论文部分内容阅读
在现代制造业中,数控切削加工工艺参数的合理选取直接影响着制造企业的生产效率和经济效益。而目前许多企业加工生产中切削参数的选取往往过于保守,造成了生产周期的增加及制造资源的浪费,不利于生产利益的最大化。而受具体加工条件限制,数控加工铣削参数的优化问题往往是复杂的多约束非线性问题,使用传统数学方法确定最优铣削参数较为困难。选择最优的铣削参数已成为当前机械制造业中极为重要的一个难题。本文采用量子行为粒子群优化(Quantum-behaved Particle Swarm Optimization, QPSO)算法来对铣削参数进行优化,并将该智能优化算法融入到专家系统中,设计了铣削参数优化专家系统来合理选取刀具、铣削用量等工艺参数,以达到提高加工效率、降低生产成本的目的。本文的主要内容有如下几个方面:首先,通过系统的需求分析,确定了系统的各功能模块,设计了基于QPSO算法的铣削参数优化专家系统的总体结构,并选用了实现系统所需的开发技术及开发工具。其次,以专家系统基本理论为基础,通过分析铣削加工工艺,建立了系统的工艺数据库。再在工艺数据库的基础上,以产生式法和过程表示法的知识表达方式来共同表示铣削加工领域知识,构建了铣削加工工程知识库。并采用基于规则推理和基于实例推理的混合推理方法作为系统的推理机制,来实现系统对刀具、切削液及铣削参数的有效推理。此外,根据金属切削加工理论及最优化理论,以铣削参数为设计变量,以机床、刀具、工件等加工条件为约束,建立了铣削参数优化数学模型,并应用QPSO算法对模型寻优,实现铣削参数的优化。通过实例验证了QPSO算法对模型寻优的有效性,在保证加工质量的前提下,采用优化后的铣削参数能实现更低的加工成本及更高的加工效率。最后,将基于QPSO算法的铣削参数优化与专家系统的推理机制相结合,以VC++6.0和SQL Server2000为开发工具,采用面向对象的程序设计方法对铣削参数优化专家系统进行开发,使系统能根据输入的加工条件,推理出匹配的刀具、切削液和铣削参数等信息,并利用QPSO算法实现铣削参数的优化,以提供最合理的切削速度、每齿进给量及切削深度等工艺参数。