后在此基础上构建多目标优化模型,以破坏元件数目和电网的最大供电能力两个指标作为目标函数,选取智能优化算法对建立的多目标优化模型进行求解计算。仿真结果表明与基于启发式算法相比,本文建立的的多目标优化模型能够有效识别电力系统中对弹性有重要影响的关键元件组合。     

基于灰色理论的多曲率油槽电火花成型加工参数优化

研究电火花加工参数对工艺指标的影响,为了实现加工参数的优化选择,使用紫铜电极对QT700-2进行了电火花加工试验,选择加工速度vm、电极损耗速度vE、双边侧面间隙S及相对损耗比θ作为工艺指标,采用灰色关联理论,分析了主要电参数对加工指标的影响关联程度,对主要电加工参数进行了优化,得出以单项工艺指标和多项工艺指标为优化目标的电加工参数组合.优化结果表明,优化后的电加工参数对减小电极损耗速度vE、双边侧面间隙S及相对损耗比θ具有比较明显的效果.