發(fā)布時間：2017-09-02 09:33

  本文關(guān)鍵詞：基于改進MEP的表面粗糙度建模及加工工藝參數(shù)多目標優(yōu)化

  更多相關(guān)文章： 工藝參數(shù) 表面粗糙度建模 多目標優(yōu)化 自適應(yīng)多表達式編程 快速非支配排序遺傳算法

【摘要】：工藝參數(shù)的選擇不僅直接關(guān)系到加工質(zhì)量的優(yōu)劣,對加工效率、機床與刀具的性能及能耗也有顯著影響。傳統(tǒng)數(shù)控切削加工中,主要通過加工手冊、工人經(jīng)驗選擇工藝參數(shù),往往難以獲得理想的效果。雖然也有對工藝參數(shù)優(yōu)化的研究,但常用的優(yōu)化措施主要通過經(jīng)驗公式進行,缺乏對實際加工過程的物理建模,優(yōu)化的結(jié)果往往與實際值有相當(dāng)程度的出入。因此,本文圍繞數(shù)控車削過程的表面粗糙度建模以及工藝參數(shù)優(yōu)化進行了深入的研究。(1)建立基于自適應(yīng)多表達式編程(IMEP)算法的表面粗糙度模型。闡述了多表達式編程(MEP)算法的基本原理,分析了MEP算法的優(yōu)缺點,對MEP算法在適應(yīng)度函數(shù)、交叉變異概率自適應(yīng)、交叉策略、多種群以及并行計算等方面進行改進,提出了自適應(yīng)多表達式編程(IMEP)算法。算例測試表明IMEP算法在收斂速度、收斂精度、進化效率等方面優(yōu)于MEP算法。建立了基于IMEP算法的數(shù)控車削加工的表面粗糙度模型,建模結(jié)果表明]MEP算法能夠高效地建立表面粗糙度的高精度顯式模型。(2)提出改進的快速非支配排序遺傳算法(NSGA-II-Improve),實現(xiàn)了多目標優(yōu)化模型的高速、高精求解。針對加工過程多目標優(yōu)化問題,采用NSGA-II算法的基本原理,改進了交叉算子、變異算子以及實現(xiàn)并行計算,優(yōu)化了快速非支配排序遺傳算法(NSGA-II)。算例測試表明,NSGA-II-Improve算法在運行效率、求解結(jié)果的收斂性和多樣性方面優(yōu)于NSGA-II算法,并且可以求得更大范圍的帕雷托解。(3)研究IMEP算法和NSGA-II-Improve算法在實際加工中的應(yīng)用。通過正交實驗獲得實際車削加工的表面粗糙度數(shù)據(jù),建立了基于IMEP算法的表面粗糙度模型,并且通過方差分析(ANOVA)分析了工藝參數(shù)對表面粗糙度的影響。采用NSGA-II-Improve算法對表面粗糙度模型以及能耗模型進行多目標優(yōu)化,并通過實驗對優(yōu)化后的工藝參數(shù)進行驗證。結(jié)果表明,NSGA-II-Improve算法可以高效的解決工藝參數(shù)的多目標優(yōu)化問題。
【關(guān)鍵詞】：工藝參數(shù) 表面粗糙度建模 多目標優(yōu)化 自適應(yīng)多表達式編程 快速非支配排序遺傳算法
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG519.1
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-11
• 第1章 緒論11-19
• 1.1 課題背景11-12
• 1.2 工藝參數(shù)優(yōu)化國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 單目標工藝參數(shù)優(yōu)化研究現(xiàn)狀12-14
• 1.2.2 多目標工藝參數(shù)優(yōu)化研究現(xiàn)狀14-15
• 1.3 單目標與多目標工藝參數(shù)優(yōu)化對比分析15-16
• 1.4 論文研究內(nèi)容與架構(gòu)16-19
• 1.4.1 論文主要研究內(nèi)容16-17
• 1.4.2 論文章節(jié)架構(gòu)17-19
• 第2章 表面粗糙度及建模19-25
• 2.1 表面粗糙度概述19-21
• 2.1.1 表面粗糙度形成過程19
• 2.1.2 表面粗糙度評定參數(shù)19-20
• 2.1.3 表面粗糙度對零件性能的影響20
• 2.1.4 表面粗糙度的計算方法20-21
• 2.2 減小表面粗糙度的方法21-22
• 2.3 表面粗糙度建模22-25
• 2.3.1 表面粗糙度常用建模方法22-23
• 2.3.2 表面粗糙度建模方法比較23-25
• 第3章 基于IMEP算法的表面粗糙度建模25-49
• 3.1 多表達式編程25-31
• 3.1.1 MEP算法概述25-27
• 3.1.2 遺傳算子27-28
• 3.1.3 MEP算法代碼復(fù)用28-30
• 3.1.4 算法流程30-31
• 3.1.5 MEP優(yōu)缺點分析31
• 3.2 改進的MEP算法31-35
• 3.2.1 適應(yīng)度函數(shù)的改進31-32
• 3.2.2 交叉變異概率自適應(yīng)性的改進32-33
• 3.2.3 交叉策略的改進33-34
• 3.2.4 多種群策略及并行計算34
• 3.2.5 改進后的MEP算法流程34-35
• 3.3 算例測試及對比分析35-43
• 3.3.1 算例測試35-42
• 3.3.2 算法對比分析42-43
• 3.4 基于IMEP算法的表面粗糙度建模方法43-44
• 3.4.1 基于IMEP的表面粗糙度建模方法43-44
• 3.4.2 表面粗糙度的IMEP算法設(shè)置及評價指標44
• 3.5 建模過程與測試44-49
• 3.5.1 基于IMEP的表面粗糙度建模44-45
• 3.5.2 測試分析45-49
• 第4章 改進的NSGA-Ⅱ多目標優(yōu)化算法49-69
• 4.1 多目標優(yōu)化問題概述49-53
• 4.1.1 多目標優(yōu)化問題數(shù)學(xué)描述49
• 4.1.2 多目標優(yōu)化基本概念49-50
• 4.1.3 多目標優(yōu)化算法50-52
• 4.1.4 常用多目標優(yōu)化算法對比52-53
• 4.2 帶有精英策略的非支配排序遺傳算法(NSGA-Ⅱ)53-57
• 4.2.1 快速非支配排序53
• 4.2.2 密度估計53-54
• 4.2.3 擁擠度比較操作符54-55
• 4.2.4 約束處理55
• 4.2.5 NSGA-Ⅱ算法流程55-57
• 4.2.6 NSGA-Ⅱ算法復(fù)雜度分析57
• 4.3 NSGA-Ⅱ改進57-62
• 4.3.1 交叉算子的改進57-59
• 4.3.2 變異算子的改進59-61
• 4.3.3 NSGA-Ⅱ算法其他改進措施61-62
• 4.4 改進的NSGA-Ⅱ算法的算例測試62-69
• 4.4.1 測試函數(shù)62-63
• 4.4.2 評價指標63-65
• 4.4.3 算例測試及分析65-69
• 第5章 表面粗糙度及能耗的多目標優(yōu)化69-83
• 5.1 表面粗糙度的實驗建模69-75
• 5.1.1 實驗設(shè)計69-70
• 5.1.2 表面粗糙度實驗70-72
• 5.1.3 表面粗糙度的實驗建模72-74
• 5.1.4 方差分析與響應(yīng)曲面分析74-75
• 5.2 多目標優(yōu)化75-81
• 5.2.1 設(shè)計變量75-76
• 5.2.2 約束條件76-77
• 5.2.3 目標函數(shù)77-78
• 5.2.4 多目標優(yōu)化求解78-81
• 5.3 實驗驗證81-82
• 5.4 總結(jié)82-83
• 第6章 總結(jié)與展望83-85
• 6.1 總結(jié)83-84
• 6.2 展望84-85
• 參考文獻85-91

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姜斌;梁士鋒;馮佳佳;;催化吸收穩(wěn)定系統(tǒng)的多目標優(yōu)化[J];計算機與應(yīng)用化學(xué);2008年01期

2 劉揚;模糊優(yōu)化與多目標優(yōu)化的類同性[J];大慶石油學(xué)院學(xué)報;1990年01期

3 覃孟揚;劉大維;羅永順;李玉忠;;基于灰色系統(tǒng)理論的車削參數(shù)多目標優(yōu)化(英文)[J];機床與液壓;2013年24期

4 厲小軍,俞歡軍,李紹軍,胡上序;進化多智能體技術(shù)在多目標優(yōu)化中的應(yīng)用[J];化工學(xué)報;2004年03期

5 韓方煜,賈小平;環(huán)境友好過程的建模和多目標優(yōu)化[J];計算機與應(yīng)用化學(xué);2004年01期

6 江沛;曹柳林;;聚酯工業(yè)生產(chǎn)縮聚過程的多目標優(yōu)化[J];計算機與應(yīng)用化學(xué);2007年11期

7 岳金彩;程華農(nóng);楊霞;鄭世清;韓方煜;;連續(xù)過程的多目標優(yōu)化[J];計算機與應(yīng)用化學(xué);2009年11期

8 邵輝;李晶;楊麗丹;;基于多目標優(yōu)化的危險化學(xué)品運輸模式探討[J];中國安全生產(chǎn)科學(xué)技術(shù);2010年02期

9 吳華武;胡鑫堯;;鋯鉿萃取分離系統(tǒng)參數(shù)的多目標優(yōu)化決策[J];計算機與應(yīng)用化學(xué);1991年04期

10 李云玲;;提升運輸多目標優(yōu)化控制系統(tǒng)設(shè)計[J];科技經(jīng)濟市場;2013年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張翔;;一種無歧義性的多目標優(yōu)化數(shù)值解法[A];中國農(nóng)業(yè)機械學(xué)會成立40周年慶典暨2003年學(xué)術(shù)年會論文集[C];2003年

2 羅亞中;;航天器軌跡多目標優(yōu)化研究評述[A];The 5th 全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2011年

3 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學(xué)術(shù)年會——提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學(xué)術(shù)年會論文集[C];2004年

4 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學(xué)術(shù)年會提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學(xué)術(shù)年會論文集[C];2004年

5 程鵬;唐雁;鄒顯春;;約束多目標優(yōu)化試驗函數(shù)產(chǎn)生器[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

6 賈小平;韓方煜;;多目標優(yōu)化及其在過程工程中的應(yīng)用[A];過程系統(tǒng)工程2001年會論文集[C];2001年

7 邢志祥;;滅火救援力量調(diào)集的多目標優(yōu)化[A];第一屆全國安全科學(xué)理論研討會論文集[C];2007年

8 孫力;樊希山;姚平經(jīng);;化工過程多目標優(yōu)化適宜解的模糊確定[A];第二屆全國傳遞過程學(xué)術(shù)研討會論文集[C];2003年

9 李穎t;昝建明;周建文;;多目標形貌優(yōu)化方法研究[A];結(jié)構(gòu)及多學(xué)科優(yōu)化工程應(yīng)用與理論研討會’2009（CSMO-2009）論文集[C];2009年

10 許碧霞;李兆江;;基于循環(huán)經(jīng)濟的城市污水多目標優(yōu)化配置分析[A];中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 徐志丹;基于生物地理算法的多目標優(yōu)化理論與應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

2 蔣慶;地下水時空變化及監(jiān)測網(wǎng)多目標優(yōu)化研究[D];華中科技大學(xué);2008年

3 陳瓊;演化多目標優(yōu)化多樣性保持策略及其應(yīng)用研究[D];武漢理工大學(xué);2010年

4 陳小紅;基于進化算法的高維多目標優(yōu)化問題求解方法及應(yīng)用[D];深圳大學(xué);2015年

5 劉鎏;多目標優(yōu)化進化算法及應(yīng)用研究[D];天津大學(xué);2010年

6 魏靜萱;解決單目標和多目標優(yōu)化問題的進化算法[D];西安電子科技大學(xué);2009年

7 孫靖;用于區(qū)間參數(shù)多目標優(yōu)化問題的遺傳算法[D];中國礦業(yè)大學(xué);2012年

8 楊光;求解多目標優(yōu)化問題的NWSA研究及其工程應(yīng)用[D];吉林大學(xué);2015年

9 張勇;區(qū)間多目標優(yōu)化問題的微粒群優(yōu)化理論及應(yīng)用[D];中國礦業(yè)大學(xué);2009年

10 何立華;資源不確定條件下項目調(diào)度多目標優(yōu)化研究[D];天津大學(xué);2013年

，

本文編號：777778