自适应量子粒子群网络下的切削加工参数优化

作者：韩辉辉; 付辉

来源：机械强度, 2023, 45(05): 1117-1123.

DOI：10.16579/j.issn.1001.9669.2023.05.015

• 切削
• 量子机制
• 惯性权值
• 神经网络
• PSO方法

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7.6μm、3.5μm,而PSO方法仅能分别达到8.6μm、3.9μm。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。

• 单位
  重庆工业职业技术学院; 兰州理工大学