[发明专利]一种基于多层感知机的数控机床多工况切削参数优化方法

权利要求书

1.一种基于多层感知机的数控机床多工况切削参数优化方法，其特征在于：该方法包括以下步骤：

S1：通过正交实验构建数控机床在加工位置、刀具直径、悬伸长度以及各切削参数下的数据样本信息；

S2：通过实验样本进行模态锤击实验，得到各样本条件下的刀尖频响函数；

S3：通过MATLAB软件求解模态参数并结合模态理论公式重构刀尖频响函数，结合铣削颤振稳定性理论绘制出铣削稳定性叶瓣图，再利用插值算法求解各主轴转速下的极限切削深度，即规划出各样本条件下的数据信息；

S4：采用PYTHON软件构建以各向运动位移、刀具直径、悬伸长度、主轴转速、切削宽度、每齿进给量为输入的极限切削深度MLP预测模型；

S5：采用该MLP模型作为切削稳定性约束建立最大切除率和最大刀具寿命的多目标优化模型，通过带精英策略的快速非支配排序算法NSGAII求解该优化模型，可计算出各运动轴位移、刀具直径、悬伸长度与切削参数的最优配置。

S6：以加工中心展开实例研究，验证该方法的有效性和可实施性。

2.如权利要求1所述的一种基于多层感知机的数控机床多工况切削参数优化方法，其特征在于：所述步骤S1具体为：数控机床铣削加工过程中出现的颤振失稳、恶化零件加工质量和加剧机床刀具磨损，其主要原因在于机床的主轴坐标(x,y,z)、刀具直径d、悬伸长度h、主轴转速n、切削宽度a_e、每齿进给量f_z的不确定性会导致极限切削深度a_plim随之发生变化，因此本发明以V＝(x，z，d，h，n,a_e，f_z)作为预测模型的输入。

3.如权利要求2所述的一种基于多层感知机的数控机床多工况切削参数优化方法，其特征在于：所描述步骤S2具体为：首先根据正交实验所获取的64组样本数据，调整机床加工位置、刀具直径、悬伸长度进行模态锤击实验，获取各样本条件下的刀尖频响函数曲线。

4.如权利要求3、4所述的一种基于多层感知机的数控机床多工况切削加工参数优化方法，其特征在于：

S301：利用MATLAB软件编写主控程序，输入刀具频响函数求解模态参数，并结合模态理论公式重构频响函数，然后再结合切削颤振稳定性理论分析通过编程程序绘制出稳定性叶瓣图，并求解各主轴转速下的极限切削深度值ap_lim，实现样本数据的规划。建立的铣削颤振稳定性理论模型表述如下式(1)所示:

极限切削深度a_plim和主轴转速n可表示为：

S401：本发明以机床的主轴坐标(x,y,z)、刀具直径d、悬伸长度h、主轴转速n、切削宽度a_e、每齿进给量f_z作为模型的输入变量，构建极限切削深度MLP回归预测模型；建立的多层感知机回归预测模型表述如下式(2)所示：

在本文建立的模型中，其中输入是一个8维向量，代表8个神经元，首先它与输入层是全连接的，假设输入层用向量x表示，则隐藏层的输出就是f(w₁x+b₁),w₁是权重(也叫连接系数)，b₁是偏置，函数f可以是常用的sigmoid函数或者tanh函数,隐藏层到输出层可以看成是一个多类别的逻辑回归，也即softmax回归，所以输出层的输出就是softmax(w₂x₁+b₂)，x₁表示隐藏层的输出f(w₁x+b₁)，函数G是softmoid，并在PYTHON中构建该算法模型，为下述优化奠定基础。