国内研究情况

国内近年来在针对数控加工的切削参数优化方面进行了不少有益的研究。我国对切削参数优化研究是从20世纪80年代开始的，切削数据库的建立亦是在这个时候开始的。成都工具研究所在1987年建成了我国第一个试验性车削数据库TRNIO，又于1988年从当时的联邦德国引进了车削数据库软件INFOS(在国内运行后，被称为TRN90 )。

首先针对单品种单工序的切削参数优化的研究较多且有了一些成功应用的案例。如徐德安所做的基于正交实验法优化单步的切削参数的探讨，但是该优化需要通过实验来得到数据，在实际的生产中面对多样的材料和多变的加工环境不能得到快速的做出响应[13]。哈尔滨理工大学的姜彬等人在考虑了几个约束条件的实验条件下利用运用直接寻优算法对车削的切削参数进行优化，但是这种方法是线形搜索过程，可能会陷入局部优化值[14]。沈浩、谢黎明等在前人研究的基础上，在综合考虑了一些新的约束条件的情况下，建立了车削用量多目标数学优化模型[15]。

对一个工件的多步走刀即单工件多工序的切削参数优化的研究近年来也有不少进展。哈尔滨理工大学的姜彬等人在2002年进行了数控铣削加工用量多目标优化方向上的研究，首先，他们在基于数控铣削加工特征上，通过采用线形加权和法，并运用直接寻优算法，从而对数控铣削加工实例进行了参数优化。采用此优化方法不仅可以节省运算时间，还使最终优化的结果更符合实际生产情况，为实现数控切削加工工艺过程的优化奠定了基础[14]。在2003年，张臣、周来水等人针对企业实际加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题，提出了基于仿真数据的数控铣削加工多目标变参数优化方法，并且引入时段组合的理念，把连续问题变成离散形问题，同时也把变参数优化问题变成了多参数优化问题，同时建立了相应的数学模型[16]。张峰三、勾三利等人在2004年提出了从企业生产经营的多目标这个特点出发，建立了一个对每道工序都通用的非线性多目标规划数学模型，并进行了运算，获得了每道工序的最佳加工参数，得以在单一机床上对多工序的切削参数进行优化[17]。李琦等在2004年用基于遗传算法的方法进行了切削参数的优化，遗传算法在处理优化问题时，它对空间进行多点搜索，避免收敛与局部最优解，并能很快达到最优值的90%-95%值域。遗传算法是一种有效的优化算法，但是它要消耗很长的时间继续收敛到最优解，如优化切削工艺参数这类问题[18]。刘国光为了解决遗传算法收敛速度慢的问题提出了基于组合遗传算法的工艺参数优化方法，即以遗传算法为基础，加入进化策略和模拟退火算法的某些思想和算子，构成新的算法。进化策略的显著特点是采用浮点数编码，在不降低算法速度的基础上提高了算法的精度[19]。武美萍等人提出了基于基因算法的切削参数优化方法一变搜索域遗传算法[20]。与通常的优化算法相比，该方法计算量小，计算速度快，能适应自动化制造系统对优化切削数据快速响应的要求。随后，张双德通过使用模拟退火算法并且改进了模拟退火算法优化单个工件的多步走刀情况[21]，模拟退火算法起源于对固体退火过程的模拟，是局部搜索算法的扩展，它不同于局部搜索之处是以一定的概率选择领域中费用值大的状态。从理论上分析，这种方法是一个全局最优算法，主要通过采用Metropolis接受准则，同时使用一组冷却进度表的参数控制算法进程，使算法在多项式时间里给出一个近似优化解，这是一种适合于求解混合离散化问题与目标函数不可微的复杂非线性问题的随机性方法[21]。还有姚小群等人基于嫡测度的加工过程模糊控制的工艺参数优化方法研究，华南理工大学的彭观等人运用神经网络方法对切削参数进行多目标优化等工作。孟令锋等人对铣削加工切削参数优化问题的深入分析，通过利用实数编码遗传算法(RGA)，完成了在最高生产率、最低成本、最大利润率的多目标条件下的参数优化。与二进制编码遗传算法相比，实数编码遗传算法可大大缩短编码和解码时间，提高了搜寻的速度和切削参数优化过程的计算运行效率，并且保证了全局数据寻优与收敛[22]。 国内外切削参数优化技术研究现状综述(2):http://www.youerw.com/yanjiu/lunwen_61241.html