基于改进遗传算法的大型船舶发动机缸体铣削方法技术

本发明专利技术公开了一种基于改进遗传算法的大型船舶发动机缸体铣削方法，铣削前，先建立缸体加工参数优化数学模型，再采用遗传算法对数学模型进行求解，得到铣削加工优化参数；包括如下步骤：生成初始化种群N，n＝0，t＝t

【技术实现步骤摘要】
基于改进遗传算法的大型船舶发动机缸体铣削方法
本专利技术涉及船舶发动机缸体加工
，特别的涉及一种基于改进遗传算法的大型船舶发动机缸体铣削方法。
技术介绍
船舶发动机缸体等精密零部件在投入实际大生产之前需要进行试切，首件试切周期长，极耗费人力物力，且加工参数选取不合理会造成数控机床利用率不高，限制加工机床生产效率，延长产品生产周期。其中，缸体侧面铣削用时相对较长，采用传统加工参数存在机床生产效率低及零件生产成本高等问题，亟需对加工参数进行优化，以提高机床利用率和产品生产率，保证稳定加工质量，同时减少人力物力耗费。
技术实现思路
针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种能够通过缸体侧面铣削仿真加工过程获取实际加工的最优参数，以提高船舶发动机缸体零件加工质量与生产效率的基于改进遗传算法的大型船舶发动机缸体铣削方法。为了解决上述技术问题，本专利技术采用了如下的技术方案：一种基于改进遗传算法的大型船舶发动机缸体铣削方法，其特征在于，实际生产加工铣削前，先对铣削加工参数进行优化，包括如下步骤：先建立缸体加工参数优化数学模型：其中，wi为相应目标函数权重；f1、f2、f3、f4为相应目标函数；vi为相应目标函数的铣削速度、fzi为相应目标函数的刀具每齿进给量、aei为相应目标函数的切削宽度、api为相应目标函数的切削深度、Fi为相应目标函数的主轴切削力和Pi为相应目标函数的加工功率；Fmax为主轴最大切削力；Pmax为龙门加工中心最大功率；lT为刀具切削刃长；dT为刀具最小直径；vmin为最小铣削速度；vmax为最大铣削速度；fzmin为最小刀具每齿进给量；fzmax为最大刀具每齿进给量；再采用遗传算法对数学模型进行求解，得到铣削加工参数；所述遗传算法包括如下步骤输入：种群数量N，最大进化次数Maxgen，初始退火温度t0，终止温度tf，模拟退火标准a；输出：多目标优化参数v,fz,ae,ap；Step1：生成初始化种群N，n＝0，t＝t0；Step2：判断算法终止条件，若满足n＜Maxgen∨t＜tf，则转到Step7，否则转到Step3；Step3：对第n代进行适应度评价，保留最佳个体适应度值Fbest；Step4：计算第n代的平均适应度值Favg，若满足Fbest＜Favg，则执行大变异操作，否则以普通变异概率生成第n+1代；Step5：计算第n+1代适应度值，找出最佳适应度值Gbest和最差适应度值Gbad，若满足Gbest＜Fbest，则Gbad＝Fbest；Step6：退火温度调节，t＝t×a，转向Step2；Step7：输出多目标优化参数。综上所述，本专利技术具有能够通过缸体侧面铣削仿真加工过程获取实际加工的最优参数，以提高船舶发动机缸体零件加工质量与生产效率等优点。附图说明图1为遗传算法改进流程框图。图2和图3为虚拟加工软件界面示意图。图4为大型船舶发动机缸体的设计模型图。图5为虚拟加工软件的多目标铣削参数优化结果参考图。图6为交叉概率对收敛性的影响。图7为变异概率对收敛性的影响。图8为虚拟加工软件的船舶发动机缸体飞轮侧面参数设置参考图。图9为优化前后飞轮侧面部分的NC代码比较示意图。具体实施方式下面结合实施例对本专利技术作进一步的详细说明。具体实施时，采用如下步骤进行：一、先建立多目标的缸体数控铣削参数优化模型1.1、建立优化模型前，先确定优化变量在船舶发动机缸体实际加工中，其加工质量主要由铣削速度v、刀具每齿进给量fz、切削宽度ae和切削深度ap决定，优化这四个设计变量对发动机缸体的加工精度和加工效率有非常重要的作用。1.2、确定目标函数1.2.1、船舶发动机缸体生产效率目标函数式中：t0为辅助时间；tm为切削时间，T为刀具耐用度，T＝CTvxtfzytaeztapwt；tc为换刀时间；d为刀具直径；L为切削长度；Z为齿数；v为铣削速度；fz为进给量；ae为切削宽度；ap为切削深度；CT为刀具寿命系数；xt、yt、zt、wt为铣削影响系数。其最大生产率目标函数为：1.2.2、船舶发动机缸体生产成本目标函数式中：C为生产成本；M为单位时间费用率；Ct为换刀刀具成本；Mtm为切削费用；Mt0为辅助费用；为换刀产生费用。1.2.3、船舶发动机缸体切削力振幅目标函数式中：xf、yf、zf、wf为铣削力影响因素。1.2.4、发动机缸体表面粗糙度目标函数式中：xr、yr、zr、wr为粗糙度影响因素。1.2.5、铣削参数多目标函数船舶发动机缸体实际加工需多个优化参数，引入加权系数，建立发动机缸体工艺参数多目标优化函数，其优化形式为：式中：wi为相应目标函数权重；f1、f2、f3、f4为相应目标函数。1.3、约束加工参数加工参数选取需切合实际以满足缸体加工要求，根据龙门加工中心制造船舶发动机缸体时的加工环境，对铣削参数进行约束，缸体加工约束条件为：式中：Fmax为主轴最大切削力；Fc为龙门加工中心切削力，CP、wF、yF、xF、uF为切削力系数；Pmax为龙门加工中心最大功率；η为龙门加工中心有效系数；lT为刀具切削刃长；dT为刀具最小直径。满足约束条件下，船舶发动机缸体加工参数优化形式如下:二、多目标遗传算法的改进遗传算法大体分为选择操作、交叉操作及变异操作，应用基本遗传算法在求解模型时会出现编码难度大、搜索时间过长，优化结果精度低等问题。本文从适应度函数、处理约束条件、精英保存及大变异操作对遗传算法进行改进。2.1、遗传算法的改进流程如图1所示，其算法流程如下输入：种群数量N，最大进化次数Maxgen，初始退火温度t0，终止温度tf，模拟退火标准a输出：多目标优化参数v,fz,ae,apStep1：生成初始化种群N，n＝0，t＝t0。Step2：判断算法终止条件。若满足n＜Maxgen∨t＜tf，则转到Step7，否则转到Step3。Step3：对第n代进行适应度评价，保留最佳个体适应度值Fbest。Step4：计算第n代的平均适应度值Favg，若满足Fbest＜Favg，则执行大变异操作，否则以普通变异概率生成第n+1代。Step5：计算第n+1代适应度值，找出最佳适应度值Gbest和最差适应度值Gbad，若满足Gbest＜Fbest，则Gbad＝Fbest。Step6：退火温度调节，t＝t×a，转向Step2。Step7：输出多目标优化参数。2.2、算法改进2.2.1、适应度函数在遗传算法中适应度函数决定搜索速度及搜索结本文档来自技高网...

【技术保护点】
1.一种基于改进遗传算法的大型船舶发动机缸体铣削方法，其特征在于，铣削前，先对铣削加工参数进行优化，包括如下步骤：/n先建立缸体加工参数优化数学模型：/n

【技术特征摘要】
1.一种基于改进遗传算法的大型船舶发动机缸体铣削方法，其特征在于，铣削前，先对铣削加工参数进行优化，包括如下步骤：
先建立缸体加工参数优化数学模型：



其中，i＝1,2,3,4，wi为相应目标函数权重；f1、f2、f3、f4为相应目标函数；vi为相应目标函数的铣削速度、fzi为相应目标函数的刀具每齿进给量、aei为相应目标函数的切削宽度、api为相应目标函数的切削深度、Fi为相应目标函数的主轴切削力和Pi为相应目标函数的加工功率；Fmax为主轴最大切削力；Pmax为龙门加工中心最大功率；lT为刀具切削刃长；dT为刀具最小直径；vmin为最小铣削速度；vmax为最大铣削速度；fzmin为最小刀具每齿进给量；fzmax为最大刀具每齿进给量；
再采用遗传算法对数学模型进行求解，得到铣削加工参数；所述遗传算法包括如下步骤

【专利技术属性】
技术研发人员：杜柳青，余永维，高骏，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆;50