基于变复杂度近似模型的数控铣削加工工艺参数优化方法研究

This project focuses on the parameters optimizing for CNC milling. The planning work mainly contains: Firstly, to reduce the error of low-complexity approximation model, a sequential ensemble of approximation model approach will be developed, which can make full use of the characteristic of each approximation model by analyzing difference information analysis of approximation capacity among the existing approximation models. Secondly, the variable-complexity approximation method is studied to find the mechanism of fusing between high and low complexity models; Based on global scaling approach, a novel variable-fidelity modeling method for multi-output problems is proposed to make a trade-off between high accuracy and low expense of approximation modeling. Thirdly, the constraint process mechanism and the space reducing method based on the self-organize mapping will be studied; then, based on the variable-complexity approximation model, multi-objective evolutionary algorithms with strong adaptive capacity, high computational efficiency and excellent quality of solution set will be proposed to effectively optimize process parameters. .This project will provide new ways to deal with the modeling and process parameters optimizing for CNC milling, which has important theoretical and practical value.

本项目围绕数控铣削加工工艺参数优化问题，将变复杂度近似建模技术与多目标进化算法相结合，拟重点开展：①在充分分析不同近似模型的拟合特点基础上，提出有效利用各种近似模型拟合能力差异特征信息为导向的序贯组合近似建模技术，减小低精度组合近似模型的建模误差；②探明高/低精度模型融合机理，研究基于全局标度方法的高精度样本点信息和低精度组合近似模型融合技术，提出多输入多输出条件下通适性强的变复杂度近似建模方法，构建有效平衡建模精度与成本的变复杂度近似模型；③研究面向加工工艺参数优化问题的约束处理机制，提出基于自组织映射的优化问题解空间缩减方法，设计面向变复杂度近似模型的问题适应能力强、计算效率高、解集质量优的多目标进化算法，实现对加工工艺参数优化问题的高效求解。.本项目的研究工作将为数控铣削加工工艺参数优化提供支撑性的新方法与技术，具有重要的理论研究意义与工程应用价值。

本项目围绕数控铣削加工工艺参数多目标优化问题，针对其样本组织复杂性、模型构建复杂性、优化求解复杂性这三个方面开展系统深入的研究工作，取得的研究成果如下：（1）在总体实验方案设计方面，提出面向变复杂度近似模型特性的试验设计与数据处理方法。分析、提炼铣削加工工艺系统的输入与输出要素，分别采用正交设计方法进行物理加工实验和AdvantEdge软件有限元仿真获取变复杂度近似模型所需的高/低精度样本数据。（2）在多输入多输出环境下的变复杂度近似模型构建方法方面，提出了一种基于序贯层次Kriging的建模方法，与一次性建模得到的层次Kriging模型相比，预测精度更高；提出了基于扩展EI函数的序贯变复杂度优化算法研究，对扩展EI函数公式进行推导，验证了在收敛到最优解时需要的计算成本最低，其预测的总体误差不超过8%。（3）在基于变复杂度近似模型的多目标进化算法方面，提出基于短期记忆与K-means聚类的多目标粒子群优化算法（MOPSO-MSK），搜寻个体极值的过程中记忆个体数量约20代，采用非支配排序选择一个个体作为个体极值，使用短期记忆与K-means聚类算法替代网格划分或拥挤度算法，可以提高算法的多样性与先进性，降低空间与时间复杂度。（4）在系统验证与实施方面，开发出基于序贯层次Kriging与MOPSO-MSK算法的数控铣削加工工艺参数的智能预测及求解系统。经实践证明，预测系统误差在10%以内，可供工程实际应用，求解系统能提高加工参数选择的科学性与先进性。.本项目面向数控铣削加工工艺参数优化问题，提出了变复杂度近似模型技术，有效平衡建模成本和模型精度，为数控铣削加工工艺参数优化问题建模提供有效手段；提出了与加工工艺参数优化问题深度融合的优化算法，实现对优化问题的高效求解。相关研究成果在国内外知名期刊发表。本项目研究工作推动了数控铣削加工工艺参数优化方法的发展。