文摘
确定最优切削参数是最重要的一个元素在任何金属零件的工艺设计。在本文中,一个新的优化技术,萤火虫算法,用于确定加工参数多通道将操作模式。认为目的是最小化生产成本下一组加工约束。使用萤火虫算法进行优化。给出了一个应用实例和解决来说明算法的有效性。
1。介绍
最优切削参数的选择,比如传球的数量,每个通过深度减少,饲料和速度,是一个非常重要的问题对于每一个加工过程(1]。
必须考虑几个削减约束在加工操作。将操作,可能可以完成切割过程与单通道或多传球。多通道将比在单次的把工业经济原因(2]。
加工参数的优化问题在多通道旋转变得非常复杂,当大量的实际制约因素必须被考虑3]。
传统上,数学规划技术图形方法(4),线性规划(5),动态规划(6,7),和几何编程(8,9被用于解决优化问题的加工参数多通道旋转。然而,这些传统方法的优化不超过一个广泛的问题域。此外,传统技术也许还不够强劲。许多约束和多个传递使加工复杂优化问题,因此这些技术并不适合解决此类问题,因为他们倾向于获得一个局部最优解。因此,metaheuristic算法开发了经济学解决加工问题,因为他们的力量在全球搜索。有一些优化切削参数(工作2,3,10- - - - - -14不同的情况下);作者一直试图带来的效用和遗传算法的优点,进化的方法,模拟退火。拟使用新的优化技术,萤火虫算法,加工的优化问题。
萤火虫算法(FA)是一个metaheuristic,自然,和优化算法是基于萤火虫的社会(闪烁)行为,或照明的bug,在夏季的天空在热带地区温度(5- - - - - -18]。它是由剑桥大学博士杨在2007年,它是基于群体行为如鱼、昆虫、鸟类教育。特别是,尽管萤火虫算法与其他算法有许多相似之处,都是基于所谓的群体智慧,如著名的粒子群优化(PSO),人工蜂群优化(ABC)和细菌觅食算法(论坛),这的确是简单得多的概念和实现(15,16,18,19]。此外,根据最近的参考书目,该算法是非常有效的,可以比其他传统算法,如遗传算法,求解许多优化问题,事实已经证明在最近的一次研究,在统计萤火虫算法的性能与其他著名的优化算法使用各种标准随机测试函数(20.]。
当前关注的应用一种新的优化技术,萤火虫算法,以确定最优的加工参数单位生产成本最小化多通道旋转。
2。切削过程模型
2.1。决策变量
在构造的优化问题,六个决策变量是:粗糙和精加工的切削速度粗、精加工、饲料利率,和深度的减少为每个通过粗、精加工。
2.2。目标函数
基于最小单位生产成本,的目标函数,则多通道将操作可以由方程(10]:
2.3。约束
有一些约束影响的选择最优切削条件和将被考虑。
粗糙和精加工的约束(如下面所列10]。
2.3.1。粗加工
参数范围。由于限制机器和刀具,由于安全的加工切削参数与底部和顶部容许极限是有限的:
刀具寿命限制。约束的生活是作为工具
切削力的约束。傅的最大切削力不应超过一定值更高的力量产生了震动和振动。这个约束是下面的:
权力约束。标称功率的机器限制了切削过程: 效率。
稳定的切割区域约束。这个约束给出
Chip-Tool界面温度约束。这个约束给出
2.3.2。精加工
所有其他的约束比粗糙的表面光洁度约束是相似的和精加工(21]。
表面光洁度的约束。在完成操作,获得的表面粗糙度必须小于指定值,由技术标准,满足以下方程:
约束为粗和完成参数的关系
粗略的数量削减。可能的粗糙的削减的数量限制 在哪里,
多通道的优化问题可以分为旋转子问题,在每一个粗糙的削减的数量是固定的。所以整个优化问题的解决方案分为搜索最优的结果子问题,其中最低的目标是整体优化问题(3]。
3所示。萤火虫算法(FA)
萤火虫算法受到生化和社会方面的真正的萤火虫。真正的萤火虫产生一个短暂而有节奏的flash,帮助他们在吸引(交流)交配伴侣,也是保护预警机制。FA制定这种闪烁的行为与优化问题的目标函数。以下三个规则是理想化的FA的基本配方。(我)萤火虫是男女皆宜的,萤火虫会相互吸引,不管他们的性。(2)吸引力和它们的亮度成正比,降低随着距离的增加两个苍蝇。因此,那些不那么聪明的人会走向光明的人。以防它无法检测鲜艳一点的随机移动。(3)一只萤火虫的亮度是由目标函数的景观。
3.1。萤火虫算法概念(17]
算法是在连续约束优化问题设置的任务是最小化代价函数为;也就是说,找到这样:
假设存在一个群解决优化问题的迭代和代理(萤火虫)一只萤火虫的代表一个解决方案在算法的迭代过程中,而表示其成本。
每个萤火虫都有其独特的吸引力这意味着它吸引了其他成员的群多强。作为一个萤火虫吸引力应该选择任何单调递减函数的距离选择的萤火虫例如,杨认为,指数函数: 在哪里和是预定的算法参数:最大魅力值和吸收系数,分别。
群的每个成员的特点是它的光强度可以直接表示为一个成本函数的逆。
最初所有的萤火虫都脱臼了(随机或雇佣一些确定性策略)。
有效地探索考虑搜索空间假定每一个萤火虫改变其位置反复考虑两个因素:其他群成员的吸引力与光强度更高,也就是说,,尽管,,这是不同的在距离和固定步随机向量。
如果没有可以找到光明的萤火虫只有随机步骤使用。
3.2。萤火虫算法的伪代码
看到伪代码1。
|
||||||||||||||||||||||||||||||||||||||||
4所示。应用实例
现在应用程序示例是演示和验证萤火虫算法(FA)的优化工艺参数多通道操作。中提到的参数用于数值应用程序表1。
4.1。结果与讨论
萤火虫算法运行与这些参数: (萤火虫的数量), (随机) (β)的最小值, (吸收系数)。
结果发现餐桌上提到的萤火虫算法2。
我们发现价值最低是1.9358美元,最低数量的粗糙的削减。
萤火虫算法的性能和其他表中可以看到3。
根据表3一个注意到萤火虫算法比其它算法会产生更好的结果。因此,萤火虫算法可以有效地解决多通道将操作的优化问题得到更好的结果在降低单位生产成本。
5。结论
本文提出了萤火虫算法优化求解多通道将操作问题。萤火虫算法的结果比较与那些来自最近的文献证明其有效性。
萤火虫算法的结果与遗传算法的结果相比,模拟退火粒子群智能,分散搜索,和蚁群的方法。
萤火虫算法获得最优解附近;它可以用于加工参数选择复杂的加工零件,需要许多加工约束。同时,它可以扩展到解决其他金属切割优化问题,如铣削和钻孔。
缩写
| : | 机器闲置成本由于装卸操作和工具空转时间(美元/件) |
| : | 实际时间削减成本的削减(美元/件) |
| : | 工具重置成本(美元/件) |
| : | 工具成本(美元/件) |
| : | 深度削减每通过粗糙和精加工(毫米) |
| : | 低,上界深度削减的粗加工(毫米) |
| : | 低,上界深度削减的精加工(毫米) |
| : | 深度的材料要删除(毫米) |
| : | 工件的直径和长度(毫米) |
| : | 饲料在粗糙和精加工(毫米/牧师) |
| : | 的进给速率低,上界粗加工(毫米/牧师) |
| : | 的进给速率低,上界精加工(毫米/牧师) |
| : | 切削力在粗糙和精加工(N) |
| : | 最大允许切削力(N) |
| : | 常量与刀具旅行和方法/起飞时间(分钟) |
| : | 直接劳动力成本+开销(元/分钟) |
| : | 前沿成本(美元/边缘) |
| : | 切削力方程的常数 |
| : | 常数与chip-tool界面温度方程 |
| : | 常数为粗和加工参数的关系 |
| : | 常量表达式相关地区稳定的切割 |
| : | 粗糙的数量削减(整数) |
| : | 的上下界 |
| : | 刀具寿命方程的常数 |
| : | 切割电源在粗糙和精加工(千瓦) |
| : | 最大允许切削功率(千瓦) |
| : | Chip-tool界面粗糙和精加工的温度(°C) |
| : | 最大允许chip-tool界面温度(°C) |
| : | 一个重量 |
| : | 刀具刀尖半径(毫米) |
| : | 稳定极限切削区域约束 |
| : | 最大允许表面粗糙度(毫米) |
| : | 刀具寿命,预计为粗加工刀具寿命,和精加工的刀具寿命 |
| : | 刀具寿命的加权组合和(分钟) |
| : | 上界和下界为工具的生活(分钟) |
| : | 单位生产成本除了材料成本() |
| : | 在粗糙和精加工切削速度(米/分钟) |
| : | 低,上界粗加工的切削速度(米/分钟) |
| : | 低,上界精加工的切削速度(米/分钟)。 |
利益冲突
作者宣称没有利益冲突有关的出版。