基于协同进化算法的数控加工过程能耗优化研究

The optimization of energy consumed in NC machining process is of great significance for sustainable manufacturing. This project will investigate how to applicate cooperative coevolution algorithm in the NC machining energy consumption optimization problem. The main contents of this project are as follows: (1)analyzing the relationship between the energy consumption of the machining process and the four factors including machining parameter, machining path, process planning and scheduling, these factors’ characteristics and cooperation, establish the muti-factor collaborative optimization model for energy saving, and thus, make up for the existing models’ deficiency in some above factors; (2)study the decomposing problem and supplementing dimension problem for the NC machining process energy consumption optimization problem, present the corresponding solutions for them, and thus, improve the framework for the cooperative coevolution algorithm and extend its application, and overcome the existing algorithm’s limitation in the scale of the NC machining energy consumption optimization problem; (3)study addressing the dynamic events problem in NC machining, present a dynamic event response method in the cooperative coevolution algorithm framework, and then, establish a complete cooperative coevolution algorithm framework for NC machining energy consumption optimization. Based on the above research, the project will propose the related model and algorithm for NC machining energy consumption optimization and promote the development of the theory and technology in both NC machining optimization and sustainable manufacturing.

数控加工过程的能耗优化，对于实现可持续制造具有重要的研究意义。本项目探讨如何使用协同进化算法求解数控加工过程能耗优化问题，主要研究：(1)研究加工参数、加工路径、工艺规划、调度四个环节与数控加工过程能耗间的相关性以及各环节自身的特性和之间的互作性，建立面向节能的多环节协同优化问题模型，弥补现有模型在上述某些环节上的缺失；(2)研究数控加工过程能耗优化问题的降维和补维问题，提出相应的解决方案，从而使协同进化算法框架得到进一步的改进和应用，同时也克服现有求解数控加工过程能耗优化问题的算法在求解问题规模上的局限性；(3)研究数控加工过程中动态事件的处理问题，提出融入协同进化算法框架的动态事件响应方法，从而建立完整的求解数控加工过程能耗优化问题的协同进化算法框架。通过以上工作，研究出一套支持数控加工过程能耗优化的模型和算法，推动和促进数控加工优化和可持续制造相关理论与技术的发展和深化。

可持续制造是我国制造业的主要发展方向，数控加工过程能耗优化是其重要发力点。本项目针对数控加工过程能耗优化问题，以传感器网络采集的能耗数据为基础，创建了数控加工过程能耗预测模型和协同优化问题模型，并以此为基础，从问题规模和实时响应需求二个方面展开深入研究。具体情况如下：.（1）基于对传感器采集到的能耗数据的特征分析，将数控加工过程划分为启动、准备、关机、闲置和加工五个阶段，对于前三个阶段，由于所采集的功率随时间变化较大，因此建立了功率相对时间变化的定积分能耗预测模型；对于闲置阶段，由于其能耗数据相对比较稳定，因此直接采用功率乘时间的理论模型；对于加工阶段，通过大数据分析发现，加工参数是影响加工能耗的主要因素，而加工参数与加工能耗之间存在复杂非线性关系，因此，为其构建了以加工参数为输入的神经网络能耗预测模型。进而将数控加工过程能耗作为优化目标之一，引入到协同优化问题模型中，实现面向节能的多环节协同优化问题模型的创建。.（2）搭建了包含分解降维和协同进化两层的分布式协同进化算法框架，其中分解降维层采用个体分级和贝叶斯网络分别实现对种群的横向分解和对维度的纵向分解，协同进化层采用基于Metropolis准则的概率选择机制实现参考向量的选取，从而实现融入算法框架中的多个进化算法间的协同进化。.（3）针对动态加工过程对实时优化的需求，构建了云-边混合计算系统，提出了基于边计算和数据驱动的加工参数、车间调度的实时优化方法；并进一步结合加工过程优化目标变动，提出了改进的双存档演化算法，实现了通过优化目标的动态调整来响应动态事件。.综上所述，在对数控加工过程能耗优化问题的研究中，运用了物联网、大数据分析、人工智能、边计算等多种信息通讯技术，不仅推动了制造系统优化这一热门研究方向的发展，也促进了计算机、通讯、自动化等多学科的融合。此外，所构建的模型和算法在一定程度上对可持续制造相关理论与技术的研究起到了推动作用。