The invention discloses a knowledge-driven adaptive energy efficiency optimization method for turning process parameters, which includes the following steps: analyzing the energy consumption characteristics of turning process, establishing energy efficiency function and time function oriented to specific energy in turning process, and establishing cutting power, additional load loss, turning process parameters and processing conditions based on data-driven method. Regarding specific energy and processing time as optimization objectives, a two-stage adaptive energy efficiency optimization method for turning process parameters based on fuzzy reasoning is proposed to obtain the optimal combination of energy efficiency process parameters.
【技术实现步骤摘要】
基于知识驱动的车削加工工艺参数自适应能效优化方法
本专利技术涉及机械切削加工领域,具体涉及车削加工工艺参数自适应能效优化方法。
技术介绍
在现代数控加工中,机械加工工艺参数的选择直接关系到所加工产品的产品质量、生产效率、生产成本和设备利用率等指标。合理地选择机械加工工艺参数对提高生产效率,降低生产成本,改善产品质量有着非常重要的意义。目前,在大多数生产实际中,工艺参数的制定则大多为工艺人员凭借实际经验或切削手册制定,具有较大的主观性和可变性,按照此种方法所选择的工艺参数往往不是最优的,会导致生产效率低,能量利用率低和资源浪费等问题。因此,综合考虑机床能耗及传统目标进行加工工艺参数优化是一个亟须解决的基础科学问题。
技术实现思路
本专利技术提供一种基于知识驱动的车削加工工艺参数自适应能效优化方法,以优化加工参数从而降低加工过程中的能耗。为实现本专利技术目的而采用的技术方案是这样的,即一种基于知识驱动的车削加工工艺参数自适应能效优化方法。它包括以下步骤:步骤1:分析车削加工过程能耗特性,建立车削加工过程面向比能的能量效率函数及时间函数;步骤2:基于数据驱动的方式建立切削功率、附加载荷损耗与车削加工工艺参数、加工条件的回归模型;步骤3:以比能和加工时间为优化目标,提出了一种基于模糊推理的车削加工工艺参数自适应能效两阶段优化求解方法。优选地,步骤1中所述面向比能的能量效率函数和时间函数分别为:式中SECd表示面向直接能耗的比能效率,Pau-c为加工关联类辅助系统功率,Pau-st为动力关联类辅助系统功率,Pu为空载功率,Premoval为材料去除功率,Pad为附加载荷 ...
【技术保护点】
1.基于知识驱动的车削加工工艺参数自适应能效优化方法,其特征在于,包括以下步骤:步骤1:分析车削加工过程能耗特性,建立车削加工过程面向比能的能量效率函数及时间函数;步骤2:基于数据驱动的方式建立切削功率、附加载荷损耗与车削加工工艺参数、加工条件的回归模型;步骤3:以比能和加工时间为优化目标,基于模糊推理的车削加工工艺参数自适应能效两阶段优化方法进行求解。
【技术特征摘要】
1.基于知识驱动的车削加工工艺参数自适应能效优化方法,其特征在于,包括以下步骤:步骤1:分析车削加工过程能耗特性,建立车削加工过程面向比能的能量效率函数及时间函数;步骤2:基于数据驱动的方式建立切削功率、附加载荷损耗与车削加工工艺参数、加工条件的回归模型;步骤3:以比能和加工时间为优化目标,基于模糊推理的车削加工工艺参数自适应能效两阶段优化方法进行求解。2.根据权利要求1所述的基于数据驱动的车削加工工艺参数自适应能效优化方法,其特征在于:步骤3中基于模糊推理的车削加工工艺参数能效自适应两阶段优化的基本框架的过程为:(1)将挖掘的优化规则归纳为加工条件与工艺参数方案两论域间的模糊关系;(2)将加工条件论域的现有信息与归纳得到的模糊蕴含关系进行合成运算,推理出当前加工条件下工艺参数的优化方案。3.根据权利要求1所述的基于数据驱动的车削加工工艺参数自适应能效优化方法,其特征在于:步骤3中基于模糊推理的车削加工工艺参数能效自适应两阶段优化的第一优化阶段过程为:这一阶段主要工作为用户给定当次优化的输入条件,即机床、工件、刀具信息等加工条件信息,然后基于所提出的改进二进制粒子群的关联规则挖掘算法获取模糊关联规则初步推理出一条符合操作者逻辑的工艺参数方案;(1)关联规则挖掘,针对传统算法遍历整个数据库的时间较长的问题,采用一种改进的基于二进制粒子群的关联规则挖掘算法(PSO),根据本发明优化问题的特点,对PSO算法的关键步骤作了改进,具体如下:1)粒子编码方式针对车削加工能效优化问题,最终结果为一个规则集合,因而采用密歇根编码方式对每个粒子进行编码,即用一个粒子表示一条独立的关联规则,若事务集中含有N个事务,则粒子的位置由一个N维数组表示,粒子中的每个数组由两个部分表示,取值非0则1,第一部分表示该事务是否出现在规则中,1为出现,0为不出现;第二部分表示规则的前后件,前件为1,后件为0;2)适应度函数构建评价关联规则主要有两个指标:支持率FSup和置信度FConf,其中FSup体现能效优化规则的可用性,FConf体现能效优化规则的可靠性。因此,采用这两个目标来构建适应度函数:其中,对于模糊关联规则“x→y”,tj(μk)是样本j在模糊属性μk处的隶属度值,Ns是当前车间加工数据库中记录的个数,FSup(x)为模糊支持率;由于支持率和置信度的取值都为0-1,且取值越大越好,因此构造适应度函数如下:Fitness=FSup(x→y)×FConf(x→y)3)粒子更新Vid(t+1)=ωVid(t)+c1rand()×(Pbest(t)-Xid(t))+c2rand()×(Gbest-Xid(t))其中,Pbest表示粒子局部最优位置,Gbest...
【专利技术属性】
技术研发人员:李聪波,肖溱鸽,李玲玲,吕岩,寇阳,张孝锋,戴涛,
申请(专利权)人:重庆大学,重庆第二机床厂有限责任公司,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。