买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学

摘要：本发明涉及一种CFRP铣削工艺参数的优化系统，包括以下步骤：步骤S1:根据铣削碳纤维材料的表面质量为目标，并基于预设优化变量及约束，构建实验方案；步骤S2：根据实验结果获取训练集和测试集，并利用GWO算法改进SVR算法进行拟合目标，得到GSVR模型；步骤S3:基于GWO算法建立CFRP铣削工艺参数优化模型，将GSVR模型作为GWO算法的适应度函数，得到GWO‑GSVR模型，并基于GWO‑GSVR模型对CFRP铣削工艺参数寻优，得到最优表面质量下的工艺参数。本发明实现快速有效的CFRP铣削工艺参数优化，有效降低生产成本和废品率。

主权项：1.一种CFRP铣削工艺参数的优化方法，其特征在于，包括以下步骤：步骤S1:以铣削碳纤维材料的表面质量为目标，并基于预设优化变量及约束，构建实验方案；步骤S2：根据实验结果获取训练集和测试集，并利用GWO改进SVR算法进行拟合目标，得到GSVR模型；步骤S3:基于GWO算法建立CFRP铣削工艺参数优化模型，将GSVR模型作为GWO算法的适应度函数，得到GWO-GSVR模型，并基于GWO-GSVR模型对CFRP铣削工艺参数寻优，得到最优表面质量下的工艺参数；所述步骤S2具体为：步骤S21:根据实验结果整理数据集为D＝{x1,y1,x2,y2,...xi,yi...,xm,ym}，按照预设的比例进行划分数据集，划分为训练集Dtrain和测试集Dtest；步骤S22:对数据进行归一化处理；步骤S23:利用GWO算法对SVR算法进行参数寻优，得到GSVR模型；所述步骤S23具体为：1构建SVR算法目标形式：fx＝aT·x+b；其中，fx是回归值，是CFRP三维表面粗糙度的表示；x是输入数据向量，是表示为主轴转速nz、进给速度vj、轴向切深ap、径向切深ae组合的向量；a是权重向量，b为截距向量；2引入松弛因子，将问题转化为求解最小化目标函数： 约束为： 其中，ξi,为松弛变量；C为惩罚函数；ε为损失界限；3引入拉格朗日乘子法，利用对偶变换和非线性变换将目标函数进行转换；由于模型问题属于非线性问题，将通过核函数将自变量x映射到高维特征空间，从而把非线性回归问题转化为线性回归问题，其核函数类型为高斯径向基核函数，具体回归形式转换为： Kxi,x＝exp-γ||xi-x||2 其中，γ为核系数，且δ表示高斯核的带宽；αi,为拉格朗日乘子；Kxi,x为高斯径向基核函数；4对SVR算法的拟合性能影响最大的是惩罚系数C、核系数γ和损失界限ε，并利用GWO算法进行智能寻优，利用最有参数进行拟合模型；所述利用GWO算法进行智能寻优，具体为：1在三维空间进行初始化种群，设有N个灰狼个体，并且设置迭代次数为T，初始化个体灰狼为令第一个维度为惩罚系数C的大小，第二个维度为核函数系数γ大小，第三个维度为损失界限ε大小，且种群生成方法为佳点集生成法：Pi＝[{d1*i},{d2*i},{d3*i}],i＝1,2,...,N 其中Pi表示编号为i的灰狼对应的佳点集合；{dj*i}表示第i只灰狼在第j个维度上对应的佳点元素，且在数值上取dj*i小数部分；p表示满足p-32≥3约束内的最小素数；表示第i只灰狼在第j个维度上的数值；表示佳点系数，对应于佳点集合内第j维的元素；N表示灰狼种群的个体数；T表示需要迭代的最大次数；lb1,ub1表示惩罚系数C约束上的最小值和最大值；lb2,ub2表示核函数系数γ约束上的最小值和最大值；lb3,ub3表示损失界限ε约束上的最小值和最大值；2将初始化的灰狼种群个体带入SVR算法进行拟合，得出拟合预测值Yp＝{yp1,yp2,...ypN}，将预测试与实际值进行计算且灰狼的适应度值为Ys＝MSE；其中，Yp代表灰狼群的预测值；ypi代表灰狼的预测值；yi代表灰狼的真实值；Ys代表灰狼的适应度值；3对灰狼个体进行适应度排序，其中适应度最小为α灰狼，适应度第二小的为β灰狼，适应度第三小为δ灰狼，剩下灰狼称为ω灰狼；4狼群进行包围猎物，灰狼靠近猎物；d＝|B·Xpt-Xt|Xt+1＝Xpt-A·dA＝2a·r1-aB＝2·r2 其中，d代表灰狼个体与猎物之间的距离；t表示目前的迭代次数；A和B表示系数向量；Xp表示猎物位置；X表示当前灰狼的位置；a式收敛因子，随着迭代次数的增加由2非线性减小到0；r1和r2是随机向量，且它的模是[0,1]之间的随机数；5狩猎，灰狼进行识别猎物的位置，进行包围猎物，并且假设α、β和δ更加了解猎物的潜在位置，我们在迭代的过程中，保留这三个最优解，进行更新其他灰狼的个体位置，其中灰狼个体追踪猎物的模型如下：dα＝|B1·Xα-X|dβ＝|B2·Xβ-X|dδ＝|B3·Xδ-X|其中，dα、dβ和dδ是表示α、β和δ灰狼与其他灰狼之间的距离；Xα、Xβ和Xδ表示α、β和δ灰狼的当前位置；B1、B2和B3是随机向量；6灰狼进行狩猎，ω灰狼群向猎物靠近X1＝Xα-A·dαX2＝Xβ-A·dβX3＝Xδ-A·dδ 其中，X1、X2、X3表示ω灰狼朝向α、β、δ灰狼前进的步长和方向；Xt+1代表的是ω灰狼更新后的位置；7进行迭代，当不满足迭代条件的时候，按照3-6进行迭代处理；当满足迭代条件时候，输出α灰狼，得到优化目标最优解；其中α灰狼的位置坐标表示着SVR的惩罚系数C、核系数γ和损失界限ε；8将优化的惩罚系数C、核系数γ和损失界限ε代入SVR算法，得到GSVR拟合模型，将训练集Dtrain和测试集Dtest代入GSVR进行交叉训练，训练结束保留拟合模型；所述步骤S3具体为：步骤S31:灰狼种群初始化，设有No个灰狼个体，并且设置迭代次数为To，令第一个维度为主轴转速nz的大小，第二个维度为进给速度vj的大小，第三个维度为轴向切深ap的大小，第四个维度为径向切深ae的大小，初始化个体灰狼为且轴向切深ap和径向切深ae是定值，在二维平面利用佳点集生成法生成初始化种群：Poi＝[{do1*i},{do2*i}],i＝1,2,...,No 其中Poi表示编号为i的灰狼对应的佳点集合；{doj*i}表示灰狼i在第j维度上对应的佳点元素，且在数值上取doj*i小数部分；po表示满足po-22≥2约束内的最小素数；表示第i只灰狼在第j个维度上的数值；表示佳点系数，对应于佳点集合内第j维的元素；No表示灰狼种群的个体数；To表示需要迭代的最大次数；表示主轴转速nz约束下的最小值和最大值；表示进给速度vj约束下的最小值和最大值；表示轴向切深ap和径向切深ae的大小，是提前预设的定值；步骤S32:将初始化的灰狼种群个体GSVR模型中，得出拟合预测值其中，拟合预测值Yop为三维表面粗糙度，且作为灰狼的适应度值大小；步骤S33:进行灰狼种群等级分层，其中适应度最小为αo灰狼，适应度第二小的为βo灰狼，适应度第三小为δo灰狼，剩下灰狼称为ωo灰狼；步骤S34:狼群进行包围猎物，灰狼靠近猎物；步骤S35:灰狼种群进行狩猎，并依据αo、βo和δo灰狼个体的位置更新ωo灰狼个体的位置；步骤S36:进行迭代，在满足迭代条件时，输出迭代结果αo灰狼，得到优化目标最优解；其中αo灰狼的位置坐标表示着CFRP铣削表面粗糙度最好时的工艺参数主轴转速nz、进给速度vj、轴向切深ap、径向切深ae。

全文数据：

权利要求：

百度查询： 福州大学 一种CFRP铣削工艺参数的优化方法及系统