基于差分算法的群孔加工工艺优化

论文摘要

本文主要研究利用差分算法进行群孔加工工艺的计算机辅助规划。差分算法是一种基于群体差异的启发式搜索算法，算法收敛速度快，控制参数少，全局搜索功能强。群孔加工工艺路线的决策是一项重要且繁琐的工作，利用差分算法对群孔加工工艺进行优化，可以有效地减少工作量，降低加工成本。首先重点研究了群孔加工的工艺规程和工艺特点，指出基于差分算法的群孔加工工艺优化最主要的研究内容是如何正确地表示零件特征，约束条件，并安排加工工艺路线以便于计算机辅助规划；研究目的是降低加工成本，提高加工的自动化水平。在此基础上，为便于研究作者选用具有自动换刀功能和能实现多种加工方法的加工中心作为研究群孔加工工艺优化的加工设备。接着分析了差分算法和遗传算法的基本原理，指出它们之间的的最大区别在于个体的变异方式，即差分算法采用差分策略对个体进行变异。之后再详述了标准差分算法不同的差分策略。由于加工顺序的安排类似于旅行商问题（TSP），所以本文先通过解决一个简单直观的TSP问题的实验，并与遗传算法进行性能的比较分析，验证差分算法的特点及性能，并针对差分算法局部搜索能力较弱的特点对算法加入局部搜索2-opt算子进行改进。然后根据群孔加工工艺特征，建立合理且有效的群孔加工工艺数学模型。群孔加工优化的目标函数包括两个：一是尽量减少换刀次数，二是尽量减少刀具走刀位移。算法的适应值函数的确定是利用线性加权的方法将多目标函数的优化转化为单目标函数的优化。利用改进后的差分算法优化群孔加工工艺路线，结果表明改进后的差分算法所获得的解更稳定可靠，符合实际生产的要求。最后介绍了基于改进的差分算法的控制参数的方差分析。先对缩放系数F进行方差分析，结果表明算法在缩放系数F的不同水平下所得到的函数最优解的适应值均值不存在显著性的差异；再分析得到改进后的差分算法在不同水平的权值因子α和β下所得的解存在显著性的差异，因此需要对两个权值因子进行多重比较，得出不同水平间的均值差异性，并最终根据此差异性指导差分算法运行参数值的选取，和对适应值函数的改进。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景
• 1.2 国内外研究现状
• 1.3 拟解决的关键问题
• 1.4 本文的主要工作
• 第二章 群孔加工的工艺规程
• 2.1 工艺规程的基本知识
• 2.1.1 工艺规程的概念及设计原则
• 2.1.2 加工方法的选择
• 2.1.3 加工阶段的划分
• 2.1.4 加工顺序的安排
• 2.2 群孔加工工艺的特点
• 2.3 群孔加工工艺的研究内容
• 2.4 群孔加工工艺设备的选择
• 2.5 本章小结
• 第三章 遗传算法与差分算法
• 3.1 标准遗传算法概述
• 3.2 标准差分算法概述
• 3.2.1 差分算法的工作流程
• 3.2.2 差分变异策略
• 3.3 GA 与 DE 的性能比较
• 3.3.1 基于 GA 的 TSP 问题的解决
• 3.3.2 基于 DE 的 TSP 问题的解决
• 3.3.3 GA 与 DE 的性能比较分析
• 3.4 算法的改进及性能分析
• 3.4.1 算法的改进
• 3.4.2 MGA 和 MDE 的性能比较分析
• 3.5 本章小结
• 第四章 基于改进的差分算法的群孔加工工艺优化
• 4.1 群孔加工工艺的数学模型
• 4.1.1 零件特征表示
• 4.1.2 约束条件的表示
• 4.1.3 加工工艺顺序的表示
• 4.1.4 适应值函数
• 4.2 实例分析
• 4.2.1 基于改进的差分算法的群孔加工工艺优化流程
• 4.2.2 基于改进的遗传算法的群孔加工工艺优化流程
• 4.2.3 实例 1
• 4.2.4 实例 2
• 4.2.5 性能分析
• 4.3 本章小结
• 第五章 算法运行参数的方差分析
• 5.1 缩放系数 F 的方差分析
• 5.2 适应值函数权值因子α和β的方差分析
• 5.2.1 双因素等重复数实验
• 5.2.2 多重比较
• 5.3 算法改进与实现
• 5.4 本章小结
• 第六章 结论与展望
• 致谢
• 参考文献
• 个人简介