(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111628660.0 (22)申请日 2021.12.28 (71)申请人 有研工程技术研究院有限公司 地址 101407 北京市怀柔区雁栖经济开发 区兴科东大街1 1号 (72)发明人 王建伟　陆子良　李明阳　杨辉　 肖伟　施静敏　王立根　 (74)专利代理 机构 北京北新智诚知识产权代理 有限公司 1 1100 代理人 刘秀青 (51)Int.Cl. G06F 30/27(2020.01) G06F 111/06(2020.01) G06F 119/14(2020.01) (54)发明名称 一种铝合金铣削加工多工艺 参数优化方法 (57)摘要 本发明涉及一种铝合金结构材料的铣削加 工工艺参数优化方法。 首先， 进行指定铝合金的 铣削加工数据采集； 在数据采集基础上， 依据实 际加工要求进一步建立铝合金铣 削加工数据集； 构建铝合金铣削加工变形量和残余应力关于铝 合金铣削加工过程中铣刀螺旋角、 主轴转速、 进 给速度、 切削深度、 切削宽度等多个工艺参数的 单目标优化模 型； 进一步构建铝合金铣削加工多 目标优化问题； 最后基于机器学习算法求解上述 多目标优化问题， 获得优选的铝合金铣削加工多 工艺参数成套方案。 本发明的工艺优化方法目的 性强， 可以面向铝合金铣削加工过程中存在的加 工变形、 残余应力等实际问题， 高效率、 低成本地 对多个铣削加工 工艺参数进行一体化优化。 权利要求书2页 说明书5页 附图3页 CN 114417709 A 2022.04.29 CN 114417709 A 1.一种铝合金铣削加工多工艺 参数优化方法， 其特 征在于， 包括如下步骤： (1)铝合金铣削加工数据采集； (2)建立铝合金铣削加工数据集； (3)构建铝合金铣削加工变形量ε和残余应力值σ 关于铝合金铣削加工多个工艺参数的 单目标优化模型； (4)构建铝合金铣削加工多目标优化问题； (5)基于机器学习算法求解步骤(4)中的多目标优化问题， 获得优选的铝合金铣削加工 多工艺参数成套方案 。 2.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(1) 中针对实际进行铣削加工的特定铝合金 的合金牌号、 时效态、 结构件规格进行所述数据采 集。 3.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(1) 中所述铝合金铣削加工数据包括铝合金结构件材料基础数据、 加工要求数据和加工工艺数 据， 其中， 铝合金结构件 材料基础数据包括合金牌号、 时效态、 结构件规格， 加工要求数据包 括加工变形量ε和 残余应力值σ， 加工工艺数据包括铣刀 螺旋角 主轴转速n、 进给速度vf、 切削深度ap、 切削宽度ae。 4.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(1) 中所述数据采集的来源 包括加工实验研究数据、 加工模拟研究数据和文献 数据。 5.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(2) 中所述铝合金铣削加工数据集， 根据铝合金实际铣削加工要求和 铣削装备规格， 确定铣削 加工工艺参数约束条件， 并在步骤(1)采集数据的基础上进行筛 选建立。 6.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(3) 中所述铝合金铣削加工变形量ε和残余应力值σ 关于铝合金铣削加工多个工艺参数 的单目 标优化模型分别为： 7.根据权利要求6所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 针对每个 函数模型均考虑选自加、 减、 乘、 除、 乘方、 开方、 对数、 指数的算子组合， 并采用符号回归算 法进行算子组合和数 学关系的优化。 8.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(4) 中所述优化目标包括经铣削加工后的铝合金 结构件加工变形量 ε最小、 残余应力值σ 最小。 9.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(4) 中所述多目标优化问题的数 学形式为： min( σ， ε ) s.t.g(x1)≤0 g(x2)≤0 …… g(xn)≤0权　利　要　求　书 1/2 页 2 CN 114417709 A 210.根据权利要求1所述的铝合金铣削加工多工艺参数优化方法， 其特征在于， 步骤(5) 中， 采用粒子群算法进行步骤(4)中所述多目标优化问题的求解， 给出步骤(4)所述多目标 优化范围的帕累托前沿P： 其中， x*为工艺参数的帕累托最优解， f(x*)为最优解下的加工变形量和残余应力值， 根 据实际加工要求进一步选取最优的加工工艺参数组合， 获得最佳铣削加工工艺参数； 采用 粒子群算法进行求解的具体方法为： 首先在工艺参数空间内随机初始化粒子的位置和速 度， 评估粒子的适应度和帕累托约束； 然后评估全局粒子的优化程度， 通过变异和扰动对粒 子的位置、 速度进行更新， 保存其中的非劣解； 最后在到达整体的优化程度或者迭代次数 后， 得到帕累托前沿。权　利　要　求　书 2/2 页 3 CN 114417709 A 3