一种交点孔镗削参数优化方法、装置、设备及介质制造方法及图纸

本申请公开了一种交点孔镗削参数优化方法、装置、设备及介质，解决了现有技术中镗削参数优化方法不利于节能减排的问题。方法包括：根据训练样本对初始让刀量预测网络模型进行训练，以得到最终让刀量预测网络模型；根据优化变量和优化目标，构建镗削参数优化模型；对镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数；将满足第一预设条件的镗削参数输入最终让刀量预测网络模型以得到预测让刀量；根据预测让刀量，修改镗削参数优化模型，并返回对镗削参数优化模型进行求解以得到满足第一预设条件的镗削参数的步骤，直到得到的镗削参数满足第二预设条件。本申请能够实现在满足加工质量的条件下实现交点孔加工过程能耗、碳排放的降低。碳排放的降低。碳排放的降低。

【技术实现步骤摘要】
一种交点孔镗削参数优化方法、装置、设备及介质


[0001]本申请涉及飞机零部件加工领域，尤其涉及一种交点孔镗削参数优化方法、装置、设备及介质。

技术介绍

[0002]飞机交点孔加工是飞机装配环节中最重要的一个环节，其加工质量决定着飞机整机的装配质量。作为典型的机械制造过程，飞机交点孔镗削过程能耗、碳排放、让刀量等受镗削参数动态影响。传统研究主要采用人工经验选择镗削参数、人工通过加工一次测量一次消除让刀量对切削余量的影响，导致飞机交点孔加工过程费时费力、碳排放大，不利于节能减排。
[0003]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本申请的主要目的在于提供一种镗削参数优化方法、装置、设备及介质，旨在解决现有技术中镗削参数的优化方法不利于节能减排的技术问题。
[0005]为实现上述目的，本申请提供一种交点孔镗削参数优化方法，包括以下步骤：根据训练样本对初始让刀量预测网络模型进行训练，以得到最终让刀量预测网络模型，其中，所述初始让刀量预测网络模型基于LSTM循环神经网络构建，所述训练样本包括多次镗削加工过程的镗削参数和与所述镗削参数对应的让刀量，所述镗削加工过程包括多次粗镗削加工和至少一次精镗削加工；根据优化变量和优化目标，构建镗削参数优化模型，其中，所述优化变量包括所述镗削参数和粗镗加工次数，所述镗削参数包括切削深度、切削宽度、切削速度和进给量，所述优化目标包括加工碳排放和加工时间；对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数；将满足所述第一预设条件的镗削参数输入所述最终让刀量预测网络模型，以得到预测让刀量；根据所述预测让刀量，修改所述镗削参数优化模型，并返回所述对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数的步骤，直到得到的镗削参数满足第二预设条件。
[0006]作为本申请的一些可选实施例，所述根据优化变量和优化目标，构建镗削参数优化模型包括：根据空闲刀具参数、空闲机床参数和待加工镗孔信息，确定约束条件；根据所述优化变量和所述优化目标，构建优化目标函数，其中，所述优化目标函数包括加工碳排放函数、加工时间函数；根据所述约束条件和所述优化目标函数构建镗削参数优化模型。
[0007]作为本申请的一些可选实施例，所述加工碳排放函数的表达式如下所示：式中，CE(X)为所述加工碳排放函数，C
粗
为粗镗过程的碳排放量，C
精
为精镗过程的碳排放量，其中，粗镗过程的碳排放量通过下列公式计算：式中，为第i次粗镗过程的碳排放量，n为所述粗镗加工次数，n和i为正整数且1≤i≤n。
[0008]作为本申请的一些可选实施例，所述加工时间函数的表达式如下所示：式中，L粗为粗镗刀路径长度，L
精
为精镗刀路径长度，为第i次粗镗的进给量，f
v精
为精镗过程的进给量。
[0009]作为本申请的一些可选实施例，所述根据所述约束条件和所述优化目标函数构建镗削参数优化模型包括：根据所述优化目标函数建立镗削参数优化模型，其中，所述镗削参数优化模型如下所示：式中，minf1(x)为第一优化目标函数，minf2(x)为第二优化目标函数，CE（X）为所述加工碳排放函数，t（X）为所述加工时间函数；根据所述约束条件建立约束模型，其中，所述约束条件包括粗镗加工过程中的镗削参数范围约束、粗镗加工过程中的切削功率约束、粗镗加工过程中的切削力约束；精镗加工过程中的镗削参数范围约束、精镗加工过程中的切削功率约束、精镗加工过程中的切削力约束以及精镗加工过程中的表面粗糙度约束；粗镗加工过程和精镗加工过程的让刀量和切削余量约束。
[0010]作为本申请的一些可选实施例，所述对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数，包括：根据改进的松鼠搜索算法，对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数，其中，所述改进的松鼠搜索算法为将改进的非支配排序遗传算法的Pareto排序算子引入松鼠搜索算法中。
[0011]作为本申请的一些可选实施例，所述根据改进的松鼠搜索算法，对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数包括：设置粗镗加工次数为最小粗镗加工次数；
根据预设参数对算法参数进行设置，其中，所述预设参数包括种群数量、迭代次数、随机滑行距离、滑动常数、橡树向核桃树移动的松鼠数量、普通树向橡树移动的松鼠数量和普通树向核桃树移动的松鼠数量；根据预设公式和所述粗镗加工次数，初始化第一种群中每一个体的位置；对所述第一种群中个体进行评价，以得到每一个体的加工碳排放和加工时间；根据非支配排序算法对所述第一种群进行排序；根据预设分配规则将排序后所述第一种群中每一个体分配至山核桃树、橡树和普通树上，其中，所述山核桃树代表全局最优解，所述橡树代表局部最优解；根据新解产生规则生成第二种群；合并所述第一种群和所述第二种群，得到中间种群；根据所述非支配排序算法对所述中间种群进行排序；选取所述中间种群中前n个个体得到迭代后的第一种群，其中n为所述种群数量当迭代次数小于最大迭代次数时，根据迭代后的所述第一种群返回所述根据非支配排序算法对所述第一种群进行排序的步骤；当迭代次数等于最大迭代次数时，得到满足第三预设条件的镗削参数；当所述粗镗加工次数小于最大加工次数时，记录满足所述第三预设条件的镗削参数，以得到模型解集，使所述粗镗加工次数加一，并返回所述根据预设公式和所述粗镗加工次数，初始化第一种群中每一个体的位置的步骤；当所述粗镗加工次数大于等于所述最大加工次数时，根据所述非支配排序算法对所述模型解集进行排序，以获得满足第一预设条件的镗削参数。
[0012]作为本申请的一些可选实施例，所述根据预设分配规则将排序后所述第一种群中每一个体分配至山核桃树、橡树和普通树包括：获取每一个体的非支配排序序号和拥挤距离；将非支配排序序号为1并且拥挤距离为无穷的的个体分配至核桃树上，将非支配排序序号为1的其他个体分配至橡树，将其余所有的个体分配至在普通树。
[0013]为解决上述问题，本申请还提供了一种镗削参数优化装置，所述装置包括：训练模块，用于根据训练样本对初始让刀量预测网络模型进行训练，以得到最终让刀量预测网络模型，其中，所述初始让刀量预测网络模型基于LSTM循环神经网络构建，所述训练样本包括多次镗削加工过程的镗削参数和与所述镗削参数对应的让刀量，所述镗削加工过程包括多次粗镗削加工和至少一次精镗削加工；模型构建模块，用于根据优化变量和优化目标，构建镗削参数优化模型，其中，所述优化变量包括所述镗削参数和粗镗加工次数，所述镗削参数包括切削深度、切削宽度、切削速度和进给量，所述优化目标包括加工碳排放和加工时间；模型求解模块，用于对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数；预测模块，用于将满足所述第一预设条件的镗削参数输入所述最终让刀量预测网络模型，以得到预测让刀量；修改模块，用于根据所述预测让刀量，修改所述镗削参数优化模型，并返回本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交点孔镗削参数优化方法，其特征在于，包括以下步骤：根据训练样本对初始让刀量预测网络模型进行训练，以得到最终让刀量预测网络模型，其中，所述初始让刀量预测网络模型基于LSTM循环神经网络构建，所述训练样本包括多次镗削加工过程的镗削参数和与所述镗削参数对应的让刀量，所述镗削加工过程包括多次粗镗削加工和至少一次精镗削加工；根据优化变量和优化目标，构建镗削参数优化模型，其中，所述优化变量包括所述镗削参数和粗镗加工次数，所述镗削参数包括切削深度、切削宽度、切削速度和进给量，所述优化目标包括加工碳排放和加工时间；对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数；将满足所述第一预设条件的镗削参数输入所述最终让刀量预测网络模型，以得到预测让刀量；根据所述预测让刀量，修改所述镗削参数优化模型，并返回所述对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数的步骤，直到得到的镗削参数满足第二预设条件。2.如权利要求1所述的交点孔镗削参数优化方法，其特征在于，所述根据优化变量和优化目标，构建镗削参数优化模型，包括：根据空闲刀具参数、空闲机床参数和待加工镗孔信息，确定约束条件；根据所述优化变量和所述优化目标，构建优化目标函数，其中，所述优化目标函数包括加工碳排放函数、加工时间函数；根据所述约束条件和所述优化目标函数构建镗削参数优化模型。3.如权利要求2所述的交点孔镗削参数优化方法，其特征在于，所述加工碳排放函数的表达式如下所示：式中，CE(X)为所述加工碳排放函数，C
粗
为粗镗过程的碳排放量，C
精
为精镗过程的碳排放量，其中，粗镗过程的碳排放量通过下列公式计算：式中，为第i次粗镗过程的碳排放量，n为所述粗镗加工次数，n和i为正整数且1≤i≤n。4.如权利要求2所述的镗削参数优化方法，其特征在于，所述加工时间函数的表达式如下所示：
式中，L
粗
为粗镗刀路径长度，L
精
为精镗刀路径长度，为第i次粗镗的进给量，f
v精
为精镗过程的进给量。5.如权利要求2所述的交点孔镗削参数优化方法，其特征在于，所述根据所述约束条件和所述优化目标函数构建镗削参数优化模型包括：根据所述优化目标函数建立镗削参数优化模型，其中，所述镗削参数优化模型如下所示：式中，minf1(x)为第一优化目标函数，minf2(x)为第二优化目标函数，CE（X）为所述加工碳排放函数，t（X）为所述加工时间函数；根据所述约束条件建立约束模型，其中，所述约束条件包括粗镗加工过程中的镗削参数范围约束、粗镗加工过程中的切削功率约束、粗镗加工过程中的切削力约束；精镗加工过程中的镗削参数范围约束、精镗加工过程中的切削功率约束、精镗加工过程中的切削力约束以及精镗加工过程中的表面粗糙度约束；粗镗加工过程和精镗加工过程的让刀量和切削余量约束。6.如权利要求1所述的交点孔镗削参数优化方法，其特征在于，所述对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数包括：根据改进的松鼠搜索算法，对所述镗削参数优化模型进行求解，以得到满足第一预设条件的镗削参数，其中，所述改进的松鼠搜索算法为将改进的非支配排序遗传算法的Pareto排序算子引入松鼠搜索算法中。7.如权利要求6所述的交点孔镗削参数优化方法，其特征在于，所述根据改进的松鼠搜索算法，对所述镗削参数优...

【专利技术属性】
技术研发人员：田长乐，刘文，蓝玉龙，刘春，许亚鹏，谢宏伟，李世杰，丁冬冬，宋金辉，陈亮，杨冬，王强军，薛广库，任明国，邓蜀鹏，孟乐乐，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：