[发明专利]一种基于差分进化法的刀具组合推荐方法

权利要求书

1.一种基于差分进化法的刀具组合推荐方法，其特征在于：该方法是采用如下步骤实现的：

步骤S1：针对发布的每种制造任务，构建制造任务描述模型；

所述制造任务描述模型包括：制造任务编号、制造任务属性、功能属性；

所述制造任务属性包括：加工对象、对象材料、刀具类型、发布者编号；

所述功能属性包括：切削深度、切削速度、进给速度、加工面类型；

步骤S2：针对云平台上的每种刀具，构建刀具描述模型；

所述刀具描述模型包括：刀具编码、基本属性、QOS属性、工艺属性；

所述基本属性包括：刀具名、工作空间、刀具提供者、提供者地址；

所述QOS属性包括：刀具状态、开始时间、结束时间、花费费用、可信度；

所述工艺属性包括：切削深度、切削速度、进给速度、加工面类型；

步骤S3：将加工面类型进行属性量化；属性量化规则如下：

若加工面为平面，则量化值为1；

若加工面为阶梯面，则量化值为2；

若加工面为外圆，则量化值为3；

若加工面为内圆，则量化值为4；

若加工面为环形槽，则量化值为5；

若加工面为长槽，则量化值为6；

步骤S4：针对发布的某制造任务，将该制造任务需求的切削深度、切削速度、进给速度、加工面类型分别赋值给变量x₀(1)、变量x₀(2)、变量x₀(3)、变量x₀(4)；

步骤S5：将云平台上的第t个刀具的切削深度、切削速度、进给速度、加工面类型分别赋值给变量x_t(1)、变量x_t(2)、变量x_t(3)、变量x_t(4)；

步骤S6：对变量x₀(1)、变量x₀(2)、变量x₀(3)、变量x₀(4)、变量x_t(1)、变量x_t(2)、变量x_t(3)、变量x_t(4)进行归一化处理；具体处理公式如下：

式中：k＝1,2,3,4；n表示云平台上的刀具数量；

步骤S7：计算该制造任务与第t个刀具的灰色关联系数具体计算公式如下：

步骤S8：计算该制造任务与第t个刀具的灰色关联度θ(x₀,x_t)；具体计算公式如下：

式中：μ(k)表示权值；

步骤S9：若θ(x₀,x_t)≥0.5，则表明第t个刀具与该制造任务匹配；反之，则表明第t个刀具与该制造任务不匹配；

步骤S10：循环执行步骤S5～S9，由此得到与该制造任务匹配的刀具集；

步骤S11：循环执行步骤S4～S10，由此得到与每个制造任务匹配的刀具集；

步骤S12：从每个制造任务对应的刀具集中选择一个刀具，并根据制造任务流程进行组合，然后计算得到的全部刀具组合的适应度函数值；

步骤S13：从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序，然后进行种群的差分进化；

步骤S14：在差分进化的第g次迭代中，从种群中随机选择三个刀具组合，并将三个刀具组合的适应度函数值分别赋值给变量indiv_1、变量indiv_2、变量indiv_3，然后产生变异后刀具组合的值indiv_var；

所述变量indiv_1、变量indiv_2、变量indiv_3满足如下条件：

indiv_1＜indiv_2＜indiv_3；

所述变异后刀具组合的值indiv_var的产生公式如下：

indiv_var＝indiv_1+F(indiv_3-indiv_2)；

式中：F表示缩放因子；F_u＝0.9；F_l＝0.1；

然后，在种群中查找出其适应度函数值与变异后刀具组合的值indiv_var相近的刀具组合CS_var；

步骤S15：对刀具组合CS_var中的每个刀具进行判断，并根据如下条件对刀具组合CS_var中的每个刀具进行交叉，由此得到新的刀具组合CS_V；

式中：CS_V_j表示新的刀具组合CS_V中的第j个刀具；CS_var(x_j)表示刀具组合CS_var中的第j个刀具；invid_3(x_j)表示变量indiv_3对应刀具组合中的第j个刀具；cr_j表示交叉概率，且cr_j∈[0,1]；cr_l＝0.1；cr_u＝0.6；indiv_ave表示当前种群中全部刀具组合的适应度函数值的平均值；indiv_min表示当前种群中全部刀具组合的适应度函数值的最小值；indiv_max表示当前种群中全部刀具组合的适应度函数值的最大值；

步骤S16：在差分进化的第g+1代中，根据如下条件形成新的刀具组合CS(g+1)，并将新的刀具组合CS(g+1)写入种群：

式中：fun_fit()表示适应度函数值的计算公式；

步骤S17：循环执行步骤S14～S16多次后，从种群中选取适应度函数值最大的一个刀具组合作为最佳推荐。

2.根据权利要求1所述的一种基于差分进化法的刀具组合推荐方法，其特征在于：所述步骤S12中，适应度函数值的计算公式如下：

式中：fun(c)表示适应度函数值；c表示刀具组合的序号；i表示制造任务的序号；m表示制造任务的数量；t_start(x_t)表示第t个刀具的开始时间；t_end(x_t)表示第t个刀具的结束时间；cost(x_t)表示第t个刀具的花费费用；Rel(x_t)表示第t个刀具的可信度；α、β、λ均表示权值；适应度函数值越小，表明刀具组合的性能越好。