基于K-means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法制造技术

本发明专利技术公开了一种基于K

【技术实现步骤摘要】
基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法


[0001]本专利技术属于齿轮加工
，尤其涉及一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法。

技术介绍

[0002]目前绿色化、智能化的趋势给齿轮加工提出了更高的要求，在实际滚齿加工中，工艺人员建立了滚齿工艺参数之后，人工求解参数耗时较高，且难以获得满足用户需求的工艺参数。
[0003]本领域目前对滚齿过程中的滚齿工艺参数自动优化研究较少，尤其是在多目标的情况下。在实际滚齿加工中，在加工质量、时间、能耗上是矛盾的。已有成果表明三者难以同时达到最优。有些滚齿工艺参数能让加工质量最优，时间、能耗却很糟糕。另一些滚齿工艺参数能让时间、能耗最优，质量又难以满足要求。如何给用户提供更多的优化滚齿参数，满足用户不同需求是关键。所以使用一种基于机器学习和多目标启发式算法的方法去自动优化滚齿工艺参数，从而指导滚齿加工是新颖的，目前在这方面的研究是欠缺的。

技术实现思路

[0004]专利技术目的：本专利技术的目的在于提供一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，能够有效避免人工求解带来的难题，达到优化滚齿工艺参数的目的。
[0005]技术方案：本专利技术的一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，使用K
‑
means聚类解决基于历史加工案例确定工艺参数取值范围的问题；利用多目标饥饿游戏算法解决工艺参数多目标求解问题，并运行多次得到多组优化工艺参数，供用户选择，以满足用户对目标的不同需求，具体步骤如下：
[0006]S1：设定聚类数目N；
[0007]S2：归一化处理历史加工案例集L和待优化问题W，其中将历史加工案例集L和待优化问题W中的每个基础属性对应的数据归一化至0到1；
[0008]S3：基于N和归一化后的L，利用K
‑
means获得聚类中心以及案例簇；
[0009]S4：遍历聚类中心，寻找与归一化的待优化问题W距离最近的某个聚类中心，确定与待优化问题W最相似的案例簇；
[0010]S5：寻找待优化问题W的滚齿工艺参数初始范围LUB：确定最相似案例簇对应的滚齿工艺参数数值最小值与最大值，即为待优化问题W的滚齿工艺参数初始范围LUB；
[0011]S6：对饥饿游戏搜索算法HGS设计帕累托改进，得到多目标饥饿游戏算法MOHGS；
[0012]S7：利用多目标饥饿游戏算法MOHGS寻找针对待优化问题W的工艺参数并运行多次：其中基于已知的干切滚齿工艺参数多目标优化模型以及LUB，利用多目标饥饿游戏算法MOHGS进行多目标求解，求得的非劣解就是不同目标下的优化工艺参数，并运行多次，获得
多个优化工艺参数；
[0013]S8：输出优化工艺参数。
[0014]进一步的，步骤S2中，所述案例集L的属性包括工件模数f1、工件压力角f2、工件齿数f3、工件螺旋角f4、工件外径f5、工件齿宽f6、切削深度f7、滚刀直径s1、滚刀头数s2、主轴转速s3、轴向进给量s4；所述待优化问题W的属性为工件模数f1、工件压力角f2、工件齿数f3、工件螺旋角f4、工件外径f5、工件齿宽f6、切削深度f7。
[0015]进一步的，所述S3的具体步骤如下：
[0016]S3
‑
1：设定距离评判指标和比较阈值er，基于聚类数目N，从归一化的L中，随机选择N个案例作为N个聚类中心CC1,CC2,
…
,CC
N
，并设定N个案例簇case1,case2,
…
,case
N
；
[0017]S3
‑
2：计算案例l
i
与CC
j
的距离，离哪个聚类中心的距离最小，就将l
i
存入对应的case
j
，1≤j≤N，并删除原先该案例的存储信息；
[0018]S3
‑
3：计算每个case
j
的聚类中心(质心)，得CCN1,CCN2,
…
,CCN
N
；
[0019]S3
‑
4：计算CCN
j
和CC
j
之间的距离，如果有一对距离大于er，把每个CCN
j
赋值给CC
j
，并转至步骤3.2，如果任何一对距离均小于er，则转至步骤3.5；
[0020]S3
‑
5：输出聚类中心CC1,CC2,
…
,CC
N
以及案例簇case1,case2,
…
,case
N
。
[0021]进一步的，所述S4的具体步骤如下：
[0022]S4
‑
1：使用欧氏距离度量方法计算归一化的W与每个聚类中心的距离；
[0023]S4
‑
2：根据计算得到的距离值，确定其中的最小值，最小值对应的聚类中心CC
opt
即为与待优化问题W距离最近的聚类中心；
[0024]S4
‑
3：S4
‑
2中获得的CC
opt
对应的案例簇就是待优化问题W最相似的案例簇。
[0025]进一步的，所述S6的具体步骤如下：
[0026]S6
‑
1：定义种群MGP＝{X1,X2,
…
,X
n
}，X
i
表示MGP中的第i个个体，定义个体饥饿程度为一行向量hungry，hungry＝(hungry1,hungry2,
…
,hungry
n
)，hungry
j
表示第j个个体饥饿程度，所有hungry
j
的和为SHungry；
[0027]S6
‑
2：设置最大迭代次数Max_iter，非劣解存储库Archive_X中解的数量最大值maxArch，非劣解对应的适应度(优化目标E、Q和T)存储库Archive_Y的最大存储个数也为maxArch，当前迭代次数iter初始化为1，设定邻近区域判别系数rcir；
[0028]S6
‑
3：输入X
i
数值上限UB和下限LB，在该数值范围内对所有X
i
进行随机初始化；将所有hungry
j
初始化为0；
[0029]S6
‑
4：若iter≤Max_iter，跳转至步骤S6
‑
6，否则跳转至步骤S6
‑
17；
[0030]S6
‑
5：SHungry赋值为0；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，其特征在于，使用K
‑
means聚类解决基于历史加工案例确定工艺参数取值范围的问题；利用多目标饥饿游戏算法解决工艺参数多目标求解问题，并运行多次得到多组优化工艺参数，供用户选择，以满足用户对目标的不同需求，具体步骤如下：S1：设定聚类数目N；S2：归一化处理历史加工案例集L和待优化问题W，其中将历史加工案例集L和待优化问题W中的每个基础属性对应的数据归一化至0到1；S3：基于N和归一化后的L，利用K
‑
means获得聚类中心以及案例簇；S4：遍历聚类中心，寻找与归一化的待优化问题W距离最近的某个聚类中心，确定与待优化问题W最相似的案例簇；S5：寻找待优化问题W的滚齿工艺参数初始范围LUB：确定最相似案例簇对应的滚齿工艺参数数值最小值与最大值，即为待优化问题W的滚齿工艺参数初始范围LUB；S6：对饥饿游戏搜索算法HGS设计帕累托改进，得到多目标饥饿游戏算法MOHGS；S7：利用多目标饥饿游戏算法MOHGS寻找针对待优化问题W的工艺参数并运行多次：基于已知的干切滚齿工艺参数多目标优化模型以及LUB，利用多目标饥饿游戏算法MOHGS进行多目标求解，求得的非劣解就是不同目标下的优化工艺参数，并运行多次，获得多个优化工艺参数；S8：输出优化工艺参数。2.根据权利要求1所述的一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，其特征在于，步骤S2中，所述案例集L的属性包括工件模数f1、工件压力角f2、工件齿数f3、工件螺旋角f4、工件外径f5、工件齿宽f6、切削深度f7、滚刀直径s1、滚刀头数s2、主轴转速s3、轴向进给量s4；所述待优化问题W的属性为工件模数f1、工件压力角f2、工件齿数f3、工件螺旋角f4、工件外径f5、工件齿宽f6、切削深度f7。3.根据权利要求1所述的一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，其特征在于，所述S3的具体步骤如下：S3
‑
1：设定距离评判指标和比较阈值er，基于聚类数目N，从归一化的L中，随机选择N个案例作为N个聚类中心CC1,CC2,
…
,CC
N
，并设定N个案例簇case1,case2,
…
,case
N
；S3
‑
2：计算案例l
i
与CC
j
的距离，离哪个聚类中心的距离最小，就将l
i
存入对应的case
j
，1≤j≤N，并删除原先该案例的存储信息；S3
‑
3：计算每个case
j
的聚类中心，得CCN1,CCN2,
…
,CCN
N
；S3
‑
4：计算CCN
j
和CC
j
之间的欧式距离，如果有一对距离大于er，把每个CCN
j
赋值给CC
j
，并转至S3
‑
2；如果任何一对距离均小于er，则转至S3
‑
5；S3
‑
5：输出聚类中心CC1,CC2,
…
,CC
N
以及案例簇case1,case2,
…
,case
N
。4.根据权利要求1所述的一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，其特征在于，所述S4的具体步骤如下：S4
‑
1：使用欧氏距离度量方法计算归一化的W与每个聚类中心的距离；S4
‑
2：根据计算得到的距离值，确定其中的最小值，最小值对应的聚类中心CC
opt
即为与待优化问题W距离最近的聚类中心；S4
‑
3：S4
‑
2中获得的CC
opt
对应的案例簇就是待优化问题W最相似的案例簇。
5.根据权利要求1所述的一种基于K
‑
means聚类和多目标饥饿游戏算法的滚齿工艺参数优化法，其特征在于，所述S6的具体步骤如下：S6
‑
1：定义种群MGP＝{X1,X2,
…
,X
n
}，X
i
表示MGP中的第i个个体，定义个体饥饿程度为一行向量hungry，hungry＝(hungry1,hungry2,
…
,hungry
n
)，hungry
j
表示第j个个体饥饿程度，所有hungry
j
的和为SHungry；S6
‑
2：设置最...

【专利技术属性】
技术研发人员：曹卫东，李旭，李政衡，刘锐，
申请(专利权)人：河海大学，
类型：发明
国别省市：