馮國(guó)勇

（蘭州資源環(huán)境職業(yè)技術(shù)學(xué)院，甘肅 蘭州 730021）

金屬切削工作受多種因素影響，切削用量會(huì)存在一定變化，找到最優(yōu)切削用量方法是一項(xiàng)十分復(fù)雜的過(guò)程。需要結(jié)合多種因素進(jìn)行深入分析。在對(duì)切削用量最優(yōu)化的過(guò)程中，需要用到先進(jìn)的計(jì)算機(jī)技術(shù)，使切削工作符合相應(yīng)條件，確定一個(gè)明確目標(biāo)，使工作效率得到提高，節(jié)省金屬材料，達(dá)到節(jié)約成本的效果[1]。遺傳算法在許多方面都得到了廣泛應(yīng)用，為多種計(jì)算過(guò)程較為復(fù)雜的問(wèn)題提供了解決方法[2]。在遺傳算法的使用過(guò)程中，應(yīng)對(duì)金屬切削工作的各種變化量進(jìn)行分析，并確定其基因編碼，根據(jù)選定的目標(biāo)進(jìn)行基因重組，為金屬切削用量的最優(yōu)化打下了理論基礎(chǔ)，使其達(dá)到更好的效果。

1 基于遺傳算法的最優(yōu)切削用量方法

遺傳算法的計(jì)算過(guò)程中，包含了多種數(shù)據(jù)的復(fù)制與交叉，首先對(duì)金屬切削中的一組數(shù)據(jù)進(jìn)行計(jì)算，計(jì)算數(shù)據(jù)隨機(jī)選取，使整個(gè)數(shù)據(jù)群向更好的方向發(fā)展，沒(méi)有進(jìn)行計(jì)算的數(shù)據(jù)被分配到下一環(huán)節(jié)的計(jì)算中，就這樣一代代進(jìn)行計(jì)算，最終實(shí)現(xiàn)數(shù)據(jù)的全部處理。使每一項(xiàng)數(shù)據(jù)都在最優(yōu)的環(huán)境下，這種遺傳算法能夠使問(wèn)題得到最好的解答。因此，在對(duì)金屬切削進(jìn)行研究的過(guò)程中，通常選用遺傳算法。遺傳算法有許多優(yōu)勢(shì)，尤其對(duì)于一些多目標(biāo)、非線性的問(wèn)題。能夠通過(guò)仿生的計(jì)算方式使結(jié)果更加準(zhǔn)確，屬于優(yōu)化函數(shù)的一種。在金屬切削過(guò)程中遺傳算法展現(xiàn)出了許多優(yōu)勢(shì)，第一項(xiàng)優(yōu)勢(shì)，遺傳算法能夠從金屬切削工作的根本出發(fā)，將金屬材料視為一整個(gè)群體，以點(diǎn)或線條作為切削的基礎(chǔ)，在切削過(guò)程中獲取相應(yīng)數(shù)據(jù)的極限值，研究這些極限值之間的關(guān)系，計(jì)算最優(yōu)切削用量。由于這些點(diǎn)與線條具有一定的并行性，能夠有效排除金屬材料中局部?jī)?yōu)化的可能性。從前在金屬切削過(guò)程中采用的傳統(tǒng)算法只是對(duì)某些點(diǎn)進(jìn)行研究，具有一定的局限性。第二項(xiàng)優(yōu)勢(shì)，遺傳算法中包含相應(yīng)函數(shù)，能夠?qū)Ω怕蕟?wèn)題進(jìn)行分析，金屬切削過(guò)程中會(huì)產(chǎn)生大量數(shù)據(jù)，遺傳算法不需要使用梯度的方式對(duì)信息進(jìn)行整理，十分方便快捷，符合金屬切削這類規(guī)模較大、多極限值的工作，使最優(yōu)化切削用量研究工作更加簡(jiǎn)單。第三項(xiàng)優(yōu)勢(shì)，在金屬切割最優(yōu)化用量研究的過(guò)程中，傳統(tǒng)算法與遺傳算法有很大不同，傳統(tǒng)算法有一定限制性，而遺傳算法更加變通，擁有較好的效果。第四項(xiàng)優(yōu)勢(shì)遺傳算法在金屬切削最優(yōu)用量的研究中，能夠作用在整個(gè)金屬材料中，而不僅僅針對(duì)于某一個(gè)部分，對(duì)于參數(shù)的統(tǒng)計(jì)，能夠?qū)⒍喾N參數(shù)結(jié)合在一起，形成一個(gè)完整的體系，使操作過(guò)程更加便捷。遺傳算法在計(jì)算過(guò)程中十分嚴(yán)密，能夠在對(duì)多種參數(shù)進(jìn)行適量計(jì)算，并根據(jù)相應(yīng)概念，使切削用量達(dá)到最優(yōu)化，無(wú)限接近極限值。其具體公式如下：

式中：D為適應(yīng)度函數(shù)的句柄，K為適應(yīng)度函數(shù)的獨(dú)立變量個(gè)數(shù)，e為遺傳算法選項(xiàng)參數(shù)結(jié)構(gòu)。

遺傳算法中計(jì)算對(duì)象并不是金屬切削過(guò)程中的各個(gè)變量，而是利用相應(yīng)的技術(shù)將多種數(shù)據(jù)信息轉(zhuǎn)換成編碼，再通過(guò)計(jì)算機(jī)技術(shù)利用仿生的進(jìn)化理論對(duì)金屬最優(yōu)切削用量進(jìn)行研究。

面對(duì)變量很多的金屬切削工作，只需要對(duì)編碼進(jìn)行加長(zhǎng)就能夠有效解決，對(duì)計(jì)算并不產(chǎn)生影響。金屬材料的切削過(guò)程中各種參數(shù)的具體情況如表1所示。

表1 金屬材料切削過(guò)程中相關(guān)參數(shù)

金屬切削過(guò)程中，對(duì)切削用量進(jìn)行優(yōu)化，需要運(yùn)用先進(jìn)的計(jì)算機(jī)技術(shù)，使利益實(shí)現(xiàn)最大化。金屬切削用量的最優(yōu)化一直是一項(xiàng)十分復(fù)雜與困難的工作，遺傳算法的出現(xiàn)有效解決了這一系列問(wèn)題，使計(jì)算機(jī)技術(shù)的應(yīng)用更加高效與便捷。遺傳算法因其獨(dú)特的優(yōu)勢(shì)在金屬切削工作中得到良好的應(yīng)用，是優(yōu)化切削用量的有效方法之一。

2 實(shí)驗(yàn)結(jié)果與分析

圖1 實(shí)驗(yàn)對(duì)比圖

為證明基于遺傳算法的金屬切削過(guò)程中最優(yōu)化切削用量方法效果，完善系統(tǒng)模型。進(jìn)行進(jìn)一步實(shí)驗(yàn)，實(shí)驗(yàn)為對(duì)照實(shí)驗(yàn)，將傳統(tǒng)切削用量方法與本文提出的基于遺傳算法最優(yōu)切削用量進(jìn)行比較，使用多種數(shù)據(jù)采集，分別利用這兩種方法對(duì)金屬切削過(guò)程切削用量準(zhǔn)確度進(jìn)行檢測(cè)，對(duì)比結(jié)果如圖1所示。

根據(jù)圖1實(shí)驗(yàn)對(duì)比數(shù)據(jù)可以看出，基于遺傳算法的切削量方法相比于傳統(tǒng)切削用量方法準(zhǔn)確度更高，優(yōu)化過(guò)程中驗(yàn)證了遺傳算法的有效性，在實(shí)際金屬切削過(guò)程中能夠大幅度提高生產(chǎn)效率，通用性較強(qiáng)。

3 結(jié)語(yǔ)

金屬切削中引入遺傳算法進(jìn)行最優(yōu)切削用量的研究十分有效，進(jìn)一步體現(xiàn)了遺傳算法的優(yōu)勢(shì)與實(shí)用性。為金屬切削最優(yōu)用量的計(jì)算工作提供了理論基礎(chǔ)，使整項(xiàng)工作的執(zhí)行率得到提高，避免了在計(jì)算過(guò)程中出現(xiàn)局部最優(yōu)的情況，使用遺傳算法使結(jié)果更加可靠，提高了金屬切削效率的同時(shí)，解決成本，使金屬成品質(zhì)量得到提升，為金屬加工企業(yè)帶來(lái)了巨大的經(jīng)濟(jì)效益，相關(guān)工作者還應(yīng)對(duì)遺傳算法加以開(kāi)發(fā)運(yùn)用，使金屬切削用量達(dá)到最優(yōu)化、最合理的狀態(tài)。