학술논문
自适应量子粒子群网络下的切削加工参数优化 / OPTIMIZATION OF MACHINING PARAMETERS BASED ON ADAPTIVE QUANTUM PARTICLE SWARM NETWORKS
Document Type
Academic Journal
Author
Source
机械强度 / Journal of Mechanical Strength. 45(5):1117-1123
Subject
Language
Chinese
ISSN
1001-9669
Abstract
为提升智能数控机床科技的加工质量和刀具耐磨度,并降低生产成本,提出一种自适应量子粒子群网络下的切削加工参数优化方法.为解决多目标数控切削参数优化的非线性与多约束问题,将粒子群方法(Particle Swarm Optimization,PSO)与改进 Elman网络结合,并在粒子群方法中引入量子机制,通过自适应惯性权值调节适应度,利用自适应动量反向传播(Back Propagation,BP)方法完成网络训练,在网络学习的过程中,获得最优数控切削参数.采用KMC800SU五轴立式数控机床完成 Matlab 2021a下的对比实验,以表面粗糙度为例,利用此方法加工的工件粗加工和精加工粗糙度能分别达到 7.6 μm、3.5 μm,而PSO方法仅能分别达到 8.6 μm、3.9 μm.结果表明,此方法相对于PSO方法的参数匹配更加合理,能够在较少的迭代次数下达到稳定和较优的表面粗糙程度、刀具耐磨度与平均最大完工时长.