基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法

摘 要：數(shù)控加工過程中的誤差會直接影響結(jié)構(gòu)件的加工精度和質(zhì)量，因此本文提出基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法?；诟倪M灰狼算法提取結(jié)構(gòu)件數(shù)控加工刀具狀態(tài)特征，構(gòu)建數(shù)控加工參數(shù)優(yōu)化模型。將構(gòu)建的數(shù)控加工參數(shù)優(yōu)化模型的目標函數(shù)設(shè)定為最小化切削力，以優(yōu)化結(jié)構(gòu)件數(shù)控加工誤差。試驗結(jié)果表明，優(yōu)化后的加工誤差整體均小于優(yōu)化前的誤差，優(yōu)化后的最大變形偏差為0.013 mm，比優(yōu)化前的最大誤差降低了0.012 mm，證明基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法對數(shù)控加工誤差的優(yōu)化有效。

關(guān)鍵詞：誤差優(yōu)化；結(jié)構(gòu)件數(shù)控；加工誤差；改進灰狼算法

中圖分類號：D 26 " " " 文獻標志碼：A

數(shù)控加工技術(shù)在結(jié)構(gòu)件制造中具有重要的作用。灰狼優(yōu)化算法是一種新興的優(yōu)化算法，其具有優(yōu)秀的全局搜索能力和魯棒性，因此受到廣泛關(guān)注。但是傳統(tǒng)的灰狼優(yōu)化算法在解決復(fù)雜問題過程中存在局限性，而改進灰狼算法可以更好地處理數(shù)控加工誤差。該算法引入了混沌序列初始化種群、動態(tài)調(diào)整新領(lǐng)袖產(chǎn)生策略以及競爭選擇進化策略等措施，可以提高灰狼算法的搜索效率和全局優(yōu)化能力。文獻[1]深入剖析加工變形的形成機理，本文歸納了銑削力模型在加工變形中的關(guān)鍵作用，對結(jié)構(gòu)件殘余應(yīng)力變形預(yù)測的研究現(xiàn)狀進行概述，并且提出優(yōu)化加工工藝，以有效控制結(jié)構(gòu)件加工變形的主要策略。但是該方法欠缺實時動態(tài)調(diào)整能力，不能較好地控制突發(fā)事件下的故障誤差。文獻[2]提出了針對數(shù)控機床的誤差建模、補償方法以及加工精度/表面粗糙度的預(yù)測與控制。同時，結(jié)合結(jié)構(gòu)件的特性，探討其數(shù)控加工精度控制的關(guān)鍵技術(shù)。雖然該方法提升了加工精度，但是加工效率并沒有提升。而本文方法利用改進后的灰狼算法對數(shù)控加工參數(shù)進行優(yōu)化，可以降低加工誤差，進而提高結(jié)構(gòu)件的加工精度。

1 基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法的設(shè)計

1.1 基于改進灰狼算法提取結(jié)構(gòu)件數(shù)控加工刀具狀態(tài)特征

為了準確監(jiān)測刀具狀態(tài)，需要利用灰狼算法選擇合適的特征，并優(yōu)化參數(shù)設(shè)置。本文設(shè)計的改進灰狼算法通過模擬狼群的社會行為（例如狩獵、競爭和合作）來尋找問題的最優(yōu)解。在提取刀具狀態(tài)特征過程中，本文算法會收集與刀具狀態(tài)相關(guān)的數(shù)據(jù)，例如切削力、聲音信號等。此外，該算法還能及時響應(yīng)刀具狀態(tài)的變化，根據(jù)約束條件實時提取有效刀具狀態(tài)特征，以此來優(yōu)化參數(shù)。利用算法的尋優(yōu)過程，對這些數(shù)據(jù)進行處理和分析，提取與刀具狀態(tài)密切相關(guān)的特征[3]。

結(jié)構(gòu)件在數(shù)控加工的過程中的主要參數(shù)包括切削寬度、刀具直徑等，因此需要根據(jù)結(jié)構(gòu)件加工的形狀、走刀策略等多種因素進行設(shè)置。本文引入改進灰狼算法中的佳點集理論初始化種群，以保證在搜索空間中擁有更好的初始種群[4]。

在提取刀具狀態(tài)特征的過程中，將切削力作為本文驗證方法有效性的關(guān)鍵指標，其大小會直接影響結(jié)構(gòu)件的表面質(zhì)量和精度。過大的切削力容易導(dǎo)致切削精度不高、結(jié)構(gòu)件變形或刀具損壞，因此需要控制切削力，以及時了解加工過程中的問題，并優(yōu)化切削參數(shù)，從而提高加工質(zhì)量和效率。在切削力模型建模過程中，雖然模型已經(jīng)相當(dāng)成熟，通常是通過每個刀齒的微元受力進行建模[5]，但是在實際加工過程中，每個刀齒的接觸角會隨時間不斷變化，導(dǎo)致計算過程比較復(fù)雜。為了簡化計算并確定每個刀齒的最大切削力，本文采用簡化的切削力公式。該簡化公式能更高效地評估切削過程中的受力情況，如公式（1）所示。

（1）

式中：Fx，y，z為在x、y和z軸方向上的切削力；q為切削深度；c為每齒進給量；k為刃口力系數(shù)；θ為切入角；l為剪切力作用系數(shù)；f為進給速度；v為主軸轉(zhuǎn)速；n為刀齒數(shù)量。

數(shù)控加工切入角θ如圖1所示。

切入、切出角如公式（2）所示。

（2）

式中：?為切出角；r為刀具半徑；p為切削寬度。

綜上所述，切削深度、切削寬度和主軸轉(zhuǎn)速的提升均會增加切削力，從而使切削力采集信號的幅值上升。相反，轉(zhuǎn)速提高會降低切削力，導(dǎo)致采集信號的幅值下降[6]。

因此，將結(jié)構(gòu)件的數(shù)控加工系統(tǒng)看作1個佳點集集合整體，設(shè)定在該集合中搜索切削力等因素特征與刀具狀態(tài)的最優(yōu)解關(guān)系[7]，根據(jù)公式（1）和公式（2）得出搜索過程，如公式（3）所示。

?·I=r·[Fx，y，z+cos?sinθ+pq]+tf+γ （3）

式中：?為灰狼系數(shù)；I為等效直流電流；tf為等效摩擦力矩；γ為黏性摩擦力與庫倫摩擦力的力矩。

根據(jù)改進灰狼算法得出不同時間下切削力與刀具狀態(tài)的最優(yōu)解關(guān)系解，利用上述步驟準確提取刀具狀態(tài)特征，可以及時發(fā)現(xiàn)和處理加工過程中的問題，提高加工質(zhì)量和效率[8]。

1.2 構(gòu)建數(shù)控加工參數(shù)優(yōu)化模型

切削力是薄壁深孔零件加工中的關(guān)鍵參數(shù)，將直接影響結(jié)構(gòu)件的變形。根據(jù)上述切削力與刀具狀態(tài)特征間的關(guān)系，將本文構(gòu)建的數(shù)控加工參數(shù)優(yōu)化模型的目標函數(shù)設(shè)定為切削力的最小值。考慮本文關(guān)注的是結(jié)構(gòu)件切削時側(cè)壁變形誤差[9]，由于在銑削過程中切削力存在波動，因此在構(gòu)建目標函數(shù)過程中采用垂直于工件壁厚的徑向切削力Fy的平均值。為了簡化求解過程，進一步對所得結(jié)果進行轉(zhuǎn)換，根據(jù)公式（1）和公式（2）得到公式（4）。

Fy=16 964.396×vcpq （4）

根據(jù)公式（4）得出該切削力Fy的優(yōu)化目標，如公式（5）所示。

（5）

式中：s1為優(yōu)化后的切削力。

在結(jié)構(gòu)件的切削加工過程中，單位時間內(nèi)材料的去除量是一個關(guān)鍵的效率指標，因此也將它作為優(yōu)化的目標之一。切削加工在單位時間內(nèi)能夠去除的材料量χ如公式（6）所示。

χ=qcpnv （6）

根據(jù)公式（6）得出該去除材料量的優(yōu)化目標，如公式（7）所示。

（7）

式中：s2為優(yōu)化后去除的材料量。

綜上所述，切削力與變形誤差間具有正相關(guān)關(guān)系，在單位時間內(nèi)材料去除量與生產(chǎn)效果間也具有正向相關(guān)性。要降低加工誤差、提高生產(chǎn)效率，就必須尋找切削力的極小值和最大材料去除量。為簡化問題，本文統(tǒng)一為最小化問題，并構(gòu)建相應(yīng)的數(shù)控加工參數(shù)優(yōu)化模型，根據(jù)公式（5）和公式（7）得出公式（8）。

（8）

式中：mins1為優(yōu)化后切削力的極小值；mins2為優(yōu)化后去除材料量的最大值。

在實際加工中，切削參數(shù)的選擇受多種因素的限制，只有在滿足特定約束條件的情況下，才能得到適用于結(jié)構(gòu)件切削工藝參數(shù)的優(yōu)化解。因此，在優(yōu)化計算過程中必須考慮這些約束條件，以保證得到的優(yōu)化參數(shù)組合滿足實際生產(chǎn)需求。該條件如公式（9）所示。

（9）

式中：g1（x）、g2（x）和g3（x）分別為進給速度、主軸轉(zhuǎn)速、切削深度的最大值與實際值的差；fmax為最大進給速度；vmax為最大主軸轉(zhuǎn)速；qmax為最大切削深度。

根據(jù)上述步驟，完成數(shù)控加工參數(shù)優(yōu)化模型的建立。優(yōu)化切削力的最小值，能夠降低側(cè)壁變形程度，提高加工精度，并減少對工件表面的沖擊和振動，進而提高結(jié)構(gòu)件的表面質(zhì)量。優(yōu)化去除材料量的最大值，能夠有效控制側(cè)壁的變形界限，從而降低側(cè)壁變形的風(fēng)險。

1.3 優(yōu)化結(jié)構(gòu)件數(shù)控加工誤差

在優(yōu)化數(shù)控加工參數(shù)模型過程中，收集切削速度、進給量等加工參數(shù)，并基于工件壁厚的徑向切削力平均值構(gòu)建目標函數(shù)，可以減少結(jié)構(gòu)件數(shù)控加工的誤差。構(gòu)建數(shù)控加工參數(shù)優(yōu)化模型后，將其應(yīng)用在結(jié)構(gòu)件數(shù)控加工中，可以對不同加工特征下的誤差進行優(yōu)化。實時辨識結(jié)構(gòu)件加工狀態(tài)的方法如下所示。1）收集h秒內(nèi)的數(shù)據(jù)并預(yù)處理。根據(jù)各種加工特征計算初始辨識最優(yōu)解關(guān)系，采用歸一化和降維技術(shù)，得到優(yōu)化后的辨識特征。2）計算某一特征與相應(yīng)佳點集中的最優(yōu)解間的關(guān)系，確定當(dāng)前刀具狀態(tài)歸屬于佳點集對應(yīng)的刀具狀態(tài)類別。3）積累足夠數(shù)量的數(shù)據(jù)后，使用這些數(shù)據(jù)重新訓(xùn)練數(shù)控加工參數(shù)優(yōu)化模型，定期更新訓(xùn)練結(jié)果，以提高結(jié)構(gòu)件數(shù)控加工的精準度。4）根據(jù)上述方法，能夠準確判定刀具的實時特征，并通過優(yōu)化數(shù)控加工參數(shù)模型，減少刀具加工過程中的操作誤差。進行結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化的步驟如圖2所示。

以上步驟和方法的綜合應(yīng)用可以優(yōu)化結(jié)構(gòu)件數(shù)控加工誤差，提高加工質(zhì)量和生產(chǎn)效率。需要注意的是，除了加工參數(shù)外，還需要考慮其他可能影響加工誤差的因素，例如機床精度、刀具質(zhì)量和夾具穩(wěn)定性等，因此不同的工件材料和加工要求可能需要采用不同的優(yōu)化策略和方法來減少加工誤差。

2 試驗測試與分析

本次試驗主要關(guān)注結(jié)構(gòu)件切削過程中的側(cè)壁變形誤差，因此需要對結(jié)構(gòu)件進行銑削仿真，利用切削力最小值和去除材料量最大值，進一步得出切削采樣點與實際位置的誤差，從而驗證本文方法的有效性。

2.1 試驗準備

為比較本文基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法在優(yōu)化前、后的數(shù)控加工誤差，進行測試試驗，以驗證本文方法的可行性。本文選用一鋁合金薄壁件結(jié)構(gòu)件為試驗對象，實驗平臺選用MATLAB軟件對其進行銑削仿真。本次試驗將對優(yōu)化前、后加工誤差中的壁厚方向誤差進行測試，各項試驗參數(shù)見表1。

2.2 試驗結(jié)果與分析

基于上述試驗準備，進行優(yōu)化前、后的薄壁件的加工誤差的測試。在軟件中進行結(jié)構(gòu)件的銑削仿真，在工件上方沿刀具進給方向的相同位置進行采樣，測量出壁厚方向位移的誤差，根據(jù)公式（4）～公式（7），分別得出本文方法優(yōu)化前、后的切削力最小值和去除材料量最大值，進一步得出優(yōu)化前、后壁厚方向的測量偏差，其測試結(jié)果見表2。

由上述試驗結(jié)果可以看出，銑削力控制效果較差，優(yōu)化前的最大變形誤差為0.025 mm。優(yōu)化后的最大變形誤差為0.013 mm，比優(yōu)化前的最大偏差減少了0.012 mm，原因是本文方法將結(jié)構(gòu)件的數(shù)控加工系統(tǒng)看作1個佳點集集合整體，從中得出搜索切削力等因素特征與刀具狀態(tài)的最優(yōu)解關(guān)系，進而準確提取刀具的實時狀態(tài)特征，優(yōu)化切削速度、進給量和切削深度等加工參數(shù)，并且進行誤差補償與修正，從而減少了壁厚方向測量偏差，證明本文方法對數(shù)控加工偏差的優(yōu)化正確且有效。

綜上所述，基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法在試驗結(jié)果上取得了顯著效果，有效提高了加工精度和產(chǎn)品質(zhì)量。

3 結(jié)語

基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法為提升結(jié)構(gòu)件數(shù)控加工的精度和效率開辟了新的途徑。本文對灰狼算法進行了優(yōu)化與改進，并將其應(yīng)用于結(jié)構(gòu)件數(shù)控加工誤差的優(yōu)化問題中，有效控制了加工誤差。本文不僅驗證了改進灰狼算法在解決復(fù)雜優(yōu)化問題方面的優(yōu)越性能，而且展示了其在實際工程應(yīng)用中的廣闊前景。不斷優(yōu)化算法參數(shù)和調(diào)整搜索策略，可以提高了的收斂速度和求解精度，為數(shù)控加工領(lǐng)域提供更精確、高效的誤差優(yōu)化方法。期待通過進一步的技術(shù)創(chuàng)新和算法優(yōu)化，為結(jié)構(gòu)件數(shù)控加工提供更精準、可靠的解決方案，推動制造業(yè)的持續(xù)發(fā)展。同時，也希望本文研究成果能夠激發(fā)更多學(xué)者和工程師在優(yōu)化算法和數(shù)控加工技術(shù)方面的研究熱情，共同推動相關(guān)領(lǐng)域的進步與發(fā)展。綜上所述，基于改進灰狼算法的結(jié)構(gòu)件數(shù)控加工誤差優(yōu)化方法是一項具有重要意義的研究工作。相信經(jīng)過不斷的探索和實踐，該方法將在未來的數(shù)控加工領(lǐng)域發(fā)揮更重要的作用，為制造業(yè)的升級和發(fā)展貢獻新的力量。

參考文獻

[1]趙明偉，岳彩旭，陳志濤，等.航空結(jié)構(gòu)件銑削變形及其控制研究進展[J].航空制造技術(shù)，2022，65（3）：108-117.

[2]溫曉波，李金山.弱剛度結(jié)構(gòu)件的高速銑削及變形控制技術(shù)分析[J].中國設(shè)備工程，2020（22）：188-189.

[3]戚艷，尚學(xué)軍，聶靖宇，等.基于改進多目標灰狼算法的冷熱電聯(lián)供型微電網(wǎng)運行優(yōu)化[J].電測與儀表，2022，59（6）：12-19，52.

[4]燕相松.基于改進遺傳算法的三軸數(shù)控雕刻加工路徑優(yōu)化方法[J].九江學(xué)院學(xué)報（自然科學(xué)版），2023，38（3）：23-26，46.

[5]魏琳，楊凱榮，周英，等.基于EDGECAM和NCSIMUL的復(fù)雜結(jié)構(gòu)件數(shù)控編程及加工仿真應(yīng)用[J].航天制造技術(shù)，2023（6）：64-69.

[6]黃龍，李連成，趙珂，等.基于在機測量系統(tǒng)的焊接結(jié)構(gòu)件加工補償技術(shù)應(yīng)用[J].金屬加工（冷加工），2023（4）：74-78.

[7]劉娟，劉檢華，莊存波，等.基于特征聚類的結(jié)構(gòu)件數(shù)控加工工時預(yù)測方法[J].機械工程學(xué)報，2023，59（15）：232-246.

[8]國凱，武沖，孫杰.航空整體結(jié)構(gòu)件數(shù)控加工變形預(yù)測及控制技術(shù)研究進展[J].航空制造技術(shù)，2022，65（21）：112-127.

[9]高鑫，馮斌，趙中剛，等.柔性線加工模式下航空結(jié)構(gòu)件數(shù)控加工工藝設(shè)計技術(shù)研究[J].航空制造技術(shù)，2022，65（7）：96-103.