外文翻譯--響應曲面法在最優(yōu)化切削條件下獲得最小表面粗糙度的應用-資料下載頁
2025-08-09 08:11本頁面
【正文】 參數組合，新參數的組合是用模仿生物后裔結構的交叉變異而成的。這個過程一直重復直到表面粗糙度值和新的參數組合不再產生。最優(yōu)化解決方法就是參數的最后組合，遺傳算法的重要參數：種群大小、變異比率、重復次數等，它們的值都在表4中給出。用MATLAB編寫遺傳算法，染色體的選擇基于對象值和限制等級，合適的種群大小偏向于最小目標值和在它們的后代中最不可出現提趨勢。大部分遺傳算法在獲得解之前，通過處罰函數把限制優(yōu)化的問題轉化為非限制優(yōu)化的形式。這就引出了選擇合適的處罰系數的難題，它需要使用者的經驗。在這次研究的程序中不需要處罰系數，所以這個難題被避免了。解決這個優(yōu)化問題后，遺傳算法使表面粗糙度從降到，和原始切削條件下的表面粗糙度相比降幅幾乎是10%。最優(yōu)化切削條件獲得的表面粗糙度在表5中列出。通過遺傳算法所獲得的最優(yōu)化切削條件被物理測量所證實。在圖6中把預期的表面粗糙度和物理測量作了比較。從圖6中可以看出物理測量和遺傳算法的結果非常接近。結論在這個研究中，在銑削鋁合金7075－T6制成的模具表面時，為了獲得預期的表面粗糙度，應用了一個第四等級的響應曲面模型。在生成響應曲面模型時，用了數理統(tǒng)計響應曲面法。響應曲面模型的精確度被試驗測量所證實。精確度的誤差很小，%。成熟的響應曲面模型和成熟的遺傳算法在尋找最優(yōu)化切削條件，獲得最小表面粗糙度上有很大的聯(lián)系。模具和表面粗糙度由優(yōu)化前的降到優(yōu)化后的。遺傳算法使表面粗糙度提高了10%，預期的最優(yōu)化切削條件被試驗測量證實。研究發(fā)現遺傳算法的預測結果和實驗結果相差很小，%。這表示在這個研究中用到的成熟的響應曲面模型和成熟的遺傳算法獲得最優(yōu)化方法是有效的，它還可以用于解決其它機械方面的問題，如：刀具壽命、尺寸誤差等等。致謝作者感謝卡卡里大學的Dr. Mustafa COL提供了該項目，也感謝吉布茲工業(yè)技術學院的Dr. Fehmi ERZINCANLI為本項目提供了數控銑削加工中心。
環(huán)評公示相關推薦
鄂ICP備17016276號-1