摘要
为了研究多参数多目标自适应优化,通过Ti6Al4V铣削试验采集了各铣削参数水平下的铣削力和工件表面粗糙度数值,以控制铣削力和表面粗糙度值为目标,对各水平铣削参数进行稳健设计优化,获得铣削参数的非劣解集.基于非劣解集数据,采用广义神经网络算法建立铣削参数自适应优化训练模型,将训练模型预测的数据与非劣解集中的参数进行对比,结果显示二者具有很好的一致性.因此,该自适应模型能够通过限定的铣削力和粗糙度目标值预测得出自适应优化的切削速度、进给量、轴向切削深度和径向切削深度参数值.铣削参数的自适应调节方法为:当所限定的铣削力和粗糙度值所对应的参数值与预测值之间的均方误差超过10％时,则先前的铣削参数会自适应调节为广义神经网络模型预测的值.
NETL
NSTL
维普
万方数据