西南交通大學碩士研究生學位論文第1 頁 摘要 切削用量的優選 對于保證加工質量 降低加工成本和提高勞動生產率來 說 具有重要的意義 在機床 刀具和工件等條件一定的情況下 應充分發揮 機床和刀具的功能和作用 以獲得生產的最大效益 若切削用量選擇得當 就 可最大限度地挖掘出生產潛力 這就是切削用量的最優化 本論文研究的目的 就在于探索將遺傳算法應用于車削用量的優化 以獲取最大生產率的理論和方 法 論文首先提出了本課題的來源和研究背景 指出了研究的意義 應用前景 和本文的工作 文章簡單介紹了優化算法的基礎知識 對車削用量優化問題進 行了理論分析 確定了切削用量的目標函數和其約束條件 并簡單介紹了具有 全局隨機搜索能力的解決問題的工具 遺傳算法 對遺傳算法的原理 操作 及應用進行了說明 為后面模型的計算打下了基礎 隨后 在一定的假設前提 下建立了切削用量優化的數學模型 將遺傳算法應用于車削用量優化的問題做 了一些探索性的工作 進行了有益的嘗試和分析 結果表明本文算法比較優越 實例應用和數值分析說明了該遺傳算法在解決這類問題中的有效性和實用性 對生產實際有一定的指導意義 具有一定的社會和經濟價值 最后 論文對全 文的工作做了總結 分析了存在的闖題和缺陷 并對今后的研究工作方向作了 展望 關鍵詞 車削用量 優化設計 m a t l a b 遺傳算法 最大生產率 西南交通大學碩士研究生學位論文第l i 頁 a b s tr a c t t og u a r a n t e et h ep r o c e s s i n gq u a l i t y r e d u c ep r o c e s s i n gc o s t sa n di m p r o v el a b e r p r o d u c t i v i t y o p t i m i z i n gc u t t i n gp a r a m e t e r sc h o s e ni so fg r e a ts i g n i f i c a n c e i ns u c h c o n d i t i o n w h e nt h em a c h i n et o o l s c u t t i n gt o o l sa n dw o r kp i e c e sc o n d i t i o n si si n c e r t a i nc i r c u m s t a n c e s w es h o u l dg i v ef u l lp l a yt ot h ef u n c t i o no f m a c h i n et o o l sa n d c u t t i n gt o o l s t oa c h i e v et h eg r e a t e s tp r o d u c t i o ne f f i c i e n c y i fc u t t i n gp a r a m e t e r c h o i c e sp r o p e r l y c a nm a x i m i z et h ep r o d u c t i o np o t e n t i a l n a m e l yc u r i n gp a r a m e t e r s o p t i m i z a t i o n t h ep u r p o s eo ft h i sp a p e ri st oe x p l o r ea n dr e s e a r c hi n t ot h et h e o r y a n dm e t h o d so fa p p l y i n gg e n e t i ca l g o r i t h m st o o p t i m i z ec u r i n gp a r a m e t e r si n t u r n i n gt om a x i m i z ep r o d u c t i v i t y 1 1 艙p a p e rf i r s tp r o p o s e st h er e s e a r c ho r i g i na n dt h eb a c k g r o u n do ft h i st o p i c h a v ep o i n t e do u tt h i sr e s e a r c hs i g n i f i c a n c e t h ea p p l i c a t i o np r o s p e c ta n dt h ew o r ko f t h i sa r t i c l e t h ea r t i c l eb r i e f l yi n t r o d u c e dt h ee l e m e n t a r yk n o w l e d g eo f o p t i m i z a t i o n a l g o r i t h m s c a r r i e do nt h et h e o r e t i c a la n a l y s i st ot h eq u e s t i o no fo p t i m i z a t i o nt o c u r i n gp a r a m e t e r s i nt u r n i n g d e t e r m i n e dt h eo b j e c t i v ef u n c t i o no fc u t t i n g p a r a m e t e r sa n di t sr e s t r a i n tc o n d i t i o n s a n di n t r o d u c e das i m p l et o o it h a th a sr a n d o m s e a r c hc a p a b i l i t yf o rs o l v i n gp r o b l e m s 一 g e n e t i ca l g o r i t h m s e x p l a i n e dt h e g e n e t i ca l g o r i t h mt h e o r y o p e r a t i o na n da p p l i c a t i o n t h e s eb u i l tt h ef o u n d a t i o nf o r t h eb e h i n dm o d e lc a l c u l a t i o n s u b s e q u e n t l y u n d e rt h ec e r t a i ns u p p o s i t i o np r e m i s e e s t a b l i s h e dt h em a t h e m a t i c a lm o d e lo ft h ec u r i n gp a r a m e t e r so p t i m i z e s d i ds o m e e x p l o r a t o r yw o r k c a r r i e do nt h eb e n e f i c i a la t t e m p ta n dt h ea n a l y s i st h a ta p p l i e dt h e g e n e t i ca l g o r i t h m st oo p t i m i z et h ec u t t i n gp m m n e t e r si n t u r n i n g 1 r i 倫r e s u l t i n d i c a t e dt h ec a l c u l a t i o nm e t h o do ft h i sa r t i c l ew i ub es u p e r i o r e x a m p l e so ft h e a p p l i c a t i o na n dn u m e r i c a la n a l y s i sd e s c r i b e dt h ev a l i d i t ya n dt h ep r a c t i c a b i l i t yo f t h e g e n e t i ca l g o r i t h mi ns o l v i n gs u c hi s s u e s a n d o fac e r t a i ns i g n i f i c a n c ei nt h ea c t u a l p r o d u c t i o n ac e r t a i nd e g r e eo fs o c i a la n de c o n o m i cv a l u e f i n a l l y s u m m e du pt h e o v e r a l lw o r k so ft h ep a p e r s a n a l y z e dt h ep r o b l e m sa n ds h o r t c o m i n g s a n dt h e d i r e c t i o no f av i s i o no f t h ef u t u r er e s e a r c hw o r k k e yw o r d c u r i n gp a r a m e t e r si nt u r n i n g o p t i m i z e dd e s i g n m a t l a b g e n e t i c a l g o r i t h mc a l c u l a t i o n m a x i m u mp r o d u c t i v i t y 西南交通大學碩士研究生學位論文第1 頁 第1 章緒論 1 1 課題研究的背景和來源 位于川西平原 景色優美的德陽 因重大技術裝備而聞名 2 0 世紀5 0 年代 國家將德陽定位為我國的 母機工業基地 先后在這里建成了中國 第二重型機械集團公司 東方電機股份有限公司和東方汽輪機廠等大型國有 骨干企業 這批企業在全國裝備制造業中占有重要地位 近幾年來 德陽市 委 市政府抓住國家產業政策調整和西部大開發的歷史機遇 重新審視傳統 裝備業的優勢和劣勢 提出用高新技術和先進適用技術改造傳統產業 創造 德陽重大技術裝備產業新優勢的發展思路 經過3 年多的努力 二重 東電 東汽 三大廠 不斷發展壯大 一大批中小配套企業穩步發展 德陽重大技 術裝備制造業的整體實力顯著增強 通過一手抓龍頭 一手抓配套 德陽的 重裝龍頭企業和中小企業得到了相得益彰的發展 形成了以三大廠為核心的 德陽重裝基地制造業企業集群 產業集中度和專業化水平大幅度提高 裝備 工業產業鏈已經形成 機械制造業是德陽市工業經濟中第一大主導產業 據了解 我市目前共 有各類機械加工企業2 0 0 多家 其中有i 0 0 余家上規模企業 發展勢頭良好 2 0 0 2 年1 月3 0 日 市委書記 市人大常委會主任李成云在市科技顧問團 召開的相關研討會上明確提出 要把德陽建設成為重大技術裝備制造業基 地 由此拉開了我市打造重大技術裝備 航空母艦 的大幕 2 0 0 2 年春天 德陽市委 市政府邀請1 0 0 多名省內外專家 學者和技術骨干 走進重裝基 地進行深入調研 在此基礎上形成了德陽用高新技術提升傳統產業的改革與 發展方案 德陽市緊鑼密鼓地實施了二重 東電 東汽等國有裝備制造業企 業內部改革 幫助企業分離社會職能 建立現代企業制度 做強主業 做大 輔業 以裝備制造業重點項目為紐帶 德陽與清華大學 華中科技大學 西 南交通大學 四川大學等國內外大專院校 科研院所合作 實施人才軟性流 動 開展科技攻關 建立該市裝備制造業人才培訓體系 德陽還從經濟結構 優化和加大技改投入方面入手 為可持續發展奠定了堅實的基礎 同時 通 過創新人才激勵機制來調動各類人才的積極性和創造性 激活人才的聰明才 智 進一步把德陽厚重的人才優勢轉化為技術優勢 2 0 0 3 年 省政府 關于加 快我省重大技術裝備制造業發展的意見 出臺 德陽被納入 i 8 工程 國 西南交通大學碩士研究生學位論文第2 頁 家科技部也把德陽列為 用高新技術改造提升傳統裝備制造業試點城市 和 制造業信息化工程重點城市 近兩年來 在省委 省政府的領導下 我市通過整合資源 改造提升 發揮比較優勢 完善和延伸產業鏈條 做大做強重大技術裝備制造業 取得 了明顯成效 二重 東電 東汽分別與6 0 多家中小企業簽訂了協作協議 成 立了中小企業擔保中心 為7 2 家企業提供了1 6 3 億元的貸款擔保 綿竹市 把支持東汽發展作為地方經濟發展的重大戰略之一 充分利用東汽高新技術 人才資源 建立了綿竹機械加工園區 目前 綿竹市機械加工企業已發展到 4 9 家 僅2 0 0 3 年就新增2 2 家 旌陽區以二重 東電 東汽 東電工為依托 促進機械制造 電線電纜 電子器件 工業泵和開關 汽車配件等5 個相關 產業的發展 目前 收入超過1 0 0 萬元的機械加工企業達到9 0 家以上 其中 有2 0 余家直接為三大廠配套生產 產業群的形成 吸引了大量民間資金投入 裝備業 2 0 0 3 年 德陽市投入到重裝基地建設的民營資本超過2 億元 德陽 依靠高新技術做大做強裝備制造業 有力地促進了全市工業經濟快速增長 德陽市市長方小方介紹說 2 0 0 3 年 全市1 0 2 家規模以上機械行業工業企業 實現工業總產值9 7 3 億元 同比增長2 9 實現銷售收入9 6 2 億元 增長 3 2 實現利稅8 6 億元 增長4 6 德陽的經濟社會發展由此獲得了強勁 的動力 2 0 0 5 年 黨和國家領導溫家寶 賈慶林 黃菊到德陽視察時 對德陽重 裝基地建設作了很重要的指示 市委書記李成云就此提出 我們要抓住裝備 工業前所未有的發展機遇 把德陽建成真正意義上的中國重大裝備制造業基 地 政府和企業已經認識到 要靠高新技術占領市場制高點 占領了技術的 制高點 就能占領市場的制高點 先進生產力中 科學技術是最重要的要素 所以近年來 德陽正在把技術創新作為謀求重裝發展的源動力 金屬切削加工機床是工業生產中最重要的裝備設施 自從有了金屬切削 加工 就出現了金屬切削用量的選擇問題 隨著社會的進步 生產力的發展 特別是金屬切削機床的問世與改進和對刀具深入的研究 人們逐漸把包括切 削用量選擇在內的經驗加以總結 形成文獻 以供使用時參考 美國工程師 泰勒發現了切削速度與道具耐用度之間的關系 即著名的泰勒公式以后 人們開始用數學分析實際經驗數據選擇合理的切削用量 兩次世界大戰也大 大的刺激了金屬切削加工 工程師們人員對金屬切削用量的選擇問題更加關 注 工業院校在金屬切削原理課程中也專門討論這個問題 經驗法 查表法 西南交通大學碩士研究生學位論文第3 頁 計算法及圖解法是選擇切削用量的傳統方法 5 0 年代以來 興起了電子計算 機技術革命 人們借助于計算機進行切削用量優選并已取得了進展 更有人 引入系統工程及人工智能的理論 應用專家系統來解決切削用量的選擇問題 為低耗 高效 高度現代化金屬切削加工開辟了一個廣闊的前景 而眾所周知 德陽加工設備以重型加工 粗加工設各為主 而機械行業 重型加工中 是以表皮去除 快速去切除加工余量為主要目的的 所以提高 效率是關鍵 但是由于受到生產裝備和生產任務的技術約束 往往不允許任 意提高切削用量 所以切削用量的選擇至關重要 基于遺傳算法的最大生產 率的車削用量優化 正是在這樣的情況下提出的德陽市的一個市級課題 1 2 國內外研究狀況綜述 1 2 1 切削用量選擇的研究現狀 切削用量的優選 即選擇合理的切削深度a d 進給量f 和切削速度v 參 數 對于保證加工質量 降低加工成本和提高勞動生產率都具有重要的意義 在機床 刀具和工件等條件一定的情況下 切削用量的選擇具有靈活性和能 動性 應充分發揮機床和刀具的功能 以取得生產的最大效益 如切削用量 選擇得當 就可最大限度地挖掘出生產潛力 倘若選擇不當 則會造成很大 浪費或導致生產事故 可是 迄今為止 有不少工廠在生產中選擇切削用量 仍處于經驗選定狀態 完全不能適合切削用量的最優組合 所以切削用量的 優選是切削加工理論與實踐的重要課題 在2 0 世紀六十年代 人們利用了數據庫技術來滿足提高加工效率 降低 成本 提高質量和管理水平 提出了建立切削數據庫 在工程材料牌號繁多 各種新材料不斷出現的今天 切削數據庫所起的作用尤其顯著 工廠只要接 通電話或傳真都可向數據庫咨詢或索取所需數據 如裝有電子計算機終端機 還可以通過電話線與數據庫接通 用戶可以自行查找所需的數據 工廠當接 到一種新材料制成的工件 自己不必做切削實驗求取切削數據 就可以很迅 速地從數據庫中獲得所需的數據和切削用量 因此世界主要工業發達國家紛 紛建立了切削數據庫 并取得了巨大的技術經濟效益 如美國 1 9 6 4 年成立 了可切削性數據中心 建立了計算機管理的切削加工數據庫 如今已在磁盤 儲存器中儲存三萬多份數據文件 它所取得的社會經濟效益是十分驚人的 據估計1 9 6 4 1 9 7 4 年十年問就為工業部門節省了一億四千萬美元 并大大提 高了美國切削加工的工藝水平 國內對此也進行了長期的研究工作 取得了 西南交通大學碩士研究生學位論文第4 頁 許多成果 建立了多種切削參數計算經驗模型 和各種切削數據庫 但是由 于市場需求多樣化 工件的外形越來越復雜并且更換很快 新材料不斷涌現 而各個工廠的技術水平和生產習慣不同 具體到每個工件的切削條件更是于 差萬別 很難用 個在特定條件下建立的模型或切削數據庫來覆蓋所有的應 用場合 在工廠實際應用時 往往需要技術人員的經驗和知識來彌補這一不 足 遺憾的是工廠里常常缺乏這方面的人才 這個問題在我國工廠尤為突出 以至于在生產中切削參數往往都是參考手冊規范或經驗公式確定 而這些規 范都是在特定條件下的試驗結果 因此選擇參數在一定條件下使用效果好 換一個工廠甚至另一臺機床往往就不好用了 另外 機床操作者的經驗和水 平也是關鍵的影響因素 在我國由于缺乏技術素質較高的工人和技術人員 因此相同的設備不同人使用的情況下生產效率會相差幾倍甚至兒十倍 如何 優化選擇切削用量成為提高機械加工質量的關鍵 切削加工中 切削用量的合理選擇及優化問題 關系到加工生產率 經 濟性 加工精度 加工表面質量以及零件的使用壽命及可靠性問題 是提高 金屬切削效益的主要途徑之一 研究切削用量的目的就是要結合生產實際 綜合運用所學金屬切削的基本規律 在保證加工質量的前提下 合理的利用 機床與刀具 在現有條件下突破薄弱環節 進一步提高金屬切削效益 當前 隨著機械制造工業的迅速發展 切削用量的優化已成為一項重要的技術經濟 措施 是實現切削過程優化的關鍵 切削用量的優化 可以充分地利用現有 的生產資料與設備條件 實現切削效益最優化 總之 金屬切削加工中 包括三要素 切削深度口 進給量f 和切削速 度v 該三要素是切削加工中最活躍的因素 在加工任務 機床和刀具等條件確定的情況下 要想在滿足零件加工質 量的前提下提高加工效率 降低成本 如何確定最佳的切削用量是解決問題 的關鍵 長期以來 切削用量數據大都是憑經驗或從有關手冊查取來確定的 但考慮到實際生產中所使用的機床 刀具和被加工零件等具體條件的多變性 這樣確定的切削用量往往難以是某一具體情況下最佳的一組切削用量 在優 化理論和計算機技術迅速發展的今天 計算機在切削加工中的應用日益增多 我們可以利用計算機方便 迅速 有效地對切削用量進行優化設計 從而解 決這一問題 首先 根據具體要求 確定出切削用量的最優目標 并建立起 相應的目標函數 其次 再充分考慮到生產中的各項約束條件 建立起優化 西南交通大學碩士研究生學位論文 第5 頁 數學模型 然后 采用相應的優化方法 借助于計算機進行優化運算 得到 的結果就是滿足約束條件的目標函數的最優方案 也即是具體生產條件下滿 足加工要求的最佳的切削用量數值 1 2 2 遺傳算法研究的進展 遺傳算法 g e n e t i ca l g o r i t h m s g a 的產生歸功于m i c h i g a n 大學的 j 0 h nh o l l a n d 在2 0 世紀6 0 年代末期的開創性工作 其本意是在人工適應系 統中設計一種基于自然演化原理的搜索機制 從試圖解釋自然系統中生物的 復雜適應過程入手 模擬生物進化的機制來構造人工系統的模型 隨后經過 3 0 余年的發展 取得了豐碩的應用成果和理論研究的進展 特別是近年來世 界范圍形成的進化計算熱潮 使遺傳算法受到廣泛的關注 遺傳算法以一種 群體中的所有個體為對象 并利用隨機化技術指導對一個被編碼的參數空間 進行高效搜索 其中 選擇 交叉和變異構成了遺傳算法的遺傳操作 參數 編碼 初始群體的設定 適應度函數的設計 遺傳操作設計 控制參數設定 五個要素組成了遺傳算法的核心內容 作為一種新的全局優化搜索算法 遺 傳算法以其簡單通用 魯棒性強 適于并行處理以及高效 實用等顯著特點 在各個領域得到了廣泛應用 取得了良好效果 并逐漸成為重要的智能算法 之一 人們對遺傳算法興趣的日益增長有兩個背景 其一是工程領域 不斷涌 現超大規模的非線性系統 在這些系統的研究中存在著大量的經典優化方法 所不能有效求解的優化問題 其二 遺傳算法本身就是一種模擬自然演化這 學習過程的求解問題的方法 它能以獨立或與其它方法相結合的形式用于 智能機器學習系統設計 從1 9 8 5 年在美國卡耐基 梅隆大學召開的第一屆國 際遺傳算法會議 i n t e r n a t i o n a lc o n f e r e n c eo ng e n e t i ca l g o r i t h m s i c g a 8 5 至今 遺傳算法作為具有系統優化 適應和學習的高性能計算和建 模方法的研究漸趨成熟 近年來 遺傳算法在應用研究方面取得了重要的成 果 以遺傳算法為橋梁 許多原先毫不相干的學科也開始相互交叉 相互滲 透 使得跨學科的研究日趨活躍 為解決各種優化計算問題 人們提出了各種各樣的優化算法 如單純形 法 梯度法 動態規劃法 分枝定界法等 這些優化算法各有各的長處 各 有各的適用范圍 也各有各的限制 遺傳算法是一類可用于復雜系統優化計 算的魯棒搜索算法 由于其運算簡單和解決問題的有效能力而被廣泛應用到 西南交通大學碩士研究生學位論文第6 頁 眾多的領域 理論上已經證明 遺傳算法能從概率的意義上以隨機的方式尋 求到題的最優解 但另一方面 應用實踐表明 在遺傳算法的應用中也會出 現一些不盡人意的問題 這些問題中最主要的是它容易產生早熟現象 局部 尋優能力較差等 并且一般來說 對很多問題而言 傳統遺傳算法的求解效 果往往不是解決這個問題的最有效的方法 它比專門針對該問題的知識型啟 發算法的求解效率要差 雖然這種知識型啟發算法并不能保證一定能夠找到 問題的最優解 另外 遺傳算法也無法避免多次搜索同一個可行解 這也是 影響遺傳算法運行效率的一個因素 另一方面 梯度法 爬山法 模擬退火算法 列表尋優法等一些優化算 法卻具有很強的局部搜索能力 而另一些含有問題與相關知識的啟發式算法 的運行效率也比較高 可以預計 在遺傳算法的搜索過程中融合這些優化方 法的思想 構成一種混合遺傳算法 h y b r i dg e n e t i ca l g o r i t h m 是提高遺傳 算法運行效率和求解質量的一個有效手段 應用研究表明 將遺傳算法與問 題的特有知識集成到一起所構成的混合遺傳算法 為繼續提高遺傳算法的搜 索性能提供了新的思路 我國有關遺傳算法的研究 從2 0 世紀如年代以來一直處于不斷上升的趨 勢 特別是近年來 遺傳算法的應用在許多領域取得了令人矚目的成果 該 類研究獲得不同渠道的經費資助比例也在逐年上升 武漢大學的劉勇 康立 山等于1 9 9 5 年出版了 非數值并行算法 第2 冊 一遺傳算法 周明 孫樹 棟于1 9 9 9 年出版了 遺傳算法原理及其應用 同濟大學的王小平 曹立明 于2 0 0 0 年出版了 遺傳算法理論 應用與軟件實現 國內有關遺傳算法的 b b s 電子公告牌有國家智能中心曙光站b b s n e i c a c c h 北京大學陽光創意 站h b s p k u e d u c n 清華大學水土清華站b b s n e t t s i n g h u a e d u c f f 西安 交通大學兵馬傭站b b s x a n e t e d u c n 研學論壇h t t p b b s m a t w a v c o m 等 總之 遺傳算法在理論上己經借鑒生物進化理論及遺傳學機理形成了一 套較為完整的算法體系 然而在實踐上還有很多問題有待于進一步研究 探 討和完善 它們主要反映在以下方面 1 控制參數選擇問題 2 成熟前收斂 問題 3 遺傳算法的性能評價問題 4 遺傳算法的適應性問題 5 混合算 法問題 6 從生物進化或遺傳工程中不斷汲取新的知識獲得新的啟發 從而 對現有遺傳算法講行改進或提出新的新的算法等 遺傳算法當前的主要研究方向情況如下 遺傳算法自提出 特別是八十年代中期以來 已得到廣泛研究與應用 西南交通大學碩士研究生學位論文 第7 頁 其研究的內容大體集中在以下幾個方面 1 有關算法隨機搜索機理的研究 遺傳算法是通過作用于一個初始種群 而循環執行復制 雜交 變異及 選擇過程的隨機迭代 故闡明如此簡單的循環操作如何有效搜索整個編碼空 間以達到全局優化之目的有特別重要的意義 在這方面 j h h o l l a n d 等人 發展的所謂 模式 s c h e m a 理論 引人注目 一個模式是指編碼空間 即所使 用的染色體的全體 當應用l 位二進制串編碼時 該空間為一個具有相同構 形 c o n f i g u r a t i o n 的編碼的子集 所謂具有相同構形是指 這個子集中諸編 碼串在某些位上具有相同的碼值 例如 在編碼空間中 給定一個模式 一 個編碼稱為與該模式相匹配 如果在模式的確定位上 此編碼的值與模式的 值相同 例如 編碼 100 0l0il00 1010l0l00o 均與 上述所指定的模式相匹配 任一給定編碼必與許多模式相匹配 模式理論的 核心在于 遺傳算法能夠有效搜索的根本原因是 它充分利用了模式所描述的 編碼之間的相似性 雖然算法僅作用于n 個編碼組成的種群 但這n 個編碼 實際上包含階個模式的信息 這一性質常被稱作是遺傳算法的隱含并行性 i m p l i c i tp a r a l l i s m 模式理論可以較好地解釋遺傳算法的搜索機制 對于任一模式 定義它 的階為模式中確定碼值的個數 而定義它的長度為模式中第一個確定碼值位 與最后一個確定碼值位之間的差 則h o l l a n d 證明了如下的模式定理 具有 短長度的 低階的 適應性在群體平均之上的模式將在遺傳算法中以指數增 長率在子代中被采樣 2 有關算法的全局最優性 或收斂性 研究 生物進化的 趨勢向上 性似乎應蘊含遺傳算法的最終收斂性 這一研 究的目的在于從理論上對這一事實給出證明 與算法收斂性緊密相關的一個 問題是遺傳算法的過早收斂 p r c m a t u r ec o n v e r g e n c e 它出現在算法還未達 到全局最優情形而不再產生適應性更強的后代 研究表明 遺傳算法的過早 收斂主要由雜交算子引起 在模式空間中存在大量所謂的早熟集 p r e m a t u r e s e t e p 在選擇與雜交算子復合作用下的不變集 而在雜交算子作用下 遺 傳算法總以非零概率 撞入 早熟集 由于早熟集的吸收性 從而使算法產 生過早收斂 3 有關染色體編碼格式的討論 遺傳算法的作用對象是優化變量的染色體編碼 即與變量的某種離散化 西南交通大學碩士研究生學位論文第8 頁 近似 通常認為 采用編碼方式 特別是二進制編碼 有以下優點 a 可很好 地指導搜索 使得有關某種結構的個體容易生存 以產生適應性更強的后代 b 使算法具有隱含并行性 使在相對少量的種群上進行的操作實質上隱含著 大范圍的搜索 采用編碼格式的缺陷是 由于連續問題化歸到組合問題求解 使算法的求解精度受到很大影響 這些優點和缺點當遺傳算法用于 組合 優 化問題的求解時均有明顯體現 上述有關遺傳算法研究的幾個方面應該說還是相當初步的 對它的進一 步深入探討正構成當前計算智能研究的 熱點 概括地說 當前有關遺傳算 法的研究興趣主要集中在以下幾個方面 1 有關算法的理論基礎 這特別包括遺傳算法的收斂性 收斂速度估 計 過早收斂的機理探索與預防 雜交算子的幾何意義與統計解釋 參數設 置 如種群規模 編碼長度等 對算法效率的影響等方面 我們認為 有關算 法的收斂速度估計是當前特別值得花大力氣加以探討的問題 目前尚無任何 結果 因為它能從理論上對遺傳算法的任何修正形式 提供判別標準 以指 明改進遺傳算法效能的正確方向 2 有關算法與其它優化技術的比較與融合 作為已知較為成熟的全局 優化算法一模擬退火方法 它與遺傳算法的結合已有不少研究 然而 充分 利用遺傳算法的大范圍群體搜索性能與己知局部優化方法的快速收斂性來產 生有效全局優化方法 研究仍不多見 人們感到 這種整體搜索策略與快速 局部優化方法的混合是從根本上提高遺傳算法計算效能的措施 這方面還需 要做大量的理論分析與實驗研究 3 有關遺傳算法的并行化研究遺傳算法的群體 隨機搜索特征使它有 明顯的可行并行化特性 設計它的各種并行化執行策略及其建立相應并行算 法的理論基礎均是具有重要意義的工作 4 遺傳算法在人工神經網絡 機器學習 復雜組合優化問題求解 金 融市場分析和預測 專家系統等領域已有廣泛應用 一般說 根據具體應用 領域來有效改進遺傳算法是可能的和實際的 而相反 泛泛地對一般問題研究 顯得極其困難 所以 針對具體應用問題 深化研究遺傳算法 如參數設置 遺傳算子構造等 是當前特別值得提倡的上作 1 3 本文研究的主要內容和工作 本研究課題將探索以最大生產率的車削用量優化模型為目標 試圖引入 西南交通大學碩士研究生學位論文第9 頁 遺傳算法對切削用量參數進行優化 本文還以實際生產中的切削加工為原始 數據作實例進行優化計算 并分析了優化結果 全文共分為六個部分 第一部分為緒論 主要講述了本文研究的背景 研究目的意義 國內外研究動態和主要研究內容等 第二部分是切削用量的 優化目標和耳標函數 對切削用量的優化目標和目標函數進行了分析 第三 部分為優化算法及m a t l a b 遺傳算法理論概述 主要闡述了優化技術的發展的 現狀和種類 介紹了m a t l a b 遺傳算法理論基礎知識 第四部分是遺傳算法的 原理和實現過程 討論了遺傳算法的運算過程 主要因素 特點以及應用等 并介紹了姒t l a b 遺傳算法與直接搜索工具箱 g a d s 及使用方法 第五部分 是基于遺傳算法的最大生產率的車削用量優化研究與實現 闡述了建模的過 程 并以實例進行運算分析 第六部分為結論及建議 對本文研究的主要成 果進行總結 并對該方法的研究提出一些建議與展望 西南交通大學碩士研究生學位論文第1 0 頁 第2 章切削用量的優化目標和目標函數 2 1 優化目標和目標函數分析綜述 在機械加工中 當加工設備 刀具和工件初步確定之后 切削用量的選 擇對提高生產效率 降低加工成本及提高加工質量等有直接影響 尋求較為 合理的切削用量及有關參數是取得顯著的技術經濟效益的簡便途徑 對于切 削用量的優化選擇 需要確定一個明確的目標 根據生產實踐 該目標應該 與企業需要完成的經濟指標相一致 常用的優化目標有以下幾種 1 最大生產效率 2 最低成本 3 最大利潤 加工裝備 機床 刀具 夾具等 以及加工任務 工件的要求 已定的 情況下 切削加工時可以控制的變量 優化的參數 是切削速度v 進給量f 和切削深度口 即切削用量的三要素 從研究切削加工的基本規律入手 找 出優化目標與可控變量的函數關系 即可建立起一個目標函數 1 最大生產效率 如以最大加工生產率為優化的目標 首先要分析單件工時的組成 此外 生產成本的高低也決定于加工時間的長短與生產費用的大小 車削一般軸類 零件外圓表面時 完成一個工序所需要的工時 單件工時 t 由以下幾部分 組成 f f 乙 t o t 事予 t o 2 1 式中f 工序的加工時間 即機動時間 f 一換刀一次所需的時間 丁一刀具耐用度 目前 高速鋼車刀和焊接式硬質合金車刀的耐用 度一般可取3 6 0 0 s 6 0 m i n o r 一除換刀時間外其他的輔助工時 設工件加工部分長度為乙 工件轉速為n t 件直徑d 加工余量為h 則 絲一立塑型 n 毒 c p1 0 0 0 v f 鼻c c p 2 2 上式中分母部分代表單位時間金屬的切除量乙 粗加工時 此值越大 表示生產率越高 因而寫成 西南交通大學碩士研究生學位論文第1 1 頁 z 1 0 0 0 v 廠簟口p 13 s 2 3 在切削用量三要素中 當加工余量不太大時 切削深度口 主要取決于 加工余量的大小 選擇余地較小 因此這時切削用量的選擇與優化的重點就 放在切削速度v 與進給量f 上 式2 2 可以簡化為 乙2 兩 2 4 式子中 刀具行程長度 從理論上來講 乞越小 對各方面都比較有利 為此 若想使 旃最小 必須使工件轉速與進給量的乘積最大 即刀拳廠為最大 所以 這就是以最大 生產率為目標的切削用量優化的目標函數 即 z 2 以 廠 m a x o 2 5 2 最低成本 最小的單件加工成本 加工一個工件的工序成本為 c m 爭 m t a c i 等 肘 t o t 2 6 式中c 一個工序的加工成本5 阱一該工序單位時間內所分擔的全廠費用 乙 切削時間 e 每次刃磨的費用 包括刃磨費用及刀具的折舊費 只要將式子2 2 及刀具耐用度t 與切削用量間的關系式帶入式子2 6 中 經過數學推導 同樣可以寫出以最低成本為目標的切削用量優化的目標函數 此外 如從生產單件產品得到的收益考慮 渴求出利潤率最大的加工條 件 3 最大和j 潤 1 單件利潤g 元 件 g s c 2 7 式中s 單件所收加工費用 c 單件加工成本 西南交通大學碩士研究生學位論文第12 頁 2 單位時間利潤 即單件利潤率 g 元 件 利潤率可以根據產品的價格與生產成本的差價來計算 r r g 二 2 8 0 式中 乙 所花費的時間 總之 根據需要與具體情況 可選擇不同的優化目標 當要求提高生產 效率 以及在一些特定情況下 例如該生產工序為生產上的短線 需求量激 增 或庫存缺乏 生產急需時 即使加工費用增加一些 也可選用最大生產 率或最短單件工時作為優化目標 在一般正常生產的條件下 應以最低成本 作為優化目標 2 2 限制切削用量提高的約束條件 通過式2 3 可見 增大切削用量 也就是增大單位時間內金屬的切除量 可以直接提高切削加工的生產率 由此可知 切削用量的合理優化 就是要 在保證質量和降低成本的基礎上 采取措施 使得1 0 0 0 v 幸廠謄口 的乘積不 但增大 但是 由于前面提到的因受到生產裝備和生產任務的技術約束的原 因 往往不允許任意提高切削用量 圖2 1 根據機床 刀具 工件三方面建立的約束條件 車削過程中的約束條件主要來自i 藝系統 如機床 刀具等 豹性能與 西南交通大學碩士研究生學位論文第1 3 頁 工件的技術要求 如加工精度與加工表面質量等 兩個方面 技術上可能出 現的約束條件很多 根據加工種類 車 銑 鉆 刨 磨等 與加工性質 如 粗 精加工 連續與斷續加工等 的不同 主要的約束條件也可能不同 但 可按機床 刀具與工件三個方面歸納為圖2 1 的關系 由以上圖形可以看出 粗加工時 金屬切削量大 因此切削力大 主要 的約束條件是工藝系統的剛性 機床僅給機構的強度等方面 精加工是以保 證質量為主 因此主要的約束條件是加工表面的租糙度與加工精度 其他還 有一些約束條件與切削過程本身有關 順利的切屑形成條件 積屑瘤區和顫 振區的避開 保證良好的卷屑等等 可見 與切屑用量優化有關的所有約束 條件 就其性質來看 廣泛地涉及到切屑切屑過程物理學 機床運動學與加 工系統經理學 動力學等等幾方面的問題 上述諸約束條件可以用不等式表示 以車削為例 可以列出以下主要的 約束條件不等式 1 刀具的耐用度 車削時切削速度的計算公式為 i 1 二衛二 一 m j 2 9 6 0 1 一哪事t 宰口 搴f 兒 一 當口 與廠已經選定后 v 主要受到代表刀具切削性能的刀具耐用度的限 度 另一方面 切削速度v 與工件直徑鞏有關 因此必須滿足下列不等式 1 型監 坐生 2 1 0 1 0 0 0 6 0 1 一冊 t m 宰口 卻棗p 因此可以推導出 礦鄺茄瀚 c z 一 2 機床的有效功率 西南交通大學碩士研究生學位論文第14 頁 只簍 1 0 3 k 以8 1 6 0 2 8 宰 妒 產 2 1 2 宰 盤 1 幸疋 1 0 3 增大切削用量三要素會增大切削功率 但后者必須小于 至少在短時內 等于機床主軸上考慮了效率的傳動功率 因此必須滿足下列不等式 己 e v l o 3 忍術鞏 2 1 3 式中 機床的傳動功率 一般 i r a 0 7 5 o 8 5 此處取0 7 5 尼 機床電動機的功率 查機床說明書只為1 5 k w 故而可推導出 刀剛 鏟 未粉裂蕭 式中 機床轉速 屯 工件加工前直徑 x f z 2 幺 主切削力指數 具體數據見后面附表一 3 機床主軸的有效扭矩 切削時產生的扭矩必須小于或等于機床主軸系統所能傳遞的扭矩鳩 t 可由機床說明書中查得 它們之間的關系可一寫成如下的不等式 肘 尼 土2 x 1 0 0 0 恭 6 0 宰 一p 2 1 5 2 0 0 0 屯 2 一1 5 卑f y n 妒 k 巳 d s m l 因此可推導出 辦礦 贏6 0 囂鬻孫k 舊 h 粵c o 局 冗 d 叫i 式中 如 主切削力指數 t 柵 床豐軸系統所能侮涕的栩矩 西南交通大學碩士研究生學位論文第15 頁 切削力系數 天島 切削力總修正系數 4 機床進給機構的強度 機床最薄弱的傳動環節一般是進給機構中產生直線往復運動的齒輪輪齒 的強度 如車床是拖板中與齒條相嚙合的小齒輪 一般機床說明書都注明了 最大容許切削力的大小 車削加工時作用于進給系統的切學力必須小于或等 于該系統所容許的最大切削力 例如 c 6 2 0 型車床為3 6 0 k g f c a 6 1 4 0 型車 床為5 0 0 k g f 因此可寫成下面的不等式 f 日 e 最 j o k f z f 2 1 7 式中 肋為機床拖板與導軌間的摩擦系數 一般取風 0 1 因此可 推導出 燁贏兩罷豢面薩協 z 忍 主切削力指數 f 系統所容許的最大切削力 j 主切削力指數 數據見后面附表一 j 切削力總修正系數 數據見后面分析 5 工件的剛性 車削加工時 工件受到切削力e 的作用 在半徑方向產生一相對的位移 廠 造成工件的直徑誤差為2 f f 3 廠2 苗 q 1 9 式中 o i 件的懸伸長度或裝夾在兩支承間的距離 砌 o 與工件裝夾方式有關的系數 也 工件材料的彈性模量 j 一一工件斷面慣性力矩 如直徑為丸的實心材料 j 0 0 5 d w 由此可見 切削時作用在工件半徑方向的切削力必須小于或 西南交通大學碩士研究生學位論文第1 6 頁 等于工件產生此先隊唯一所容許的切削力 故而可寫成如下不等式 f t 則以 進化過程中所得到的具有最大適應度的個體作為最優解輸出 終止運算 4 2 遺傳算法主要因素 1 編碼方法 針對一個具體應用問題 如何設計一種完美的編碼方案一直是遺傳算法 的應用難點之一 也是遺傳算法的一個重要研究方向 由于遺傳算法應用的 廣泛性 迄今為止人們已經提出了許多種不同的編碼方法 總的來說 可以 分為三大類 二進制編碼方法 符號編碼方法和浮點數編碼方法 i 二進制編碼方法 西南交通大學碩士研究生學位論文第2 7 頁 二進制編碼方法是遺傳算法中最主要的一種編碼方法 它使用的編碼符 號集是由二進制符號0 和l 所組成的二值符號集 0 1 它所構成的個體基 因型是一個二進制編碼符號串 二進制編碼符號串的長度與問題所要求的求 解精度有關 2 格雷碼編碼 二進制編碼不便于反映所求問題的結構特征 對于一些連續函數的優化 問題等 也由于遺傳運算的隨機特性而使得其局部搜索能力較差 為了改進 這個特性 人們提出用格雷碼 g r a y c o d e 來對個體進行編碼 格雷碼是這樣 一種編碼方法 其連續的兩個整數所對應的編碼之間僅僅只有一個碼位是不 同的 其余碼位都完全相同 2 選擇算子 選擇 s e l e c t i o n 是在群體中選擇生命力強的個體產生新的群體的過 程 遺傳算法使用選擇算子來對群體中的個體進行優勝劣汰操作 根據每個 個體的適應度值大小選擇 適應度較高的個體被遺傳到下一代群體中的概率 較大 適應度較低的個體被遺傳到一下一代群體中的概率較小 這樣就可以 使得群體中個體的適應度值不斷接近最優解 選擇操作建立在對個體的適應 度進行評價的基礎之上 選擇操作的主要目的是為了避免有用遺傳信息的丟 失 提高全局收斂性和計算效率 選擇算子確定的好壞 直接影響到遺傳算 法的計算結果 選擇算子確定不當 會造成群體中相似度值相近的個體增加 使得子代個體與父代個體相近 導致進化停止不前 或使適應度值偏大的個 體誤導群體的發展方向 使遺傳失去多樣性 產生早熟問題 表4 1 所示為 常用選擇操作算子及特點 表4 1 選擇操作算子 序號名稱特點 備注 1輪盤賭選擇 選擇誤差較大g a 成員 2隨機競爭選擇 比輪盤賭選擇較好 3無回放隨機選擇 降低選擇誤差 操作不方 便 4 無回放式余數隨機選擇誤差最小應用較廣 5均勻排序與適應度大小差異程度正 負無關 西南交通大學碩士研究生學位論文 第2 8 頁 3 交叉算子 在生物的自然進化過程中 兩個同源染色體通過交配而重組 形成新的 染色體 從而產生出新的個體或物種 交配重組是生物遺傳和進化過程中的 一個主要環節 模仿這個環節 遺傳算法中使用交叉算子來產生新的個體 交叉 c r o s s o v e r 是按較大的概率從群體中選擇兩個個體 交換兩個個體的 某個或某些位 交叉運算產生子代 子代繼承了父代的基本特征 交叉算予 的設計包括如何確定交叉點位置和如何進行部分基因交換兩個方面的內容 遺傳算法中的交叉運算 是指對兩個相互配對的染色體按某種方式相互交換 其部分基因 從而形成兩個新的個體 交叉運算是遺傳算法區別于其他進化 運算的重要特征 它在遺傳算法中起著關鍵作用 是產生新個體的主要方法 遺傳算法中 在交叉運算之前還必須先對群體中的個體進行配對 目前 常用的配對算法策略是隨機配對 即將群體中的m 個個體以隨機的方式組成 m 2 對配對個體組 交叉操作是在這些配對個體組中的兩個個體之間進行的 表4 2 所示為常用