一种针对滚刀参数和滚齿控制参数的求解方法

本发明属于齿轮加工，尤其涉及一种针对滚刀参数和滚齿控制参数的求解方法。

背景技术：

1、在实际滚齿加工准备中，工艺人员需要根据刀具、加工要求等，选择刀具以及确定滚齿控制参数。本领域经常使用启发式算法对刀具参数和滚齿控制参数进行求解。在多个目标的情况下，启发式算法可以提供多个解，即多个刀具参数和滚齿控制参数。选择哪种启发式算法以及哪种算法的更好，目前还鲜有人研究。

2、再者，如何不同用户对目标的看重程度不同，且多为模糊的表达，如很看重质量，较看重加工时间与碳排放。所以使用一些策略自动选择启发式算法去求解滚刀参数和滚齿控制参数，从而指导滚齿加工是新颖的，目前在这方面的研究是欠缺的。

技术实现思路

1、发明目的：本发明的目的在于提供一种针对滚刀参数和滚齿控制参数的求解方法，能够有效避免人工选择启发式算法求解带来的盲目性问题，达到求解滚刀参数和滚齿控制参数的目的。

2、技术方案：本发明的一种针对滚刀参数和滚齿控制参数的求解方法，基于已有的滚齿历史数据以及滚齿碳排放、加工时间和质量的数学模型，进行滚刀参数和滚齿控制参数的优化求解，具体步骤如下：

3、s1：利用谱聚类方法对于给定的滚齿历史数据进行分类并确定滚刀参数和滚齿控制参数的数值上下限；

4、s2：根据s1所确定的数值上下限对滚刀参数和滚齿控制参数进行初始化，形成初代滚刀参数和滚齿控制参数组x；

5、s3：构建一种基于多目标向量加权算法、多目标哈里斯鹰算法、多目标灰狼算法和多目标蚁狮算法的选择式超启发求解方法；将s2中初代滚刀参数和滚齿控制参数组x输入到选择式超启发求解方法进行迭代优化，同时将滚齿碳排放、加工时间和质量的数学模型作为滚齿目标计算公式，得到优化滚刀参数和滚齿控制参数组以及对应的目标值组；

6、s4、根据用户对滚齿目标的重视程度，利用模糊topsis法对于s3中获取的目标值组进行打分并排序，并筛选出打分最高的目标值；

7、s5、输出s4中打分最高的目标值，找到对应的滚刀参数和滚齿控制参数，作为最符合用户需求的参数，即完成对滚刀参数和滚齿控制参数的求解。

8、进一步的，步骤s1中，所述滚刀参数包括滚刀直径和滚齿头数；所述滚齿控制参数包括主轴转速和轴向进给量。

9、进一步的，步骤s1具体包括如下步骤：

10、s1-1：输入滚齿历史数据，该数据中包含若干滚齿案例，案例的属性包括齿轮模数f1、压力角f2、齿数f3、螺旋角f4、外径f5、齿宽f6、切削深度f7、滚刀直径p1、滚刀头数p2、主轴转速p3、轴向进给量p4；输入求解问题的齿轮模数、压力角、齿数、螺旋角、外径、齿宽、切削深度；

11、s1-2：对滚齿历史数据和求解问题按属性进行归一化，得到归一化后的滚齿历史数据data；

12、s1-3：利用谱聚类方法对data进行处理，将相似的滚齿案例分到同一组中，得到若干案例组；

13、s1-4：找到求解问题所在的案例组，计算该案例组中的滚刀直径、滚刀头数、主轴转速和轴向进给量的最小值以及最大值，相应参数的最小值就是数值下限lb，最大值就是数值上限ub。

14、进一步的，步骤s2具体包括如下步骤：

15、s2-1：设定滚刀参数和滚齿控制参数组内参数个数n，存储帕累托前沿的规模archivemaxsize，优化滚刀参数和滚齿控制参数组archive_x，优化滚刀参数和滚齿控制参数组对应的目标值archive_f；

16、s2-2：在数值上限ub和数值下限lb之间随机生成初代滚刀参数和滚齿控制参数组。

17、进一步的，，步骤s3具体包括如下步骤：

18、s3-1：设置迭代次数计数变量iter等于1，设置max_iter等于100，设置优化滚刀参数和滚齿控制参数组archive的最大存储个数为100；

19、s3-2：当iter≤10，调用算法模块让多目标向量加权算法、多目标哈里斯鹰算法、多目标灰狼算法和多目标蚁狮算法四个算法均运行，通过得分模块计算得分并通过算法选择模块更新状态转移矩阵m，选择得分最高的滚刀参数和滚齿控制参数组替换x；

20、s3-3：当iter>10时，依据s3-2中的状态转移矩阵m，到算法选择模块选择对应的算法，并继续调用算法模块对应的算法开始迭代更新滚齿控制参数组x；

21、s3-4：使用接受策略对s3-3的滚齿控制参数组x进行选择，并用其来更新archive；

22、s3-5：如果iter≤max_iter，则转到s3-2，否则输出archive以及对应的目标值组。

23、进一步的，步骤s3-2中，所述算法模块包括算法池模块和模拟退火模块，算法池模块包含多目标向量加权算法、多目标哈里斯鹰算法、多目标灰狼算法和多目标蚁狮算法四个算法，模拟退火模块会接收算法池模块的结果并更新滚刀参数和滚齿控制参数组。

24、进一步的，步骤3-4的具体步骤为：

25、s3-4-1：针对新滚刀参数和滚齿控制参数组x，计算对应的目标值particle_f，利用公式ps＝0.3+0.7×iter/max_iter计算变量ps，并生成一个[0,1]的随机数，如果随机数大于ps，采用接受机制as1，否则采用as2；

26、其中接受机制as1先根据拥挤距离crowing distance进行降序排序，然后在每个目标值组组成的帕累托前沿面上保留密度较大的部分区域，舍弃其余的；

27、接受机制as2将新的目标值传入archive_f，用帕累托改进选择目标值；

28、s3-4-2：在接受机制结束后，对archive_f进行按照拥挤度排序，并删除排名在archivemaxsize之后的个体，得到更新后的archive_f，并更新对应的archive_x。

29、进一步的，所述s3-2和s3-3中的算法选择模块，包含：

30、算法选择模块s1：定义对于多目标向量加权算法、多目标哈里斯鹰算法、多目标灰狼算法和多目标蚁狮算法四个算法的的状态转移矩阵m；

31、

32、其中tmcur,next是m中的元素，cur表示当代选中第几个算法，cur可取1、2、3

33、和4，比如cur等于1表示当代选中了第1个算法；next表示下一代选中第几个算法，next可取1、2、3和4，比如next等于1表示下一代选中了第1个算法，tmcur,next的初始值都为1；

34、算法选择模块s2：将当前被选中的算法用于产生新的滚刀参数和滚齿控制参数组，通过得分模块可以计算新参数组的得分new_s，并与当代的得分s做差得到loss，并依此计算reward；其中reward计算公式为：

35、

36、其中loss＝new_s-s，是缩放函数，用于把得分的差值映射到[-1,1]的范围内，并通过公式tmcur,next＝tmcur,next+0.2reward更新m中的tmcur,next的值；

37、算法选择模块s3：对iter进行判断，如果iter≤10，对多目标向量加权算法、多目标哈里斯鹰算法、多目标灰狼算法和多目标蚁狮算法四个算法，输入s2中获得的初代滚刀参数和滚齿控制参数组，更新m矩阵的同时选择得分最高的滚刀参数和滚齿控制参数组不断替换初代滚刀参数和滚齿控制参数组，如果iter>10，根据转移概率进行轮盘赌策略选择下一代的算法，在产生新参数组后继续更新new_s以及更新m中的tmcur,next的值；

38、算法选择模块s4：更新转移概率矩阵，当代选中的算法对于下一代第k个算法的转移概率，其值是直接将转移矩阵中的值线性归一化为综合为1的概率值；

39、

40、其中k为正整数，可取1、2、3和4；j为中的计数变量；cur表示当代选中第几个算法，cur可取1、2、3和4。

41、进一步的，所述s3-2中的得分模块，包含：

42、得分模块s1：接收算法模块最后得到的滚齿控制参数组x，以及接收策略模块更新后的目标值组archive_f，计算对应的间距指标sp_x和sp_archive；

43、

44、其中，di为particle_f中第i个值到其它值的最小欧式距离，d0为di的平均值；

45、

46、其中，di为archive_f中第i个值到其它值的最小欧式距离，d0为di的平均值；

47、得分模块s2：基于sp_x和sp_archive，更新矩阵h_sp_x以及h_sp_archive，皆为1行4列矩阵；h_sp_x记录了四个算法最近一次运行后的sp_x；h_sp_archive记录了四个算法最近一次运行后的sp_archive；并进一步计算ssx和ssa，公式为：

48、

49、

50、其中，sum表示求和，1./h_sp_archive表示对h_sp_archive中的每个值进行求倒数；

51、得分模块s3：判断iter，如果iter≤40则采用得分策略cs1：

52、score＝c1·ssx+c2·fir+c3·ftv(8)

53、反之则采用得分策略cs2：

54、score＝d1·ssa+d2·fir+d3·ftv(9)

55、公式(8)和(9)中，score表示得分，c1，c2，c3，d1，d2，d3为权重参数，都属于0到1之间的实数，且c1+c2+c3＝1，d1+d2+d3＝1；count和sum分别表示被标记为被支配解的数量和解的总数量；其中ftv为使用模糊topsis法对archive_f进行评分得到的最高得分。

56、本发明还公开一种计算机装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现本发明方法的步骤。

57、有益效果：与现有技术相比，本发明具有如下显著优点：本发明提供一种针对滚刀参数和滚齿控制参数的求解方法，具有如下显著优点：1.给出2种得分策略cs1和cs2，有助于在前期提升全局搜索能力，并在后期促进目标值组的间距指标的降低；2.采用as1和as2两种接受策略，使得在保留优化滚刀参数和滚齿控制参数的过程中充分考虑可被接受滚刀参数和滚齿控制参数的均匀性；3.能够自动选择适合求解问题的启发式算法，并在用户对目标的不同看重程度下，完成滚刀参数和滚齿控制参数的求解。