一種加工過程中工藝參數(shù)自學(xué)習(xí)優(yōu)化的滾齒加工方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及齒輪加工技術(shù)，尤其是涉及一種滾齒加工過程中對工藝參數(shù)進(jìn)行優(yōu)化 的加工方法。
【背景技術(shù)】
[0002] 在實(shí)際滾齒加工中，不同批次齒輪加工中，齒輪基本參數(shù)不同，加工要求不同，必 須對工藝加工參數(shù)進(jìn)行調(diào)整。而在同批次齒輪加工中，齒輪基本參數(shù)相同，加工要求相同， 但隨著加工的進(jìn)行，會出現(xiàn)滾刀微磨損、熱變形等多種情況，也需要進(jìn)行調(diào)整。目前無論是 人工通過查詢手冊進(jìn)行工藝參數(shù)決策，還是通過軟件進(jìn)行決策，參數(shù)多，調(diào)整麻煩，工藝人 員大多進(jìn)行重復(fù)工作，很少能夠做到工藝參數(shù)的自學(xué)習(xí)調(diào)整，調(diào)整低效，導(dǎo)致滾齒加工效率 低、加工成本高。且現(xiàn)有的工藝參數(shù)優(yōu)化方法沒有綜合考慮加工質(zhì)量，加工時(shí)間，加工成本， 能源消耗，環(huán)境影響等因素。
[0003] 現(xiàn)有對滾齒加工過程中工藝參數(shù)優(yōu)化問題的處理方法主要包括：（1)神經(jīng)網(wǎng)絡(luò)與 遺傳算法；（2)圖論與實(shí)例推理；（3)數(shù)值模擬與優(yōu)化算法；(4)差異演化算法。神經(jīng)網(wǎng)絡(luò)與 遺傳算法結(jié)合的優(yōu)化方法處理滾齒加工過程中工藝參數(shù)優(yōu)化問題時(shí)，綜合利用神經(jīng)網(wǎng)絡(luò)、 遺傳算法等多種人工智能技術(shù)，建立優(yōu)化模型，通過學(xué)習(xí)修正、記憶、實(shí)時(shí)適應(yīng)實(shí)際加工環(huán) 境并進(jìn)行工藝參數(shù)智能優(yōu)化。圖論與實(shí)例推理方法的基本思路是，以工藝實(shí)例為基礎(chǔ)，將圖 論作為工具分析工藝實(shí)例相似特征關(guān)聯(lián)，用實(shí)例推理技術(shù)進(jìn)行多屬性決策，得到最優(yōu)工藝 參數(shù)。數(shù)值模擬與優(yōu)化算法的基本思路是，從實(shí)際加工出發(fā)，以加工效果為目標(biāo)，建立了加 工工藝參數(shù)多目標(biāo)數(shù)學(xué)優(yōu)化模型，最后用優(yōu)化算法得到最優(yōu)加工工藝參數(shù)組合。差異演化 算法以加工效果為綜合目標(biāo)，運(yùn)用差異演化算法，進(jìn)行加工工藝參數(shù)的多元優(yōu)化。滾齒工藝 參數(shù)有其特殊性，且單一神經(jīng)網(wǎng)絡(luò)的輸出經(jīng)常出現(xiàn)不穩(wěn)定的現(xiàn)象，即泛化能力差，不能將上 述方法直接運(yùn)用于滾齒加工過程中的工藝參數(shù)自學(xué)習(xí)優(yōu)化中，目前在這方面的研宄是欠缺 的。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問題是，怎樣提供一種能夠提高加 工效果的滾齒加工方法，其能夠?qū)崿F(xiàn)滾齒加工過程中加工工藝參數(shù)不斷自學(xué)習(xí)優(yōu)化、并將 改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)和差分進(jìn)化算法相結(jié)合，以達(dá)到提高加工效果的目的。
[0005] 為了解決上述技術(shù)問題，本發(fā)明中采用了如下的技術(shù)方案：
[0006] 一種加工過程中工藝參數(shù)自學(xué)習(xí)優(yōu)化的滾齒加工方法，本方法采用數(shù)控高速滾齒 機(jī)實(shí)行滾齒加工，其特征在于，滾齒加工時(shí)，按照以下步驟進(jìn)行滾齒加工工藝參數(shù)的自學(xué)習(xí) 優(yōu)化，具體步驟為：
[0007] (1)實(shí)現(xiàn)滾齒加工效果評價(jià)模型的構(gòu)建；以加工質(zhì)量，加工時(shí)間，加工成 本，能源消耗，環(huán)境影響五個(gè)方面作為評價(jià)準(zhǔn)則，具體計(jì)算項(xiàng)目為表面粗糙度、切削 時(shí)間、刀具費(fèi)用、能耗利用率和廢液量，以此構(gòu)建滾齒加工效果評價(jià)模型，并用公式： = < +爭+ < +急+急計(jì)算某代種群的滾齒加工效果綜合評價(jià)值，其中Μ1，Μ2, M3,1 M5 分別是表面粗糙度、切削時(shí)間、刀具費(fèi)用、能耗利用率的倒數(shù)、廢液量在當(dāng)次加工過程中的 計(jì)算值，并存儲在數(shù)據(jù)庫中，ΜΛ M/，M/，M/，M/分別是上述表面粗糙度、切削時(shí)間、刀具費(fèi) 用、能耗利用率的倒數(shù)和廢液量的計(jì)算值在數(shù)據(jù)庫中的最小值，這些值只有在該代種群都 加工完后才能得到，F(xiàn)it為當(dāng)次滾齒加工效果綜合評價(jià)值；
[0008] (2)實(shí)現(xiàn)滾齒工藝參數(shù)優(yōu)化種群的生成；運(yùn)用改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)算法使得 決策輸入變量集轉(zhuǎn)化為決策輸出變量集，由決策輸出變量集構(gòu)成滾齒工藝參數(shù)優(yōu)化種群， 決策輸入變量包括工件模數(shù)、壓力角、齒數(shù)、螺旋角、齒寬、材料、布氏硬度、精度等級、齒坯 直徑、滾刀頭數(shù)、滾切類型和切削深度，決策輸出變量包括滾刀轉(zhuǎn)速、切削速度和進(jìn)給量，由 決策輸入變量和決策輸出變量組成工藝實(shí)例，將滾齒加工效果綜合評價(jià)值不超過5. 1的工 藝實(shí)例組成工藝實(shí)例集；
[0009] (3)實(shí)現(xiàn)滾齒加工工藝參數(shù)的自學(xué)習(xí)優(yōu)化；運(yùn)用步驟（2)中得到的滾齒工藝參數(shù) 優(yōu)化種群進(jìn)行滾齒加工，種群規(guī)模為NP，按照（1)中的計(jì)算方法，計(jì)算每個(gè)工藝實(shí)例i的滾 齒加工效果綜合評價(jià)值，i = 1，2,…，NP，得到并更新種群全局最優(yōu)工藝實(shí)例gbest，若滿足 截止條件，則用gbest表示的工藝參數(shù)組進(jìn)行后續(xù)的滾齒加工；否則依次進(jìn)行如下操作：種 群變異、交叉以及選擇；然后循環(huán)上述步驟，直到最終滿足截止條件，同批次的相同工件就 以gbest表示的工藝參數(shù)組進(jìn)行加工，并同時(shí)將gbest表示的工藝參數(shù)組存入工藝實(shí)例集， 完成滾齒加工工藝參數(shù)的自學(xué)習(xí)優(yōu)化。
[0010] 作為優(yōu)化，所述步驟（2)中的滾齒工藝參數(shù)優(yōu)化種群生成的具體步驟包括，
[0011] Stepl設(shè)定NP值，所用反向傳播神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)層數(shù)為3層，分別為輸入層、隱含 層和輸出層；輸入層神經(jīng)元數(shù)目Nin= 12,輸出層神經(jīng)元數(shù)目Nwt= 3,隱含層神經(jīng)元數(shù)目 Nmid= 2N out= 6 ;
[0012] St印2從工藝實(shí)例集中隨機(jī)抽取500個(gè)實(shí)例，其中450個(gè)作為訓(xùn)練樣本，用于神經(jīng) 網(wǎng)絡(luò)的監(jiān)督式學(xué)習(xí)訓(xùn)練，50個(gè)作為測試樣本，用于測試訓(xùn)練樣本的泛化能力，用均方誤差 MSE來表征神經(jīng)網(wǎng)絡(luò)的泛化能力；
[0013] Step3 若 MSEX). 03,則進(jìn)行 Step2,否則進(jìn)行 Step4 ;
[0014] St印4將新的滾齒加工問題轉(zhuǎn)化為決策輸入變量集Xin= [X i，X2，…，χη]，η = 12， Xl，X2，…，χη分別對應(yīng)決策輸入變量集各組成項(xiàng)，并進(jìn)行歸一化處理；
[0015] St印5將Xin放入訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)中運(yùn)行，運(yùn)行結(jié)果用反歸一化處理，可得到 決策輸出變量集Y tjut= [y P y2, y3]，yp y2, y3分別對應(yīng)決策輸出變量集各組成項(xiàng)，利用反向傳 播神經(jīng)網(wǎng)絡(luò)算法每一次運(yùn)行的輸出結(jié)果有一定波動的特性，運(yùn)行NP次，可得到由決策輸出 變量集組成的滾齒工藝參數(shù)優(yōu)化種群。
[0016] 本發(fā)明將改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)算法和差分進(jìn)化算法結(jié)合運(yùn)用，既能實(shí)現(xiàn)本次 滾齒加工過程中的工藝參數(shù)優(yōu)化，又能夠解決新的滾齒工藝參數(shù)優(yōu)化問題。本發(fā)明的滾輪 加工方法，基于一種獨(dú)特的滾齒加工工藝參數(shù)自學(xué)習(xí)優(yōu)化而實(shí)現(xiàn)，該滾齒加工工藝參數(shù)自 學(xué)習(xí)優(yōu)化中，抓住反向傳播神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn)，生成由決策輸出變量集組成的滾齒工藝 參數(shù)優(yōu)化種群，在滾齒加工效果評價(jià)模型的支持下，采用差分進(jìn)化算法實(shí)現(xiàn)種群優(yōu)化迭代； 利用最終得到的種群全局最優(yōu)工藝實(shí)例所代表的工藝參數(shù)組進(jìn)行后續(xù)的滾齒加工，即可達(dá) 到提高滾齒加工效果，即讓滾齒加工效果綜合評價(jià)值達(dá)到最優(yōu)。
[0017] 另外，本發(fā)明還具有以下技術(shù)效果：1、支持實(shí)例重用：滾齒加工效果綜合評價(jià)值 不超過5. 1的工藝實(shí)例會存入工藝實(shí)例集中，為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和測試樣本提供支 持。2、多方法結(jié)合：改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)算法克服了網(wǎng)絡(luò)收斂速度慢、訓(xùn)練時(shí)間長的難 點(diǎn)；差分進(jìn)化算法具備協(xié)調(diào)搜索的能力，即利用個(gè)體局部信息和群體全局信息指導(dǎo)算法進(jìn) 一步搜索。將這兩種方法有效的結(jié)合起來，既能克服兩者算法的缺點(diǎn)，又能夠解決新的滾齒 工藝參數(shù)優(yōu)化問題，從而解決現(xiàn)有的工藝參數(shù)優(yōu)化方法無法在滾齒加工過程中不斷優(yōu)化的 難題。
【附圖說明】
[0018] 圖1為本發(fā)明【具體實(shí)施方式】中滾齒加工過程中工藝參數(shù)自學(xué)習(xí)優(yōu)化步驟的示意 圖；
[0019] 圖2為本發(fā)明【具體實(shí)施方式】中滾齒加工效果評價(jià)模型的示意圖；
[0020] 圖3為本發(fā)明【具體實(shí)施方式】中滾齒工藝參數(shù)優(yōu)化種群生成過程的示意圖；
[0021] 圖4為本發(fā)明【具體實(shí)施方式】中反向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的示意圖；
[0022] 圖5為本發(fā)明【具體實(shí)施方式】中滾齒加工工藝參數(shù)的自學(xué)習(xí)優(yōu)化過程的示意圖。
【具體實(shí)施方式】
[0023] 本發(fā)明的思路是：利用改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)算法將決策輸入變量集轉(zhuǎn)化為決 策輸出變量集，并有決策輸出變量集組成差分進(jìn)化算法所需要的滾齒工藝參數(shù)優(yōu)化種群； 利用該種群進(jìn)行分別加工，在滾齒加工效果評價(jià)模型的支持下，差分進(jìn)化算法得以在滾齒 加工過程中讓工藝參數(shù)不斷優(yōu)化，滿足截止條件后，得到種群全局最優(yōu)工藝實(shí)例，即滾齒加 工效果綜合評價(jià)值最優(yōu)的工藝實(shí)例，用其進(jìn)行后續(xù)的滾齒加工并將其存入工藝實(shí)例集，當(dāng) 有新的滾齒加工問題時(shí)，循環(huán)上述步驟即可完成加工過程中滾齒工藝參數(shù)的自學(xué)習(xí)優(yōu)化。
[0024] 下面結(jié)合附圖和實(shí)施案例對本發(fā)明作進(jìn)一步說明，滾齒加工工藝參數(shù)優(yōu)化問題描 述如下：
[0025] 設(shè)滾齒加工工藝參數(shù)優(yōu)化問題記為Ip= (Q，L)，L = (XtoYtjut),其中，Q = Im1, m2,…，!^}，為待自學(xué)習(xí)優(yōu)化描述屬性的集合，η = 12 ;L = IL11L2,…，LleJ為反向傳 播神經(jīng)網(wǎng)絡(luò)所需的工藝實(shí)例集，Ien為工藝實(shí)例集中存儲的個(gè)數(shù)，為正整數(shù)，工藝實(shí)例L j = {{Xj;1，Xj，2,…，Xj，n}，{yj;1，yj， 2, yj，3}}，j = 1，2,…，len，Xj，xk為第 j 個(gè)工藝實(shí)例工藝方案的 第xk項(xiàng)決策輸入工藝參數(shù)，xk = 1，2,…，n，h，yk為第j個(gè)工藝實(shí)例工藝方案的第yk項(xiàng)決 策輸出工藝參數(shù)，yk = 1，2,3。
[0026] 本發(fā)明具體步驟如下，如圖1所示：
[0027] (1)實(shí)現(xiàn)滾齒加工效果評價(jià)模型的構(gòu)建；以加工質(zhì)量，加工時(shí)間，加工成 本，能源消耗，環(huán)境影響五個(gè)方面作為評價(jià)準(zhǔn)則，具體計(jì)算項(xiàng)目為表面粗糙度、切削 時(shí)間、刀具費(fèi)用、能耗利用率和廢液量，以此構(gòu)建滾齒加工效果評價(jià)模型，并用公式： Λ? = < +爭+ < +告+吾計(jì)算某代種群的滾齒加工效果綜合評價(jià)值，其中A A A M4,仏 分別是表面粗糙度、切削時(shí)間、刀具費(fèi)用、能耗利用率的倒數(shù)、廢液量在當(dāng)次加工過程中的 計(jì)算值，并存儲在數(shù)據(jù)庫中，ΜΛ M/，M/，M/，M/分別是上述表面粗糙度、切削時(shí)間、刀具費(fèi) 用、能耗利用率的倒數(shù)和廢液量的計(jì)算值在數(shù)據(jù)庫中的最小值，這些值只有在該代種群都 加工完后才能得到，F(xiàn)it為當(dāng)次滾齒加工效果綜合評價(jià)值；
[0028] (2)實(shí)現(xiàn)滾齒工藝參數(shù)優(yōu)化種群的生成；運(yùn)用改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)算法使得 決策輸入變量集轉(zhuǎn)化為決策輸出變量集，由決策輸出變量集構(gòu)成滾齒工藝參數(shù)優(yōu)化種群， 決策輸入變量包括工件模數(shù)、壓力角、齒數(shù)、螺旋角、齒寬、材料、布氏硬度、精度等級、齒坯 直徑、滾刀頭數(shù)、滾切類型和切削深度，決策輸出變量包括滾刀轉(zhuǎn)