Sử dụng phương pháp mạng noron nhân tạo để tối ưu hóa chế độ cắt, ứng dụng để tiện thép 9XC sử dụng mảnh dao PCBN

GIỚI THIỆU CHUNG Tối ưu hóa chế độ cắt là phương pháp xác định chế độ cắt tối ưu thông qua việcxây dựng mối quan hệ toán học giữa hàm mục tiêu về kinh tế hoặc kỹ thuật của quátrình gia c

ĐẠI HỌC THÁI NGUYÊN ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

NGUYỄN VĂN TÙNG

Sử dụng phương pháp mạng noron nhân tạo để tối

ưu hóa chế độ cắt, ứng dụng để tiện thép 9XC sử dụng

mảnh dao PCBN.”

2014

LỜI CAM ĐOAN

Tôi xin cam đoan các số liệu và kết quả nêu trong Luận văn là trung thực và chưatừng được ai công bố trong bất kỳ một công trình nào khác Trừ các phần tham khảo

đã được nêu rõ trong Luận văn

Tác giả

Nguyễn Văn Tùng

LỜI CẢM ƠN

Trong quá trình học tập, làm luận văn, tác giả đã nhận được rất nhiều sựgiúp đỡ, chỉ bảo của các thầy cô giáo đã giảng dạy, hướng dẫn, giúp tác giả hoànthành tốt chương trình học cao học và hoàn thiện được luận văn này

Tác giả xin cảm ơn thầy giáo hướng dẫn PGS.TS Nguyễn Quốc Tuấn, Đại họcThái Nguyên, đã định hướng đề tài, hướng dẫn tận tình tôi trong việc tiếp cận và khaithác tài liệu tham khảo cũng như những chỉ bảo trong quá trình tôi làm luận văn.Cuối cùng tác giả muốn bày tỏ lòng cảm ơn các thầy cô giáo, các bạn đồngnghiệp và gia đình đã ủng hộ và động viên tôi trong suốt quá trình làm luận văn này

Tác giả

Nguyễn Văn Tùng

Mục lục

LỜI CAM ĐOAN 1

LỜI CẢM ƠN 3

Mục lục .4

Danh mục các hình vẽ và đồ thị 7

PHẦN MỞ ĐẦU 9

1 GIỚI THIỆU CHUNG 9

ỨU 11

1

1 .11

.12

12

12

1

2 .12

12

12

Chương 1 .13

TỔNG QUAN VỀ TỐI ƯU HÓA CHẾ ĐỘ CẮT 13

1 TỔNG QUAN VỀ TỐI ƯU HÓA 13

1.1 Khái niệm và ý nghĩa của tối ưu hóa 13

1.2 Các hình thức tối ưu hóa 14

1.2.1 Tối ưu hóa tĩnh 14

1.2.2 Tối ưu hóa động 14

2 BÀI TOÁN TỐI ƯU HÓA CHẾ ĐỘ CẮT 16

2.1 Cơ sở lý thuyết để xây dựng bài toán 16

2.2 Các hàm mục tiêu 17

2.2.1 Tốc độ sản xuất (Năng suất gia công) 18

2.2.2 Chi phí sản suất 18

2.2.3 Chất lượng bề mặt 19

2.2.4 Các điều kiện ràng buộc 19

2.3 Phương pháp giải bài toán tối ưu đa mục tiêu 20

2.4 Một số phương pháp giải bài toán tối ưu đa mục tiêu cơ bản 21 a Phương pháp tổng trọng số .21 b Phương pháp cực tiểu cực đại trọng số (phương pháp Tchebycheff) 21 c Phương pháp tiêu chuẩn tổng thể trọng số 21 d Phương pháp thứ tự từ điển học 22 e Phương pháp hàm mục tiêu bị giới hạn 22 f Phương pháp quy hoạch đích 23 g Phương pháp giải thuật di truyền(GAs) 24

3 Kết luận chương 1 .24

CHƯƠNG II 26

TỐI ƯU HÓA CHẾ ĐỘ CẮT BẰNG 26

CÁCH SỬ DỤNG MẠNG NORON NHÂN TẠO 26

1 TỔNG QUAN VỀ MẠNG NƠ RON 26

1.1 Nơ ron sinh học .26

1.1.1 Chức năng, tổ chức và hoạt động của bộ não con người 26

1.1.2 Mạng nơron sinh học .27

1.2 Mạng nơ ron nhân tạo .28

1.2.1 Khái niệm 28

1.2.2 Mô hình nơron .31

1.3 Cấu trúc mạng 34

1.3.1 Mạng một lớp 34

1.3.2 Mạng nhiều lớp .35

1.3.3 Phân loại mạng nơron .37

1.4 Cấu trúc dữ liệu vào mạng 39

2.2 Các bước giải bài toán tối ưu chế độ cắt 47

3 Tạo mạng nơ ron thông qua thanh công cụ network neural trong

matlab 48

3.1 Xây dựng ma trận dữ liệu đầu vào và đầu ra cho việc luyện mạng 48

3.2 Tạo mạng nơ ron trong matlab .48

4 Kết luận chương 2 57

Chương III .59

ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO ĐỂ TỐI ƯU HÓA CHẾ ĐỘ CẮT KHI TIỆN THÉP 9XC ĐÃ TÔI BẰNG DAO PCBN 59

1 Khái niệm chung về tiện cứng 59

2 Vật liệu dụng cụ cắt PCBN 60

3 Thiết bị thực nghiệm 63

4 Sử dụng ANN để tối ưu hóa chế độ cắt khi tiện thép 9XC bằng dao PCBN 67

4.1 Xây dựng ma trận thí nghiệm 67

4.2 Học và luyện mạng 69

4.2.1 Ma trận dữ liệu vào .69

4.2.2 Ma trận dữ liệu ra 69

4.2.3 Cấu trúc mạng nơ ron dùng để tối ưu hóa .69

4.3.Tạo mạng nơ ron thông qua thanh công cụ network neural 70

4.3.1 Tạo các ma trận dữ liệu trong matlab .70

4.3.2 Chương trình học và luyện mạng 70

4.4.Kết quả việc Sử dụng phương pháp ANN và phương pháp vét cạn để giải bài toán tìm giá trị tối ưu (vop, fop, top) 76

4.4.1 Kết quả thực hiện cho bài toán tối ưu hóa đơn mục tiêu 77

4.4.2 Kết quả thực hiện cho bài toán tối ưu đa mục tiêu (Tp, Cp, Ra) 78

5 Kết luận chương 3 .78

KẾT LUẬN VÀ PHƯƠNG HƯỚNG NGHIÊN CỨU TIẾP THEO 80

1 Kết luận 80

2 Phương hướng nghiên cứu tiếp theo 80

Tài liệu tham khảo 81Tài liệu tham khảo 81

Danh mục các hình vẽ và đồ thị

16 Hình 2.15 Một số loại cấu trúc của mạng nơ ron 38

20 Hình 2.19 Chọn dữ liệu input và output cho mạng 50

24 Hình2.23 Thực hiện việc Luyện mạng (Training) 52

28 Hình 2.27 Vị trí lưu giữ các file trong quá trình luyện mạng 56

29 Hình 2.28 File lưu hàm toán học thể hiện quan hệ đầu vào và ra 57

32 3.3 Máy tiện Quick turn smat 200 tại trung tâm thí nghiệm

40 tốc cắt với lượng chạy dao (a), chiều sâu cắt với vận tốc cắt (b), lượng 3.11 Đồ thị của độ nhám Ra với các thông số chế độ cắt: Vận

chạy dao và chiều sâu cắt (c).

72

41 cắt: Vận tốc cắt với lượng chạy dao (a), chiều sâu cắt với vận tốc cắt 3.12 Đồ thị của diện tích gia công Sc với các thông số chế độ

(b), lượng chạy dao và chiều sâu cắt (c).

74

42 3.13 Đồ thị thể hiện mối mối quan hệ của hàm đa mục tiêu

Danh mục bảng biểu

1 Bảng 3.1 Các đặc trưng lý hóa của vật liệu CBN[35 ] 61

2 Bảng 3.2 So sánh các tính chất cơ lý của PCBN với một vài vật liệu

dụng cụ có tính năng cắt cao [59].

62

4 Bảng 3.4 Thành phần hóa học của phôi thép 9XC[100 ] 65

5 Bảng3.5 Giá trị nhám bề mặt và diện tích bề mặt gia công tại các

PHẦN MỞ ĐẦU

1 GIỚI THIỆU CHUNG

Tối ưu hóa chế độ cắt là phương pháp xác định chế độ cắt tối ưu thông qua việcxây dựng mối quan hệ toán học giữa hàm mục tiêu về kinh tế hoặc kỹ thuật của quátrình gia công với các thông số của chế độ cắt tương ứng trên một hệ thống công nghệxác định[1], nhằm đạt được các mục tiêu về kinh tế hoặc kỹ thuật của quá trìnhgia công Đây là một trong những việc chính khi lập kế hoạch gia công, nó giúp phầnlàm tăng năng suất và hiệu quả gia công cũng như chất lượng sản phẩm Tuy nhiên, đisâu vào phân tích quá trình cắt nó bao gồm chi phí xác định, đặc biệt là trong sản suấtloạt nhỏ hay trong trường hợp gia công đơn chiếc thì nó rất cần thiết để có thểrút ngắn nhất đến mức có thể các bước xác định chế độ cắt tối ưu Nếu không chi phíphân tích có thể vượt quá hiệu quả kinh tế mà nó có thể đạt được khi làm việc ở cácđiều kiện tối ưu Vì lí do đó mà quá trình tối ưu được đưa vào công tác chuẩn bị đểtiết kiệm thời gian và giảm chi phí sản xuất Như các biến đầu ra của quá trình giacông phụ thuộc vào các điều kiện cắt, các quyết định liên quan đến lựa chọn cácthông số cắt có ảnh hưởng quan trọng đến mức độ sản xuất, chi phí sản xuất vàchất lượng sản xuất Với việc sử dụng máy CNC ngày càng tăng, tầm quan trọng củatối ưu hóa chính xác thông số điều kiện cắt thì rất cần thiết

Lựa chọn các thông số cắt tối ưu đã được nghiên cứu nhiều ở mặt lý thuyết vàđược hỗ trợ từ các số liệu thực nghiệm của các nhà sản xuất dụng cụ, nhưng vớinhững việc trong thực tế thì nó chưa thể mang lại những phân tích chi tiết và cácthông số tối ưu lý tưởng Để tối ưu hóa các hoạt động của máy, các phương phápđịnh lượng đã được phát triển với sự xét đến chỉ một mục tiêu, chẳng hạn như giảmthiểu các chi phí sản suất hoặc tối đa hóa lợi nhuận, vv và các hàm mục tiêu đó là:chất lượng bề mặt (Ra), Chi phí sản xuất (Cp), thời gian gia công (Tp) Hoặc tối ưu hoá

đa mục tiêu bằng phương pháp thực nghiệm [2,13] để tìm cực trị và miền tối ưu hoátheo các chỉ tiêu đã đề ra

Đã có nhiều nghiên cứu về tối ưu hóa đơn mục tiêu được nghiên cứu như:phương pháp vi phân[19], phương pháp phân tích hồi quy[16], phương pháp quy

hoạch tuyến tính[19], phương pháp bề mặt chỉ tiêu [2,18] và mô phỏng máytính Trong khi hầu hết các nghiên cứu tối ưu hóa đơn mục tiêu thì cũng đã có nhữngnghiên

cứu về tối ưu hóa đa mục tiêu Tuy nhiên, trong thực tế ứng dụng, các nhà sảnxuất thường gặp phải các vấn đề là tối ưu hóa đồng thời nhiều mục tiêu, các mụctiêu thường mâu thuẫn nhau và không thể so sánh Ví dụ như khi gia công thì cácbiến năng suất gia công, chi phí sản suất, và chất lượng sản phẩm được đề cập.Chúng ta muốn giảm nhỏ nhất cho chi phí sản xuất, nhưng đồng thời là tăng tối đanăng suất và chất lượng sản phẩm Việc tăng tốc độ cắt thì sẽ làm tăng năng suấtnhưng đồng thời nó cũng làm tăng lượng mòn dụng cụ dẫn đến tăng chi phí sản xuất

và làm giảm chất lượng bề mặt vì độ nhám cao hơn Hơn nữa với các phương pháp tối

ưu hóa này thì để tìm ra được các thông số cắt tối ưu sẽ mất rất nhiều thời gian, dẫnđến chi phí cho việc phân tích tìm các thông số tối ưu cũng tăng cao vì vậy nó chỉ phùhợp với sản xuất loạt lớn, hàng khối Mà xu hướng ngày nay đã bắt đầu quay lại thời

kỳ sản suất loạt vừa và nhỏ để đáp ứng những thay đổi liên tục của nhu cầu thịtrường

Mạng nơ ron nhân tạo (Artificial Neural Network: ANN) là sự tái tạo bằng kỹthuật những chức năng của hệ thần kinh con người với vô số các nơ ron được liên kếttruyền thông với nhau qua mạng[5, 10] Giống như con người, ANN được học bởikinh nghiệm, lưu giữ những kinh nghiệm đó và sử dụng trong những tình huốngphù hợp Ngoài ra ANN có khả năng xử lý song song với tốc độ xử lý nhanh, có khảnăng dạy học thích nghi, nó thích ứng trong quá trình tự điều chỉnh trong điềuchỉnh tự động Phương pháp này đảm bảo việc lựa chọn nhanh chóng và hiệu quả cácđiều kiện cắt tối ưu và quá trình xử lý các dữ liệu có sẳn[17] Do vậy nó rất phù hợpvới dạng sản xuất loạt nhỏ, đơn chiếc Tối ưu hóa các thông số gia công là một tối ưuhóa phi tuyến tính với các rằng buộc, vì vậy rất khó cho các thuật toán tối ưu hóathông thường để giải quyết vấn đề này bởi vì các vấn đề về tốc độ hội tụ và chính xác

Chính vì những lí do trên tác giả chọn đề tài nghiên cứu là: “Sử dụng phương

pháp mạng noron nhân tạo để tối ưu hóa chế độ cắt, ứng dụng để tiện thép 9XC sử dụng mảnh dao PCBN.”

Cho đến nay các nghiên cứu của các tác giả trong và ngoài đã có nhiều nghiêncứu về ứng dụng mạng nơ ron vào sản xuất tích hợp máy tinh như: Mô hình hóacác quá trình[26]; điều khiển thích nghi của quá trình cắt[31]; dự đoán của độ

nhám bề mặt, lực cắt, rung động,hình dạng phôi[27]; dự đoán về mòn dụng cụ và pháhủy dụng cụ[30]; giải quyết các vấn đề tối ưu hóa[31] Tối ưu hóa chế độ cắt sửdụng phương

pháp mạng nơ ron [17]; tối ưu hóa sử dụng thuật toán Grey, mạng noron nhân tạo.

Ở trong nước đã có những nghiên cứu về tối ưu hóa chế độ cắt sử dụng phươngpháp tuyến tính [7]; Tối ưu hóa chế độ cắt khi phay vật liệu SKD61 bằng mảnh daophủ PVD – TIALN [11]; Tuy nhiên những nghiên cứu sử dụng phương pháp mạng nơron nhân tạo còn chưa nhiều, mà chỉ sử dụng mạng nơ ron nhân tạo trong cácnghiên cứu về dự đoán, nhận dạng[3,10], phân loại[9] như: Sử dụng mạng nơron nhân tạo trong dự báo lưu lượng nước đến hồ hòa bình trước mười ngày [6];Nghiên cứu ứng dụng mạng mơ ron nhân tạo giải quyết lớp bài toán dự đoán và phânloại [9]; Nghiên cứu sử dụng mạng Nơ ron nhân tạo để nhận dạng ký tự [10]

Từ các phân tích trên, có thể nói cho đến nay trong nước ta đã có khánhiều nghiên cứu về tối ưu hóa thông số chế độ cắt sử dụng các phương pháptruyền thống và có nhiều nghiên cứu về mạng nơ ron nhân tạo nhưng chủ yếu ở tronglĩnh vực điều khiển, dự đoán, phân loại vv Đến nay vẫn chưa có nghiên cứu nàocủa các tác giả trong nước về sử dụng phương pháp mạng nơ ron nhân tạo để tối ưuhóa chế độ cắt, áp dụng để gia công thép 9XC với mả

ật toán của mạng nơ ron nhân tạo để tìm ra bộ thông số tố ạ

ắ nângcao nâng suất, giảm chi phí gia công và nâng cao chất lượng bề mặt

2

2.1.M

- Chứng minh khả năng của ANN ứng dụng cho việc tối ưu hóa các thông số chế

độ cắt, và nó phù hợp cả với sản xuất loạt nhỏ và đơn chiếc Phương pháp mô tảnhằm mục đích để tối đa hóa năng suất, giảm chi phí sản xuất và nâng cao chấtlượng sản phẩm

2.2 M

- Sử dụng các thuật toán của ANN để tìm ra các thông số tối ưu khi tiện thép9XC bằng dao PCBN, và kết quả thực nghiệm phải cho thấy được sự nâng cao năngsuất cũng như chất lượng bề mặt

- ết quả mà phương pháp đã tìm ra

- Từ nghiên cứu có thể mở rộng phương pháp nghiên cứu này để tối ưu chế

độ cắt khi gia công bằng các phương pháp khác nhau, các vật liệu khác nhau hoặc cácvật liệu dụng cụ cắt khác nhau

5

5.

- Các kết quả nghiên cứu sẽ xác định được thông số cắt tối ưu khi gia côngsản phẩm bằng thép 9XC qua tôi Các kết quả này sẽ được ứng dụng để gia côngcác sản phẩm như con lăn dây truyền cán

Chương 1.

TỔNG QUAN VỀ TỐI ƯU HÓA CHẾ ĐỘ CẮT

1 TỔNG QUAN VỀ TỐI ƯU HÓA

1.1 Khái niệm và ý nghĩa của tối ưu hóa

Tối ưu hóa quá trình gia công cắt gọt là phương pháp nghiên cứu xác định chế

độ cắt tối ưu thông qua mối quan hệ toán học giữa hàm mục tiêu kinh tế với cácthông số của chế độ gia công ứng với một hệ thống giới hạn về mặt máy, chấtlượng, kỹ thuật và tổ chức của nhà máy

Các bước cơ bản của việc nghiên cứu tối ưu hóa quá trình cắt gọt bao gồm:

- Xây dựng hàm mục tiêu của quá trình gia công

- Xây dựng các giới hạn từ đó xác định miền giới hạn của bài toán

- Khảo sát, biện luận để xác định chế độ công nghệ hợp lý

Trong bài toán tối ưu hóa toàn phần của quá trình gia công

- Các thông số đầu vào là:

+ Trang thiết bị: Máy, đồ gá và phương pháp gá đặt phôi

+ Phôi: Vật liệu phôi, hình dáng phôi và cơ lý tính của phôi

+ Dụng cụ cắt: Vật liệu dụng cụ cắt, thông số hình học của dụng cụ cắt.+ Chế độ công nghệ: Chế độ cắt, chế độ tưới nguội

- Đại lượng ra (Các chỉ tiêu để tối ưu hóa)là:

+ Chỉ tiêu về kỹ thuật: Độ chính xác (kích thước, hình dáng hình học, độ tương quan), Chất lượng bề mặt(độ nhám, sóng bề mặt, tính chất cơ lý)

+ Chỉ tiêu về kinh tế: Năng suất, giá thành, lợi nhuận

- Quá trình tối ưu hóa thì tùy vào mục tiêu, người ta có thể xét đến hoặcmột trong các quá trình sau: Lực cắt, nhiệt, rung động hay mòn của dụng cụ cắtsinh ra trong quá trình gia công Và thực tế thì trong quá trình gia công tất cả các

quá trình này đều ảnh hưởng đến đầu ra, hay ảnh hưởng đến mục tiêu tối ưu của bàitoán

1.2 Các hình thức tối ưu hóa

Có hai phương pháp tối ưu hóa quá trình cắt gọt đó là tối ưu hóa tĩnh và tối ưuhóa động

1.2.1 Tối ưu hóa tĩnh

Tối ưu hóa tĩnh hay còn gọi là tối ưu hóa trước là quá trình nghiên cứu và giảiquyết bài toán tối ưu dựa trên mô hình tĩnh của quá trình cắt

Nhược điểm của tối ưu hóa tĩnh là không chú ý đến động lực của quá trình cắt.nghĩa là không chú ý đến các đặc điểm mang tính chất ngẫu nhiên và thay đổitheo thời gian như:

- Độ cứng của vật liệu gia công không đồng nhất

- Lượng dư gia công không đều

- Lượng mòn của dao thay đổi theo thời gian

- Sau khi xác định được chế độ cắt hợp lý người ta tiến hành điều chỉnh máylàm việc theo các thông số của chế độ đó Trong quá trình làm việc các thông số nàyđược điều chỉnh lại

Do đặc điểm trên đây, tối ưu hóa tĩnh chưa giải quyết vấn đề triệt để Mặc

dù vậy ngày nay tối ưu hóa tĩnh vẫn được nghiên cứu và ứng dụng rộng rãi vì nó rấtđơn giản, dễ áp dụng và đảm bảo tính hiệu quả

1.2.2 Tối ưu hóa động

Còn gọi là tối ưu hóa quá trình cắt gọt, là quá trình nghiên cứu tối ưu hóadựa trên mô hình động của quá trình cắt gọt do đó trong quá trình nghiên cứu có chú

ý tới các đặc điểm trên mang tính ngẫu nhiên và thay đổi theo thời gian

1.1.Sơ đồ quá trình tối ưu hóa động

Theo hình 1.1 quá trình cắt hệ thống các đại lượng đo lường đo các đạilượng thuộc về chi tiết (như: kích thước chi tiết, sai số hình dạng của chi tiết) các đạilượng thuộc về dao và hệ thống công nghệ như (độ mòn dao, lực cắt, nhiệt cắt, rungđộng của hệ thống công nghệ) và chuyển sang hệ thống xử lý nhanh Sau đó hệthống xử lý nhanh xác định ngay chế độ cắt tối ưu và kết quả cho bộ phận tiếptheo để tự động điều chỉnh máy làm việc theo chế độ cắt đã được xác định

Trong quá trình làm việc mặc dù xuất hiện yếu tố ngẫu nhiên và thay đổi theothời gian như độ cứng vật liệu không đồng nhất, lượng dư gia công không đều, lượngmòn của dao thay đổi theo thời gian, nhưng nhờ có các tín hiệu do hệ thống đolường chủ động cung cấp, hệ thống xử lý nhanh và luôn luôn xác định được chế độ cắthợp lý ở các thời điểm tương ứng, cung cấp kịp thời cho hệ thống điều khiển tự độngđảm bảo cho máy luôn luôn làm việc với chế độ hợp lý

Như vậy khác với tối ưu hóa tĩnh, ở tối ưu hóa động chế độ gia công chẳngnhững được điều chỉnh trước mà còn được tự động điều chỉnh ngay trong quá trìnhcắt.

Tối ưu hóa động giải quyết vấn đề triệt để hơn so với tối ưu hóa tĩnhnhưng cũng phức tạp hơn tối ưu hóa tĩnh rất nhiều vì tối ưu hóa động cần gắnliền với đo lường chủ động và điều khiển thích nghi Tuy nhiên, do tính hiệu quảcủa nó tối ưu hóa động sẽ được phát triển mạnh mẽ trong thế kỷ 21

2 BÀI TOÁN TỐI ƯU HÓA CHẾ ĐỘ CẮT

2.1 Cơ sở lý thuyết để xây dựng bài toán

Các yếu tố ảnh hưởng đến việc lập kế hoạch công nghệ gia công đó là: Loại hìnhgia công (tiện, phay, v.v ), các thông số về máy gia công như: độ cứng vững, côngsuất v.v , điều kiện gia công, phôi (vật liệu, hình dạng v.v ,) dụng cụ cắt (vật liệu,tuổi bền v.v ) Trong đó các thông số về chế độ cắt là quan trọng nhất

Việc mô hình hóa mối quan hệ của các thông số đầu vào và đầu ra là mộtbước cơ bản của quá trình tối ưu Mô hình quan hệ của các thông số đầu vào và đầu

ra được xem như là sự đặc trưng tóm lược về mối quan hệ nguyên nhân và kếtquả hoặc sự chuyển đổi quá trình từ đâu vào đến đầu ra Kỹ thuật tối ưu cung cấp cácgiải pháp tối ưu hoặc gần tối ưu cho các bài toán tối ưu tổng quát, được công thứchóa và sau đó được thực hiện trong quá trình gia công Việc tối ưu hóa các thông

số cắt trong quá trình gia công đòi hỏi các kiến thức về nhiều khía cạnh như: Quátrình gia công, các phương trình thực nghiệm liên quan đến các chỉ tiêu gia công như:Tuổi thọ dụng cụ, lực cắt, công tiêu thụ, nhám bề mặt.v.v để xây dựng ràng buộc, cácđặc trưng kỹ thuật của máy gia công, cách phát triển một tiêu chuẩn tối ưu có hiệuquả đồng thời cũng cần các kiến thức về toán học và kỹ thuật số tối ưu[4]

Trong các thủ tục tối ưu, yếu tố đầu ra quan trọng chính được gọi là mục tiêu tối

ưu hoặc tiêu chuẩn tối ưu Tiêu chuẩn tối ưu được sử dụng nhiều nhất trong trong giacông là chi phí gia công Ngoài ra, thời gian gia công, tốc độ bóc tách phôi, tuổi thọdụng cụ, chất lượng bề mặt cũng được sử dụng Trong gia công như tiện cứng, chỉtiêu về chất lượng bề mặt đóng vai trò quan trọng Bên cạnh đó, tuổi thọ dụng cụcũng đặc chưng cho chi phí gia công khi giá thành dụng cụ PCBN cao và ảnh hưởngtrực tiếp tới chất lượng bề mặt, tuổi thọ của dụng cụ cắt cũng ảnh hưởng tới năngsuất gia công thông qua thời gian sản suất Mục đích của bài toán tối ưu là tìm ra bộcác thông số vận tốc cắt (v), bước tiến (f) và chiều sâu cắt (t) sao cho đáp ứng được

các mục đích như chi phí thấp nhất, chất lượng tốt nhất và năng suất cao nhất.Tuynhiên, việc tối ưu

và chương trình như: Phương pháp phần tử hữu hạn, phương pháp sai phân hữuhạn, các phương pháp mô hình trí tuệ nhân tạo như: Mạng nơron nhân tạo, lý thuyếtlogic mờ

2.2 Các hàm mục tiêu

Tronggia công, chất lượng bề mặt chi tiết là một trong những chỉ tiêu quan trọngnhất, thông số đặc chưng của chất lượng bề mặt đó là nhám bề mặt ngoài ra thì nhàsản suất luôn mong muốn nâng cao năng suất và giảm thiểu tối đa chi phí sảnsuất Để nâng cao năng suất thì người ta có thể tính toán thông qua tốc độ sản suất(Tp) hay thông qua diện tích gia công, và việc giảm thiểu chi phí sản suất (Cp) thì cóthể tính toán qua tuổi bền của dao (T)

Hàm mục tiêu tổng quát có dạng:

y = f(x)

Trong đó:

y - là chỉ tiêu tối ưu, chính là đại lượng ra

x - là các thông số công nghệ cần tối ưu - chính là đại lượng vào

* Giới hạn về nghiên cứu:

- Các đại lượng vào: Bộ thông số chế độ cắt v, f, t

- Đại lượng ra (mục tiêu tối ưu), các chỉ tiêu về kinh tế như:

+ Năng suất -> max hay thời gian để gia công một sản phẩm là nhỏ nhất

+ Chi phí sản suất -> min

+ Chất lượng -> max

2.2.1 Tốc độ sản xuất (Năng suất gia công)

Thông thường, tốc độ sản xuất được tính trong toàn bộ thời gian để gia công 1sản phẩm (Tp) Nó là hàm phụ thuộc và tốc độ bóc tách phoi (MRR) và tuổi bền củadụng cụ (T)

Tốc độ bóc tách phoi được tính theo công thức[17]:

MRR = 1000.v.f.t (1.1) Thời gian sản xuất:

(1.2)

Ts-thời gianđiều chỉnh dao

Tc- thời gian thay dao

Ti- thời gian nghỉ của dao trong quá trình làm việc,

V – là khối lượng vật liệu được bóc tách

V = Sc.t (1.3)Trong đó:

t – chiều sâu cắt

Sc - diện tích bề mặt chi tiết gia công được tính: Sc = πDL (1.4)

Tuổi bền dụng cụ là thời gian được tính giữa các lần mài lại hoặc thời gian dụng

cụ dùng đến khi thay dao Mối quan hệ giữa tuổi bền của dụng cụ và các điều kiện cắtđược thể hiện thông qua công thức Taylor:

D – đường kính chi tiết gia công

L- chiều dài chi tiết gia công

2.2.2 Chi phí sản suất

Chi phí sản suất có thể được tính như là chi phí để sản suất một sản phẩm Cp, nóphụ thuộc vào các giá trị điều kiện cắt: v,f,t thông qua T và Tpđược cho theo côngthức[17];

k, x1,x2, và x3 là các hằng số liên quan đến mối quan hệ giữa dao và phôi.

2.2.4 Các điều kiện ràng buộc

Từ những kết quả thống kê thực nghiệm, nhà sản xuất đưa ra những giới hạn cho việc lựa chọn các thông số v,f,t

vmin ≤ v ≤ vmax ; fmin ≤ f ≤ fmax ; tmin ≤ t ≤ tmax

Điều kiện ràng buộc các thông số điều kiện cắt cũng phải được kiểm tra cụ thểtheo khả năng của phôi và máy gia công

Lực cắt và công suất máy

Năng lượng được tiêu thụ trong quá trình cắt được tính theo công thức:

Bài toán tối ưu hóa chế độ cắt bây giờ được xây dựng để tối ưu hóa đa mục tiêu

minTp(v,f,t)

minRa(v,f,t)

minCp(v,f,t)

2.3 Phương pháp giải bài toán tối ưu đa mục tiêu

Một trong những cách phân loại điển hình các phương pháp tối ưu hóa đa mụctiêu là phương pháp vô hướng và phương pháp véc tơ Với phương pháp vôhướng, các phần tử của véc tơ hàm mục tiêu được kết hợp để tạo thành một hàmmục tiêu vô hướng Sau đó có thể sử dụng phương pháp tối ưu đơn mục tiêu, tiêuchuẩn để tối ưu hóa hàm vô hướng đó Khái niệm tối ưu véc tơ ngụ ý rằng mỗi hàmmục tiêu được xử lý một cách độc lập[20]

Nguyện vọng chung cho một quá trình giải bài toán tối ưu hóa đa mục tiêu

có thể là đạt được một giải pháp thỏa hiệp hoặc một giải pháp ưu tiên hoặc có thểnhận biết tất cả các giải pháp không thể vượt trội Vì vậy, phương pháp giải bài toántối ưu đa mục tiêu cũng có thể chia làm hai loại: một là các phương pháp phát sinh,hai là các phương pháp dựa trên các mức ưu tiên[23] Các phương pháp phát sinh đượcphát triển để nhận biết toàn bộ giải pháp tối ưu Pareto hoặc một bộ tương tự Cácphương pháp dựa trên các mức ưu tiên cố gắng đạt được một giải pháp thỏa hiệphoặc giải pháp được ưa chuộng Nếu không có kiến thức trước về cấu trúc ưu tiêncủa các mục tiêu, phải chấp nhận phương pháp phát sinh để xem xét tất cả các lựachọn không thể vượt trội Nếu đã có một vài ý tưởng về mức độ quan trọng tươngquan của các mục tiêu, có thể định lượng mức độ ưu tiên Với thông tin về mức độ ưutiên, có thể nhận biết được giải pháp ưu tiên hoặc thỏa hiệp

Từ khía cạnh kỹ thuật giải bài toán, hầu hết các phương pháp truyền thống đềugiảm đa mục tiêu xuống thành đơn mục tiêu, sau đó sử dụng các công cụ lập trìnhtoán học để giải bài toán Nhu cầu đã thúc đẩy sự phát sự phát triển các kỹ thuật vôhướng khác nhau để chuyển các bài toán tối ưu đa mục tiêu về dạng một mục tiêuhoặc một chuỗi ràng buộc, phương pháp qui hoạch đích, phương pháp tổng trọng số

2.4 Một số phương pháp giải bài toán tối ưu đa mục tiêu cơ bản

a Phương pháp tổng trọng số

Là phương pháp dựa trên ý tưởng của việc chỉ định các trọng số cho mỗihàm mục tiêu và kết hợp chúng thành một hàm mục tiêu đơn nhất.Phương pháp tổngtrọng số có thể được biểu diễn như sau:

b Phương pháp cực tiểu cực đại trọng số (phương pháp Tchebycheff)

Phương pháp cực tiểu cực đại trọng số được công thức hóa như sau[24]:

c Phương pháp tiêu chuẩn tổng thể trọng số

Đây là một phương pháp vô hướng kết hợp tất cả các hàm mục tiêu để tạo thành một hàm duy nhất Bài toán tối ưu đa mục tiêu có dạng[20];

Cực tiểu hóa hàm:

Cực tiểu hàm:

Các giải pháp sử dụng công thức tiêu chuẩn tổng thể phụ thuộc vào giá trịcủa cả w và p Nói chung, p tỉ lệ thuận với mức độ quan trọng của việc cực tiểu hóahàm có sai lệch nhất giữa Căn 1/p có thể bỏ qua vì việc công thức hóa

có hay không có căn về lý thuyết cung cấp lời giải như nhau

Tùy thuộc vào việc thiết lập giá trị p, phương pháp tiêu chuẩn tổng thể có thể

biến đổi thành các phương pháp thông thường

khác

d Phương pháp thứ tự từ điển học

Với phương pháp thứ tự từ điển học, các mức ưu tiên được đề xuất bởi thứ

tự các hàm mục tiêu theo như mức độ quan trọng hoặc mức ý nghĩa của chúng chứkhông phải phân bố các trọng số Các hàm mục tiêu được xắp xếp theo thứ tự quantrọng

Bài toán tối ưu như sau:

Cực tiểu hóa hàm: fi(x)

Chịu ràng buộc: fi(x)≤fj(xj

*

); j = 1÷(i-1); i = 1÷kBước thứ nhất của phương pháp này là phân loại các hàm mục tiêu thànhcác mức độ ưu tiên khác nhau dựa trên mức độ quan trọng của chúng, mức cao nhất(i=1) là quan trọng nhất Sau đó, sử dụng thuật toán tìm kiếm thông thường để giảitừng mức bài toán tối ưu cái nọ sau cái kia, bắt đầu với mức 1(i = 1) Trong khiphương pháp thực hiện giải từ mức 1 xuống mức k (mức cuối cùng), các hàm mụctiêu trước được chuyển thành các ràng buộc dạng bất phương trình Do đó, số cácràng buộc tăng tới (k

= 1) ở mức cuối cùng của quá trình tối ưu Phương pháp này còn được ngụ ý làphương pháp giảm không gian giải pháp vì không gian giải pháp được giảm dần cùngvới sự thêm dần các ràng buộc khi thực hiện phương pháp

e Phương pháp hàm mục tiêu bị giới hạn

Phương pháp hàm mục tiêu bị giới hạn tối thiểu hóa hàm mục tiêu đơn

quan trọng nhất f s (x) với các hàm mục tiêu khác được coi như là các ràng buộc Nói

cách khác nó tối thiểu hóa một hàm mục tiêu và đồng thời duy trì mức độ cực đại

có thể chấp nhận được của các hàm mục tiêu khác bài toán tối ưu như sau[20]:

Cực tiểu hóa hàm: f s (x), i = 1,2, ,k

Chịu ràng buộc: g j (x)≤0, j = 1,2, ,m

h l (x)≤0, l = 1,2, ,e

l i ≤ f i (x) ≤ i ; i = 1÷k; i ≠ s

Với l ivà i là giới hạn dưới và giới hạn trên của hàm mục tiêu thứ f i (x) Theo

cách này, những ưu tiên được đề xuất bằng cách thiết lập giới hạn cho các mục

tiêu Phương pháp ràng buộc là một biết đổi của phương pháp hàm mục tiêu bị giới hạn trong đó l ibị loại trừbài toán tối ưu có dạng:

Cực tiểu hóa hàm: f s (x), i = 1,2, ,k

Chịu ràng buộc: g j (x)≤0, j = 1,2, ,m

h l (x)≤0, l = 1,2, ,e

f i (x) ≤ i ; i = 1÷k; i ≠ s

Trong phương pháp này vùng giải pháp thiết kế S được biểu diễn bởi các ràng

buộc g j (x)≤0, j = 1,2, ,m; h l (x)≤0, l = 1,2, ,e sau đó được biến đổi thành S’ bởi (k-1)

các ràng buộc: f i (x) ≤ i ; i = 1÷k-1; i ≠ s

Trong trường hợp này, i được thay đổi một cách có hệ thống để sinh ra một bộcác giải pháp tối ưu Pareto Tuy nhiên, lựa chọn không đúng vécto có thể đưa đến kếtquả là công thức mà không có lời giải khả thi Hướng dẫn về lựa chọn các giá trị của được thảo luận trong nhiều tài liệu Có thể sử dụng một hướng dẫn chung như sau:

* *

fi(xi )≤ ≤ fs(xi )

f Phương pháp quy hoạch đích.

Trong phương pháp này đích cần đạt được cho mỗi mục tiêu được thiết lập

và độ lệch của mỗi hàm mục tiêu so với các đích được đánh giá để cực tiểu hóachúng Phương pháp quy hoạch đích nói chung cho các bài toán phi tuyến như sau[20]:

Cực tiểu hóa hàm:

Chịu ràng buộc: f i (x) - = T i , i = 1,2, ,r

g j (x)≤0, j = 1,2, ,m

h l (x)=0, l = 1,2, ,p

i i

Với d + , d -là giới hạn dưới và giới hạn trên của mục tiêu thứ i; ci là trọng số của

i i

i

30

hàm mục tiêu thứ i; Ti là đích được thiết lập cho mục tiêu thứ i, nghĩa là:

T i = f i (x * ) Thừa nhận giới hạn trên của đích là không thể và vì vậy không cần

phải xác định d - Do đó bài toán tối ưu quy hoạch đích có dạng:

Cực tiểu hóa hàm:

Chịu ràng buộc: f i (x) – f i (x * ) ≥ 0, i = 1,2, ,k

g j (x)≤0, j = 1,2, ,m

h l (x)=0, l = 1,2, ,p

g Phương pháp giải thuật di truyền(GAs)

GAs mô phỏng lại quá trình tiến hóa của sinh vật và dựa trên học thuyết Darwin

về chọn lọc tự nhiên Cơ chế cụ thể của giải thuật bao gồm các ngôn ngữ về sinhhọc và quá trình phát triển các giải pháp tiềm năng bắt trước quá trình di truyền Mộtquần thể là một tập hợp các điểm giải pháp thiết kế trong không gian thiết kế Mộtquần thể con là một tập hợp con các điểm trong một thế hệ Một thế hệ chỉ một vònglặp tính toán Điểm sống sót là điểm được chọn để sử dụng trong vòng lặp tiếptheo Một nhiễm sắc thể so sánh với một điểm thiết kế và một gien có thể so sánhvới một thành phần của véc tơ thiết kế

3 Kết luận chương 1.

Chương này tác giả nghiên cứu tổng quan về tối ưu hóa quá trình gia công, cơ sở

lý thuyết của bài toán tối ưu hóa chế độ cắt Nghiên cứu các hàm mục tiêu trongquá trình gia công.Các mô hình của quá trình cắt có thể được xây dựng bằng nhiềuphương pháp như: Phương pháp phân tích, phương pháp số và phương pháp thựcnghiệm Và một số phương pháp giải bài toán tối ưu đa mục tiêu trong quá trình giacông.Khi sử dụng các phương pháp tối ưu hóa này thì để tìm ra được các thông số cắttối ưu sẽ mất rất nhiều thời gian, dẫn đến chi phí cho việc phân tích tìm các thông

số tối ưu cũng tăng cao vì vậy nó chỉ phù hợp với sản xuất loạt lớn, hàng khối Mà

xu hướng ngày nay đã bắt đầu quay lại thời kỳ sản suất loạt vừa và nhỏ để đápứng những thay đổi liên tục của nhu cầu thị trường

Phương pháp số sử dụng mạng nơ ron nhân tạo để giải bài toán tối ưuhóađảm bảo việc lựa chọn nhanh chóng và hiệu quả các điều kiện cắt tối ưu và quátrình xử lý các dữ liệu có sẵn Do vậy nó rất phù hợp với dạng sản xuất loạt nhỏ, đơnchiếc Tuy nhiên phương pháp chưa được nghiên cứu nhiều trong việc tối ưu hóachế độ cắt ở Việt Nam.

CHƯƠNG II TỐI ƯU HÓA CHẾ ĐỘ CẮT BẰNG CÁCH SỬ DỤNG

MẠNG NORON NHÂN TẠO

1 TỔNG QUAN VỀ MẠNG NƠ RON

1.1 Nơ ron sinh học

1.1.1 Chức năng, tổ chức và hoạt động của bộ não con người

Bộ não người có chức năng hết sức quan trọng trong đời sống của con người Nógần như kiểm soát hầu hết mọi hành vi của con người từ các hoạt động cơ bắpđơn giản đến những hoạt động phức tạp như học tập, nhớ, suy luận, tư duy, sángtạo,

Bộ não người được hình thành từ sự liên kết của khoảng 1011 phần tử (tếbào), trong đó có khoảng 1010 phần tử là nơron, số còn lại khoảng 9*1010 phần tử làcác tế bào thần kinh đệm và chúng có nhiệm vụ phục vụ cũng như hỗ trợ cho cácnơron Thông thường một bộ não trung bình cân nặng khoảng 1,5 kg và có thểtích là 235 cm3 Cho đến nay người ta vẫn chưa thực sự biết rõ cấu tạo chi tiết của bộnão.Tuy vậy về đại thể thì cấu tạo não bộ được phân chia ra thành nhiều vùng khácnhau Mỗi vùng có thể kiểm soát một hay nhiều hoạt động của con người

Bộ não có cấu trúc nhiều lớp.Lớp bên ngoài thường thấy như là các nếp nhăn, làlớp có cấu tạo phức tạp nhất Đây là nơi kiểm soát và phát sinh các hành độngphức tạp như nghe, nhìn, tư duy,

Hoạt động của bộ não nói riêng và của hệ thần kinh nói chung đã được conngười quan tâm nghiên cứu từ lâu nhưng cho đến nay người ta vẫn chưa hiểu rõthực sự về hoạt động của bộ não và hệ thần kinh Đặc biệt là trong các hoạt động liênquan đến trí óc như suy nghĩ, nhớ, sáng tạo, Tuy thế cho đến nay, người ta cũng

có những hiểu biết căn bản về hoạt động cấp thấp của não

Mỗi nơron liên kết với khoảng 104 nơron khác, cho nên khi hoạt động thì bộ nãohoạt động một cách tổng lực và đạt hiệu quả cao Nói một cách khác là các phần tử

của não hoạt động một cách song song và tương tác hết sức tinh vi phức tạp, hiệu quảhoạt động thường rất cao, nhất là trong các vấn đề phức tạp về tốc độ xử lý của

bộ não