[发明专利]基于粒子群算法的机床制造系统加工节能优化方法

说明书

技术领域

本发明涉及机床产品制造系统能效优化控制技术领域，具体的，涉及一种基于粒子群算法的机床制造系统加工节能优化方法。

背景技术

我国是发展中国家，能源和资源相对较贫乏，我国作为能耗大国，2012年单位GDP能源消耗是世界平均水平的2.5倍，分别是美国的3.3倍、日本的7倍，能耗巨大。同时，面对设备的更新换代，一些中小企业也不愿意支付这笔昂贵的费用。为此，如何在不改变现有设备的前提下，提高设备的利用率，降低企业的能源成本和环境成本是值得研究的一个方向。

企业加工零件之前，会编制好相应的加工路线和加工参数，加工工艺路线有先后之分，一般是固定不变的。此时，零件加工参数的选择对于车间能源的消耗就显得尤为重要。一般企业的加工参数是操作师傅根据多年加工经验选择的，此加工参数往往较保守，很难达到理想的加工状态，未能达到物尽其用的效果，造成加工时间长、机器空载时间长等引起能耗增加，排放更多的CO₂、NO_X等对环境造成很大的影响。本专利建立能耗和加工时间与加工参数之间的数学模型，通过对加工参数的优化选择，减小加工时间、降低能耗。

近年来，随着群智能算法的发展，许多专家学者将群智能算法用在求解此类问题，如遗传算法(GA)、粒子群算法(PSO)、蚁群算法(ACO)、人工蜂群算法(ABC)等等。此类群智能算法在求解此类非线性问题时取得了一定的成果，但是还是存在一些不足。如遗传算法在求解问题时优化过程费长，粒子群算法在求解此类问题时，由于缺乏粒子多样性容易陷入局部最优，出现早熟现象，而ACO、ABC等控制参数较多，表现出求解问题对参数敏感的特性。此外，一些算法在求解出一组解集后，并没有对此解集进行处理，选取的主观性较大。

发明内容

本发明的根本所在是针对以上提出的问题，提出一种面向机床产品制造系统加工节能优化方法，用于解决加工参数的选择不当引起的能耗高和加工时间长的问题。

为了实现上述目的，本发明所述的基于粒子群算法的机床制造系统加工节能优化方法包括如下步骤：

步骤一：建立以切削速度v_c、切削深度a_sp和进给量f为优化变量的多目标优化模型，此模型包括加工能耗的数学模型和加工时间的数学模型以及相应的约束条件。

离散机床制造系统加工时，一般有启动、待机、空载、加工四个进程。具体地，加工能耗的数学模型为：E＝E_st+E_s-s+E_ie+E_c，加工时间的数学模型为：

其中，E表示机床总能耗，E_st表示机床启动能耗，E_s-s表示机床待机能耗，E_ie表示机床空载能耗，E_c表示加工过程切削能耗，T_p是机床加工时间，t_c是加工切削时间，t_ct是换刀一次所用时间，t_ot表示其他辅助时间，T是刀具寿命。

机床的启动、待机和空载能耗与加工参数没有直接的关系，因此我们本发明只关注切削加工时的能耗，切削能耗表示切除工件材料所消耗的能量：

其中：P_c为切削功率，t_c表示加工切削时间。

在车削加工过程中，P_c可由式(3)求出：

其中，v_c表示切削速度，f表示进给量，a_sp表示切削深度，C_F、x、y、z、K_F表示与工件材料和切削材料有关的系数，此系数可以查阅相应的切削手册得到。

所以，加工过程能量消耗模型为：

引入加工时间目标函数作为另一优化对象，机床加工时间一般包括切削时间、换刀时间、工序辅助时间，故时间模型可表示为：

其中：t_c是加工切削时间，t_ct是换刀一次所用时间，t_ot表示其他辅助时间，T是刀具寿命，L_w是加工长度，Δ是加工余量，n是主轴转速，d₀是工件直径，v_c是切削速度，f是进给量，a_sp是切削深度。

刀具寿命T由泰勒广义计算公式确定：