《基于模糊推理的通用数控车削刀具磨损优化(翻译)讲诉》由会员分享，可在线阅读，更多相关《基于模糊推理的通用数控车削刀具磨损优化(翻译)讲诉（14页珍藏版）》请在金锄头文库上搜索。
1、基于模糊推理的通用数控车削刀具磨损优化兰天雄中国台湾苗栗县裕达大学信息管理系E-mail: tslanydu.edu.tw2010年10月12日2010年11月6日修订；2010年11月9日发表摘要：在现代数控（计算机数控）车削加工中，刀具磨损是常见的。现有的CNC精车优化研究都是通过一定的实际生产情况或者大量的实际设备操作完成的。因此，提出一个优化的方案是势在必行的。本文从四个参数（切削深度，进给速度，转速，刀尖直径）三个级别（低，中，高）等方面考虑了L9(34)的正交阵列的刀具磨损。此外，刀具磨损的构造九模糊控制规则采用三角形隶属函数与各自的五个语言。考虑4个输入和20个输出的时间间隔，然
2、后，使用重心解模糊完成的S / N（信号 - 噪声）比作为引入。因此，最佳的一般扣除参数可以被接收。此外，一般扣除参数，以获得最佳的确认实验胜杰-3807数控车床。结果表明，对刀具的磨损比的模糊推理运算比那些从基准优化参数的显着先进性。本文不仅提出了一种通用的扣除优化方案，采用正交阵列，也提出了令人满意的优化数控车床的刀具磨损的方法。关键词：CNC，综合优化，模糊推理，刀具磨损率 1、引言自工业革命以来加工制造已成为制造行业的核心业务 1。 在特定的生产情况下，现有的优化CNC（计算机数控）或通过特定模拟生产的研究2-5，或通过大量的频繁的设备实现操作6,7。然而，这些被视为计算机模拟工业在现
3、实世界中的适用性仍然是不确定的。因此，没有设备的操作一般扣除优化的方案被视为必然发展。在数控车床加工过程中，进行编程的速度，进给量和切削深度，是在经常的车间作业经验的基础上确定。不过，该机的性能和产品的特性并不能保证是可以接受的。因此，需要完成最佳的车削条件。要提及的是刀尖直径会影响性能的加工过程8。因此，刀尖关闭运行被选择作为在这项研究中的控制因素之一。参数优化是一个很难解决的问题，因为参数之间的相互作用。提高产品质量和生产效率相关的问题总是可以优化程序。田口方法，实验设计方法，已被广泛应用于许多行业。它通过设计参数的设置不仅可以优化质量特性，也可以降低系统对来源的变化的敏感性 9-12。田
4、口方法采用一组正交阵列，探讨了影响特定的质量特性参数来决定最佳参数组合国。这些类型的数组使用一个小的实验运行分析质量影响的参数，以及最佳的参数组合。田口方法采用一组正交阵列，探讨了影响特定的质量特性参数来决定最佳的参数组合。这些种阵列使用一个小数量的试验运行分析质量影响的参数，以及参数的最佳组合。为了实现的一般的优化，被控制系统的动态行为是必要的第一个描述。由于数量，复杂性和不明确性的变量的动态系统，可能会影响决策者的决定，模糊集理论是最适合的解决方案1318。模糊语言模型允许口头表达成数值的19。因此，输入输出关系的过程中，可以涉及语言的变量，而不是一个复杂的动态数学模型的模糊控制规则的集合
5、。综合以上所有的观点，本文认为四个参数（切削深度，进给率，速度快，工具鼻子径流）三个级别（低，中，高），以优化在CNC精车刀具的磨损。另外建造各自的五种语言牌号为刀具磨损的模糊控制规则，采用三角形隶属函数。然后，解模糊的量化使用的重心，而且引入田口实验S / N（信号 - 噪声）比，因此，最佳的一般扣除参数可以被接收。本文明确地提出了一个模糊推理一般的优化方法和洞察力数控车床的刀具磨损优化具有深刻意义的模糊语言技术。2.方法在本文中，一般扣数控车床操作的语言变量量化和参数优化，提出了利用模糊集理论，即田口方法。它们被描述如下。2.1模糊集理论设X是一个合集，A是一个X的模糊子集，如果所有所述x
6、X，就有一个集合，分配给集合成员 x to A，并且被称为A的隶属度函数。三角模糊数A可以被定义为一个三元组（a，b，c）（图1）20。隶属函数被定义为在本文中，最重要的两个参数对刀具的磨损主要是通过文献综述的结论。此外，刀具磨损9模糊控制规则采用三角形隶属函数将IF-THEN规则与各自的五个语言成绩。图1 为了消除计算偏差，4个输入（参数）和20输出的时间间隔（刀具磨损）被认为是准备模糊化。通过笛卡尔乘积，输入和输出的隶属度达到 这里，“输入”描述的参数，“输出”表示的质量，和R表示的参数和质量之间的模糊关系。根据“OR”相结合的规则，然后利用最大隶属度为 其中，R1和R2代表两个规则。在这
7、项研究中，使用平均值的重心 被确定为代表的模糊集合其中)是最终的评级活动，描述模糊集合A的隶属函数。2.2、田口方法田口方法是一个强大的设计方法技术21,22，它提供了一个简单的方式来设计效率和成本效益的实验。为了效率，减少传统的实验任务，正交阵列23,24采用的设计参数（控制因素）列和行的标准数量（水平）提出并进一步采取的数量。性能测量值，信号 - 噪声比（S / N）25提出的田口是用于获取最优对米组合。较大的S / N表示质量的关系会变得更好。低质量的特征将被视为一个更好的结果时，考虑到最小最优质的情况。相关的S / N比被定义为其中n是每个实验组的实验次数，和yi表示在i-次实验中的质
8、量特性。相反，较大的质量特性将有更好的结果吨时，考虑到最好的质量较大，因此，通过采取入方程（5）中的质量特性的逆相关的S / N比也可以推导出，示出在等式（6）。 在这项研究中，去模糊化介绍了数控加工中的刀具磨损田口实验结果的S / N比。因此，它被判断为较小的最好的质量。除了的S / N比，统计方差分析（ANOVA），26可以被用来表示工艺参数的影响。以这种方式，工艺参数的最佳水平，可以进行估计。3、研究设计刀具的磨损被认为是作为在此纸的质量。选择与三个层次的四个参数OPTIM-IZE的精车正交阵列的基础上。此外，九模糊控制规则分别使用五个语言成绩，刀具磨损的构造。考虑4个输入和20输出的时
9、间间隔，从而完成使用重心解模糊。因此，最佳的一般扣除参数可以被接收。3.1、建设直交在这项研究中，四转弯参数（A-的速度，切削深度B-，C-进给速度和D-刀尖径流D）27三个不同的等级（低，中，高）（见表1）扣除构建优化的加工操作。在表1中，三个水平的速度，切削深度，进给速率被认为是根据由工具制造商建议的加工手册。刀尖径流被定位通过使用不同的垫片位于工具保持架下。正交阵列，然后选择要执行的九套扣除实验。表13.2、模糊控制规则由于减少刀具磨损可以增加刀具寿命，刀具寿命是用来描述在这项研究中的刀具磨损。改进的泰勒方程4，常常用来表达刀具寿命，只有加工速度（V）和进料速率（f）可以被识别，并被发现
10、作为两个刀具磨损的主要参数。此外，计算量小，刀具磨损的五个语言成绩确定为优秀（至少），好（光），公平，差（大），和最差的（重）。本文刀具磨损与各自的五个语言成绩形成的9模糊控制规则在以下的考虑下。模糊规则可以被描述为规则1：如果加工速度和进给速度低，刀具的磨损是优秀的。 规则2：如果加工速度低进给速度中等，刀具的磨损是差的。 规则3：如果加工速度低进给速度高，刀具的磨损是公平的。规则4：如果加工速度和进给速度中等，刀具的磨损是好的。 规则5：如果加工速度中等进给速度高，刀具的磨损是公平的。规则6：如果加工速度中等进给速度低，刀具的磨损是差的。规则7：如果加工速度和进给速度较高，刀具的磨损是公平
11、的。 规则8：如果加工速度较高进给速度低，刀具的磨损是差的。 规则9：如果加工速度较高进给速度中等，刀具的磨损是最差的。3.3、模糊化在本文中，三个参数水平的选择是基于田口实验方法，因此，每个三角形隶属函数与模糊区域的峰值点。考虑4个输入和20输出的时间间隔，然后，可以使用重心解模糊完成五个语言等级。由于两个主要参数被认为是刀具磨损的方面，隶属函数是作为两个模糊集交点，模糊集的高度被视为（图2）。可以描述为输入（参数）和输出（刀具磨损）的成员的程度，如在表2和表3分别示出。利用模糊集合的平均值来表示整个集 然后，我们有模糊资料五个语言等级，如表4中所示的量化结果。图2表2表34、结果与讨论考虑
12、9组实验的基础上，正交阵列的参数组合刀具的磨损模糊推理的，量化的结果，如表5所示。介绍刀具磨损较小的最佳期望的信号噪声比（S / N）的定量结果作为因子的反应，结果被计算并在表6中列出。平均为S / N比的影响，然后绘制由MINITAB 14，如图3所示。因此，最佳的模糊推理收费磨损的车削参数A（高），B（高，中，低），C（高），D（低）。表4表5表6图35、确认实验胜杰-3807数控车床的工件按实验安排完成直径旋转操作S45C（j45毫米250毫米）。TOSHIBA WTJNR2020K16的工具持有人与三菱NX2525插入被用作切削刀具。四个转动与三个不同的水平（低，中，高）（表7）的参数
13、（速度，切削深度，进给速率，和刀尖径流）实验的加工操作的基础上，区分正交阵列”。在表8中，三个层次 9速度，切削深度，进给速率，由该工具制造商建议的从加工手册确定。刀尖径流通过使用工具保持架位于下的不同的垫片和通过测量后的前端面转动工件确定。当刀尖被设置大约为0.1毫米的高（低）比工件的中心，它是“高（低）”的方面。当刀尖设定0.03毫米范围内，它被认为是“中等”。图4中的刀具磨损长度VB2（毫米）在3D SONY彩色视频电子相机中选择和缩放。为了减少昂贵的和耗时的实验，本研究采用代替的刀具寿命的刀具的磨损比（每单位材料去除量的刀具磨损长度），以证明根据特定的参数组合的转动刀具的磨损状态。刀具
14、磨损的长度除以作为刀具的磨损比（毫米-2），它是利用在这项研究中的刀具磨损指示器除去的材料的体积。表7 表8图4为了验证我们建议一般的优化技术，加工操作下都模糊田口扣除优化参数和基准参数A（中），B（中），C（中），D（中）获得最佳结果的适用性，这往往是导入的确认实验中，在许多的研究7,28进行执行上的数控车床比较的最佳的参数。经过机械加工的结果总结于表8中列出。从表8中，已观察到模糊推理参数下的刀具磨损比显著提高了16.21，30.02和8.9，平均结果从基准参数也提高了18.38。结果表明，我们建议一般扣除优化技术，才能真正推动了刀具磨损优化。6、结语在本文中，模糊田口试验的提出和应用，达
15、到的预想下最佳的CNC精车刀具磨损参数。最佳的普通扣除参数进行实验确认，表明所提出的模糊田口扣优化方法的有效性。通过确认测试所提出的方法，实验结果验证了效力，刀具磨损率可以极大地推进我们的模糊田口的优化技术。所考虑的素质中一般扣除优化的发现，现实世界的加工行业价值将可能增长。因为参数之间的相互作用，使得参数优化是一个很难解决的问题。本文不仅提出了模糊推理一般采用正交阵列的优化方法，也有利于令人满意的模糊语言技术在数控车床具有深刻的洞察力提高刀具的磨损性能。通过发展在这项研究中的模拟，制造业的竞争将使经济发展。7、感谢词感谢台湾行政院国家科学委员会对NSC98-2221-E-412-002合同项下的工作的财政支持。笔者想感谢匿名审稿人友情提供的建议和意见，以改进这项工作。8、参考文献1 R. R. Venkata, “Machinability Evaluation of Work MaterialsUsing a Combined Multiple Attribute Decision- makingMethod,” International Journal of Advanced.
