×
吉塔Lebbar;贾布里·阿卜杜洛瓦哈卜;阿卜杜拉·巴尔卡尼;艾克拉姆·阿巴斯;穆门·达切里夫

基于进化算法的多道次面铣削参数优化选择。 （英语） Zbl 07387485号

Kulkarni，Anand J.（编辑）等，元启发式和应用中的约束处理。新加坡：斯普林格。201-229 (2021).
总结：几十年来，人们特别关注与材料去除过程相关的切削条件的最佳选择，特别是对于被视为理论和实践上高度复杂的多道面铣削操作。铣削操作中的加工条件通常包括切削速度、切削深度和进给速度。由于计算机辅助工艺设计（CAPP）的重要性，以及这些变量对加工产品质量、操作成本和加工效率的巨大影响，这一领域的研究引起了极大的兴趣。本文提出了各种进化优化技术，以最小化多道次面铣作业的单位生产成本，同时考虑工艺约束。所提出的优化工具最初基于遗传算法（GA），具有两种不同的选择策略，即随机选择和锦标赛选择。其次，对混合模拟退火遗传算法（SAGA）进行了研究。基于模拟退火（SA）的局部搜索策略与遗传搜索的集成目标是准确防止遗传算法过早收敛的陷阱。然后使用田口实验设计（DEO）（L_{27}）正交阵列方法校准这三种优化方法的参数。最后，考虑了不同的案例研究，以充分显示所提议机制的有效性。所得结果与建议的文献方法的比较；证明了所提出的SAGA在选择多道次面铣削操作的最佳切削参数方面的有效性。
有关整个系列，请参见[Zbl 1464.68011号].

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
90 C59 数学规划中的近似方法和启发式

关键词：

多面铣削加工;优化;模拟退火;遗传算法;田口方法
PDF格式BibTeX公司 XML格式引用
\textit{G.Lebbar}等人，in：元启发式和应用程序中的约束处理。新加坡：斯普林格。201-229（2021；Zbl 07387485）
全文： 内政部

参考文献：

[1] Petropoulos，P.G.：通过几何编程优化选择加工速度变量。《国际期刊生产研究》第11卷，第305-314页（1973年）
[2] Shin，Y.C.，Joo，Y.S.：具有实际约束的加工条件优化。《国际期刊生产研究》第30卷，第2907-2919页（1992年）·doi:10.1080/0207549208948198
[3] Gupta，R.，Batra，J.L.，Lal，G.K.：带约束的多道车削切削深度最佳细分的确定。《国际期刊生产研究》第33卷，第2555-2565页（1995年）·兹比尔0909.90156 ·doi:10.1080/0207549508904831
[4] Tolouei-Read，M.，Bidhendi，I.M.：关于铣削操作的加工参数优化。国际J·马赫。工具制造37，1-16（1997）·doi:10.1016/S0890-6955（96）00044-2
[5] Sönmez，A.Is，Baykasoǧlu，A.，Dereli，T.，FölǦz，I.H.：通过几何规划动态优化多道铣削操作。国际J·马赫。工具制造39，297-320（1999）·doi:10.1016/S0890-6955（98）00027-3
[6] Liu，Y.，Wang，C.：基于改进遗传算法的铣削参数优化。国际先进制造技术杂志。15, 796-799 (1999) ·数字标识代码：10.1007/s001700050134
[7] Shunmugam，M.S.，Reddy，S.B.，Narendran，T.T.：使用遗传算法选择多通道人脸识别的最佳条件。国际J·马赫。工具制造40，401-414（2000）·doi:10.1016/S0890-6955（99）00063-2
[8] Wang，J.，Kuriyagawa，T.，Wei，X.P.，Guo，D.M.：使用确定性方法优化单程车削操作的切削条件。国际J·马赫。工具制造421023-1033（2002）·doi:10.1016/S0890-6955（02）00037-8
[9] Briceno，J.F.，El-Mounayri，H.，Mukhopadhyay，S.：选择一个人工神经网络来高效建模和精确模拟铣削过程。国际J·马赫。工具制造42，663-674（2002）·doi:10.1016/S0890-6955（02）00008-1
[10] An，L.，Chen，M.：关于加工参数的优化。收录于：2003年第四届控制与自动化国际会议记录。ICCA’03，第839-843页。IEEE（2003）
[11] Wang，Z.G.，Wong，Y.S.，Rahman，M.：使用遗传算法和遗传模拟退火优化多道铣削。国际先进制造技术杂志。24, 727-732 (2004) ·doi:10.1007/s00170-003-1789-5
[12] Wang，Z.G.，Rahman，M.，Wong，Y.S.，Sun，J.：使用并行遗传算法和并行遗传模拟退火的多道次铣削优化。国际J·马赫。工具制造45，1726-1734（2005）·doi:10.1016/j.ijmachtools.2005.03009
[13] Onwubolu，G.C.：使用Tribes对多道次端面铣削操作进行基于性能的优化。国际J·马赫。工具制造46，717-727（2006）·doi:10.1016/j.ijmachtools.2005.07.041
[14] Saha，S.：基于遗传算法的多通道面铣削优化和后优化分析。arXiv预打印arXiv:0902.0763（2009）
[15] António，C.C.，Castro，C.F.，Davim，J.P.：基于遗传搜索的面铣削中多路径切割参数的优化。国际先进制造技术杂志。44, 1106-1115 (2009) ·doi:10.1007/s00170-009-1933-y
[16] Krinpenis，A.，Vosniakos，G.C.：在Stackelberg游戏中使用遗传算法对具有雕刻表面的零件进行粗铣削优化。J.智力。制造日期：20447-461（2009年）·doi:10.1007/s10845-008-0147-8
[17] Øktem，H.：端铣操作期间切削参数建模和优化的表面粗糙度综合研究。国际先进制造技术杂志。43, 852-861 (2009) ·doi:10.1007/s00170-008-1763-3
[18] Mahdavinejad，R.A.，Khani，N.，Masoud，M.，Fakhrabadi，S.：使用人工神经网络和人工免疫系统优化铣削参数。J.机械。科学。Technol公司。26, 4097-4104 (2012) ·doi:10.1007/s12206-012-0882-9
[19] Rao，R.V.，Pawar，P.J.：使用非传统优化算法对多道铣削过程进行参数优化。申请。软计算。10, 445-456 (2010) ·doi:10.1016/j.asoc.2009.08.007
[20] Yang，W.A.，Guo，Y.，Liao，W.H.：使用模糊粒子群优化算法优化多通道面铣削。国际先进制造技术杂志。54, 45-57 (2011) ·doi:10.1007/s00170-010-2927-5
[21] Zhou，A.，Qu，B.Y.，Li，H.，Zhao，S.Z.，Suganthan，P.N.，Zhang，Q.：《多目标进化算法：最新研究》，Swarm Evolution。计算。1, 32-49 (2011) ·doi:10.1016/j.swevo.2011.03.001
[22] Zarei，O.，Fesanghary，M.，Farshi，B.，Saffar，R.J.，Razfar，M.R.：通过和声搜索算法优化多通道人脸识别。J.马特。过程。Technol公司。209, 2386-2392 (2009) ·doi:10.1016/j.jmatprotec.2008.05.029
[23] Yang，W.A.，Guo，Y.，Liao，W.：使用粒子群智能对多通道面铣削进行多目标优化。国际先进制造技术杂志。56, 429-443 (2011) ·doi:10.1007/s00170-011-3187-8
[24] Fratila，D.，Caizar，C.：田口方法在AlMg3端面铣削中选择最佳润滑和切削条件的应用。J.清洁。产品19（6-7），640-645（2011）·doi:10.1016/j.jclepro.2010.12.007
[25] Yildiz，A.R.：一种新的混合微分进化算法，用于在铣削操作中选择最佳加工参数。申请。软计算。13(3), 1561-1566 (2013)
[26] Qu，S.，Zhao，J.，Wang，T.：基于NSGA-II的薄壁板铣削实验研究和加工参数优化。国际先进制造技术杂志。89, 2399-2409 (2017) ·doi:10.1007/s00170-016-9265-1
[27] Shaik，J.H.，Srinivas，J.：使用多目标方法对Al-6061工件材料进行端铣操作参数的优化选择。机械。高级主管。现代流程1、5（2017）
[28] Yang，Y.：使用带有有效约束处理机制的混沌帝国主义竞争算法优化多道次面铣削的加工参数。计算。模型。工程科学。116(3), 365-389 (2018)
[29] Chen，X.，et al.：集成优化面铣削中的刀具和切削参数，以最小化能耗和生产时间。能源1751021-1037（2019）
[30] Nefedov，N.、Osipov，K.：金属切削和刀具设计中的典型示例和问题。MIR，莫斯科（1987）
[31] Chen，H.，Flann，N.S.：并行模拟退火和遗传算法：混合方法的空间。摘自：《自然》杂志并行问题解决国际会议，第428-438页。施普林格，柏林，海德堡（1994）
[32] Sirag，D.J.，Weisser，P.T.：走向统一的热力学遗传算子。摘自：Erlhaum，L.（编辑）《遗传算法及其应用：第二届遗传算法国际会议论文集：麻省理工学院》。马萨诸塞州坎布里奇，新泽西州希尔斯代尔（1987）
[33] Mahfoud，S.W.，Goldberg，D.E.：并行重组模拟退火：一种遗传算法。并行计算。21, 1-28 (1995) ·Zbl 0875.68482号 ·doi:10.1016/0167-8191（94）00071-H
[34] Varanelli，J.V.，Cohoon，J.C.：面向群体的模拟退火：遗传/热力学混合优化方法。摘自：Eshelman，L.J.（编辑）《第六届遗传算法国际会议论文集》，第174-181页。M.Kaufman，加利福尼亚州旧金山（1995）
[35] Chen，H.，Flann，N.S.，Watson，D.W.：并行遗传模拟退火：大规模并行SIMD算法。IEEE传输。平行配送系统。9, 126-136 (1998) ·doi:10.1109/71.663870
[36] Hiroyasu，T.、Miki，M.、Ogura，M.：使用遗传交叉的并行模拟退火。科学。Doshisha大学工程版41，130-138（2000）
[37] 田口，G.G.，乔杜里，S.，田口，S.：稳健工程。麦格劳-希尔，纽约（2000）·兹比尔1121.62115
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。