论文部分内容阅读
考虑车削加工约束条件，建立切削能量最小与表面粗糙度最小的精车车削优化模型。通过实例运用非支配排序遗传算法（NSGA-II）与多目标粒子群算法（MOPSO）对精车优化切削模型进行仿真优化，结果表明NSGA-II 算法与MOPSO算法切削能量和表面粗糙度的 Pareto 最优解集均可由同一的六次曲线方程拟合，且拟合相关指数为0.9995、0.9982。在表面粗糙度和切削能量的Pareto最优解集下，获得了精车优化切削模型相应的进给量、切削速度，为优化选择精车切削参数提供了参考。