基于改进MEP的表面粗糙度建模及加工工艺参数多目标优化
本文关键词:基于改进MEP的表面粗糙度建模及加工工艺参数多目标优化
更多相关文章: 工艺参数 表面粗糙度建模 多目标优化 自适应多表达式编程 快速非支配排序遗传算法
【摘要】:工艺参数的选择不仅直接关系到加工质量的优劣,对加工效率、机床与刀具的性能及能耗也有显著影响。传统数控切削加工中,主要通过加工手册、工人经验选择工艺参数,往往难以获得理想的效果。虽然也有对工艺参数优化的研究,但常用的优化措施主要通过经验公式进行,缺乏对实际加工过程的物理建模,优化的结果往往与实际值有相当程度的出入。因此,本文围绕数控车削过程的表面粗糙度建模以及工艺参数优化进行了深入的研究。(1)建立基于自适应多表达式编程(IMEP)算法的表面粗糙度模型。阐述了多表达式编程(MEP)算法的基本原理,分析了MEP算法的优缺点,对MEP算法在适应度函数、交叉变异概率自适应、交叉策略、多种群以及并行计算等方面进行改进,提出了自适应多表达式编程(IMEP)算法。算例测试表明IMEP算法在收敛速度、收敛精度、进化效率等方面优于MEP算法。建立了基于IMEP算法的数控车削加工的表面粗糙度模型,建模结果表明]MEP算法能够高效地建立表面粗糙度的高精度显式模型。(2)提出改进的快速非支配排序遗传算法(NSGA-II-Improve),实现了多目标优化模型的高速、高精求解。针对加工过程多目标优化问题,采用NSGA-II算法的基本原理,改进了交叉算子、变异算子以及实现并行计算,优化了快速非支配排序遗传算法(NSGA-II)。算例测试表明,NSGA-II-Improve算法在运行效率、求解结果的收敛性和多样性方面优于NSGA-II算法,并且可以求得更大范围的帕雷托解。(3)研究IMEP算法和NSGA-II-Improve算法在实际加工中的应用。通过正交实验获得实际车削加工的表面粗糙度数据,建立了基于IMEP算法的表面粗糙度模型,并且通过方差分析(ANOVA)分析了工艺参数对表面粗糙度的影响。采用NSGA-II-Improve算法对表面粗糙度模型以及能耗模型进行多目标优化,并通过实验对优化后的工艺参数进行验证。结果表明,NSGA-II-Improve算法可以高效的解决工艺参数的多目标优化问题。
【关键词】:工艺参数 表面粗糙度建模 多目标优化 自适应多表达式编程 快速非支配排序遗传算法
【学位授予单位】:浙江大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TG519.1
【目录】:
- 致谢4-5
- 摘要5-6
- Abstract6-11
- 第1章 绪论11-19
- 1.1 课题背景11-12
- 1.2 工艺参数优化国内外研究现状12-15
- 1.2.1 单目标工艺参数优化研究现状12-14
- 1.2.2 多目标工艺参数优化研究现状14-15
- 1.3 单目标与多目标工艺参数优化对比分析15-16
- 1.4 论文研究内容与架构16-19
- 1.4.1 论文主要研究内容16-17
- 1.4.2 论文章节架构17-19
- 第2章 表面粗糙度及建模19-25
- 2.1 表面粗糙度概述19-21
- 2.1.1 表面粗糙度形成过程19
- 2.1.2 表面粗糙度评定参数19-20
- 2.1.3 表面粗糙度对零件性能的影响20
- 2.1.4 表面粗糙度的计算方法20-21
- 2.2 减小表面粗糙度的方法21-22
- 2.3 表面粗糙度建模22-25
- 2.3.1 表面粗糙度常用建模方法22-23
- 2.3.2 表面粗糙度建模方法比较23-25
- 第3章 基于IMEP算法的表面粗糙度建模25-49
- 3.1 多表达式编程25-31
- 3.1.1 MEP算法概述25-27
- 3.1.2 遗传算子27-28
- 3.1.3 MEP算法代码复用28-30
- 3.1.4 算法流程30-31
- 3.1.5 MEP优缺点分析31
- 3.2 改进的MEP算法31-35
- 3.2.1 适应度函数的改进31-32
- 3.2.2 交叉变异概率自适应性的改进32-33
- 3.2.3 交叉策略的改进33-34
- 3.2.4 多种群策略及并行计算34
- 3.2.5 改进后的MEP算法流程34-35
- 3.3 算例测试及对比分析35-43
- 3.3.1 算例测试35-42
- 3.3.2 算法对比分析42-43
- 3.4 基于IMEP算法的表面粗糙度建模方法43-44
- 3.4.1 基于IMEP的表面粗糙度建模方法43-44
- 3.4.2 表面粗糙度的IMEP算法设置及评价指标44
- 3.5 建模过程与测试44-49
- 3.5.1 基于IMEP的表面粗糙度建模44-45
- 3.5.2 测试分析45-49
- 第4章 改进的NSGA-Ⅱ多目标优化算法49-69
- 4.1 多目标优化问题概述49-53
- 4.1.1 多目标优化问题数学描述49
- 4.1.2 多目标优化基本概念49-50
- 4.1.3 多目标优化算法50-52
- 4.1.4 常用多目标优化算法对比52-53
- 4.2 带有精英策略的非支配排序遗传算法(NSGA-Ⅱ)53-57
- 4.2.1 快速非支配排序53
- 4.2.2 密度估计53-54
- 4.2.3 拥挤度比较操作符54-55
- 4.2.4 约束处理55
- 4.2.5 NSGA-Ⅱ算法流程55-57
- 4.2.6 NSGA-Ⅱ算法复杂度分析57
- 4.3 NSGA-Ⅱ改进57-62
- 4.3.1 交叉算子的改进57-59
- 4.3.2 变异算子的改进59-61
- 4.3.3 NSGA-Ⅱ算法其他改进措施61-62
- 4.4 改进的NSGA-Ⅱ算法的算例测试62-69
- 4.4.1 测试函数62-63
- 4.4.2 评价指标63-65
- 4.4.3 算例测试及分析65-69
- 第5章 表面粗糙度及能耗的多目标优化69-83
- 5.1 表面粗糙度的实验建模69-75
- 5.1.1 实验设计69-70
- 5.1.2 表面粗糙度实验70-72
- 5.1.3 表面粗糙度的实验建模72-74
- 5.1.4 方差分析与响应曲面分析74-75
- 5.2 多目标优化75-81
- 5.2.1 设计变量75-76
- 5.2.2 约束条件76-77
- 5.2.3 目标函数77-78
- 5.2.4 多目标优化求解78-81
- 5.3 实验验证81-82
- 5.4 总结82-83
- 第6章 总结与展望83-85
- 6.1 总结83-84
- 6.2 展望84-85
- 参考文献85-91
【相似文献】
中国期刊全文数据库 前10条
1 姜斌;梁士锋;冯佳佳;;催化吸收稳定系统的多目标优化[J];计算机与应用化学;2008年01期
2 刘扬;模糊优化与多目标优化的类同性[J];大庆石油学院学报;1990年01期
3 覃孟扬;刘大维;罗永顺;李玉忠;;基于灰色系统理论的车削参数多目标优化(英文)[J];机床与液压;2013年24期
4 厉小军,俞欢军,李绍军,胡上序;进化多智能体技术在多目标优化中的应用[J];化工学报;2004年03期
5 韩方煜,贾小平;环境友好过程的建模和多目标优化[J];计算机与应用化学;2004年01期
6 江沛;曹柳林;;聚酯工业生产缩聚过程的多目标优化[J];计算机与应用化学;2007年11期
7 岳金彩;程华农;杨霞;郑世清;韩方煜;;连续过程的多目标优化[J];计算机与应用化学;2009年11期
8 邵辉;李晶;杨丽丹;;基于多目标优化的危险化学品运输模式探讨[J];中国安全生产科学技术;2010年02期
9 吴华武;胡鑫尧;;锆铪萃取分离系统参数的多目标优化决策[J];计算机与应用化学;1991年04期
10 李云玲;;提升运输多目标优化控制系统设计[J];科技经济市场;2013年03期
中国重要会议论文全文数据库 前10条
1 张翔;;一种无歧义性的多目标优化数值解法[A];中国农业机械学会成立40周年庆典暨2003年学术年会论文集[C];2003年
2 罗亚中;;航天器轨迹多目标优化研究评述[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年
3 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会——提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年
4 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年
5 程鹏;唐雁;邹显春;;约束多目标优化试验函数产生器[A];2008年计算机应用技术交流会论文集[C];2008年
6 贾小平;韩方煜;;多目标优化及其在过程工程中的应用[A];过程系统工程2001年会论文集[C];2001年
7 邢志祥;;灭火救援力量调集的多目标优化[A];第一届全国安全科学理论研讨会论文集[C];2007年
8 孙力;樊希山;姚平经;;化工过程多目标优化适宜解的模糊确定[A];第二届全国传递过程学术研讨会论文集[C];2003年
9 李颖t;昝建明;周建文;;多目标形貌优化方法研究[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
10 许碧霞;李兆江;;基于循环经济的城市污水多目标优化配置分析[A];中国地理学会2007年学术年会论文摘要集[C];2007年
中国博士学位论文全文数据库 前10条
1 徐志丹;基于生物地理算法的多目标优化理论与应用研究[D];哈尔滨工程大学;2013年
2 蒋庆;地下水时空变化及监测网多目标优化研究[D];华中科技大学;2008年
3 陈琼;演化多目标优化多样性保持策略及其应用研究[D];武汉理工大学;2010年
4 陈小红;基于进化算法的高维多目标优化问题求解方法及应用[D];深圳大学;2015年
5 刘鎏;多目标优化进化算法及应用研究[D];天津大学;2010年
6 魏静萱;解决单目标和多目标优化问题的进化算法[D];西安电子科技大学;2009年
7 孙靖;用于区间参数多目标优化问题的遗传算法[D];中国矿业大学;2012年
8 杨光;求解多目标优化问题的NWSA研究及其工程应用[D];吉林大学;2015年
9 张勇;区间多目标优化问题的微粒群优化理论及应用[D];中国矿业大学;2009年
10 何立华;资源不确定条件下项目调度多目标优化研究[D];天津大学;2013年
,本文编号:777778
本文链接:https://www.wllwen.com/kejilunwen/jiagonggongyi/777778.html