Ứng dụng phương pháp trí tuệ nhân tạo để xác định chế độ cất tối ưu khi gia công thép hợp kim trên trung tâm gia công CNC 5 trục

PHẠM THANH TÙNG BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Phạm Thanh Tùng KỸ THUẬT CƠ KHÍ ỨNG DỤNG PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO ĐỂ XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG THÉP HỢP KIM TRÊN TRUNG TÂM GIA CÔNG CNC TRỤC LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT CƠ KHÍ KHỐ CH2016A Hà Nội - Năm 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Phạm Thanh Tùng ỨNG DỤNG PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO ĐỂ XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG THÉP HỢP KIM TRÊN TRUNG TÂM GIA CÔNG CNC TRỤC Chuyên ngành: Kỹ thuật khí LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT CƠ KHÍ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN NGỌC KIÊN Hà Nội - Năm 2018 LỜI CAM ĐOAN Tôi xin cam đoan số liệu kết nêu Luận văn thân Tôi thực hướng dẫn thầy giáo TS Nguyễn Ngọc Kiên Ngoài phần tài liệu tham khảo liệt kê nêu rõ Luận văn, số liệu kết thực nghiệm trung thực, chưa công bố cơng trình khác Hà Nội, ngày tháng năm 2018 Người thực Phạm Thanh Tùng LỜI CẢM ƠN Tác giả xin chân thành cảm ơn TS Nguyễn Ngọc Kiên hướng dẫn giúp đỡ tận tình từ định hướng đề tài, tổ chức thực nghiệm đến trình viết hồn chỉnh Luận văn Tác giả bày tỏ lòng biết ơn Ban lãnh đạo Viện Đào tạo sau đại học, Viện Cơ khí trường Đại học Bách Khoa Hà Nội tạo điều kiện thuận lợi để hoàn thành Luận văn Tác giả xin chân thành cảm ơn Trung tâm hỗ trợ đào tạo nghiên cứu đổi công nghệ khí, trường Đại học Bách Khoa Hà Nội giáo viên thuộc trung tâm tạo điều kiện thiết bị giúp đỡ trình dụng thiết bị để tiến hành thực nghiệm; đồng thời tác giả chân thành cảm ơn ý kiến đóng góp thầy, giáo thuộc Viện Cơ khí đồng nghiệp giúp đỡ tác giả tháo gỡ vướng mắc thời gian thực Luận văn Do lực thân nhiều hạn chế nên luận văn khơng tránh khỏi sai sót, tác giả mong nhận đóng góp ý kiến thầy, cô giáo, nhà khoa học bạn đồng nghiệp để Luận văn hoàn thiện có ý nghĩa thực tiễn Hà Nội, ngày tháng năm 2018 Người thực Phạm Thanh Tùng MỤC LỤC LỜI CAM ĐOAN DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT DANH MỤC BẢNG DANH MỤC HÌNH VẼ PHẦN MỞ ĐẦU 11 CHƯƠNG 1: TỔNG QUAN VỀ GIA CÔNG TRÊN TRUNG TÂM GIA CÔNG CNC 14 1.1 Trung tâm gia công CNC 14 1.1.1 Đặc điểm trung tâm phay CNC 14 1.1.2 Dụng cụ cắt trung tâm gia công 17 1.1.3 Đồ gá trung tâm gia công 19 1.2 Gia công bề mặt phức tạp trung tâm gia công 20 1.2.1 Ứng dụng CAD/CAM trung tâm gia công CNC 20 1.2.2 Ứng dụng trung tâm gia công trục để gia công bề mặt khuôn 25 1.3 Các tiêu chất lượng bề mặt gia công trung tâm gia công 27 1.3.1 Các yếu tố hình học 27 1.3.2 Tính chất lý 29 KẾT LUẬN CHƯƠNG 30 CHƯƠNG 2: NGHIÊN CỨU PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO VÀ ỨNG DỤNG TRONG TỐI ƯU HĨA GIA CƠNG CƠ KHÍ 31 2.1 Trí tuệ nhân tạo 31 2.1.1 Khái niệm trí tuệ nhân tạo 31 2.1.2 Các hệ thống trí tuệ nhân tạo 31 2.1.3 Các xu hướng nghiên cứu trí tuệ nhân tạo 32 2.2 Mạng mờ noron 34 2.2.1 Mạng noron nhân tạo 34 2.2.2 Logic mờ 38 2.2.3 Mạng mờ noron 40 2.3 Giải thuật PSO 41 2.3.1 Trí tuệ nhân tạo tiến hóa 41 2.3.2 Thuật toán tối ưu bầy đàn PSO 42 2.3.3 Xây dựng giải thuật PSO 45 KẾT LUẬN CHƯƠNG 46 CHƯƠNG 3: XÂY DỰNG MƠ HÌNH THỰC NGHIỆM 47 3.1 Mơ hình thực nghiệm 47 3.1.1 Sơ đồ thí nghiệm 47 3.1.2 Mơ hình thí nghiệm 48 3.1.3 Các đại lượng đầu vào 49 3.1.4 Các đại lượng đầu 49 3.1.5 Các đại lượng cố định 49 3.1.6 Các đại lượng nhiễu 49 3.2 Điều kiện thí nghiệm 50 3.2.1 Trung tâm gia công CNC 50 3.2.2 Phơi thí nghiệm 51 3.2.3 Dụng cụ cắt 52 3.2.4 Đồ gá chi tiết 53 3.2.5 Các thông số cố định khác 53 3.2.6 Thiết bị đo 53 3.3 Xây dựng quy hoạch thực nghiệm tiến hành thí nghiệm 54 3.4 Xác định mối quan hệ tốn học thực nghiệm thơng số công nghệ đến độ nhám bề mặt 59 KẾT LUẬN CHƯƠNG 62 CHƯƠNG 4: ỨNG DỤNG PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO, GIẢI THUẬT PSO ĐỂ GIẢI BÀI TOÁN TỐI ƯU 63 4.1 Xây dựng toán tối ưu phay trung tâm gia công 63 4.1.1 Xác định hàm mục tiêu 63 4.1.2 Xác định hàm biên 63 4.1.3 Phát biểu toán tối ưu 65 4.2 Ứng dụng giải thuật PSO để giải toán tối ưu 65 4.2.1 Xây dựng lưu đồ giải thuật PSO giải toán tối ưu 67 4.2.2 Ứng dụng giải thuật PSO để xác định thông số chế độ cắt tối ưu 69 4.3 Xác định chế độ cắt tối ưu phay trung tâm gia công 73 4.3.1 Sử dụng giải thuật PSO phần mềm Matlab để xác định chế độ cắt tối ưu 73 4.3.2 Kiểm nghiệm kết 74 KẾT LUẬN CHƯƠNG 75 KẾT LUẬN VÀ KIẾN NGHỊ 76 TÀI LIỆU THAM KHẢO 77 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT STT Ký hiệu, viết tắt Diễn giải nội dung Đơn vị CNC NC Numerical control Rz Chiều cao nhấp nhô tế vi µm Ra Sai lệch profin trung bình µm L Bước sóng mm B Chiều rộng phay mm v Vận tốc cắt m/phút S Lượng tiến dao Mm/phút t Chiều sâu cắt mm 10 y Góc nghiêng dao Độ 11 n Tốc độ trục Vịng/phút 12 Z Vận tốc cắt 13 Sz Lượng tiến dao mm/răng 14 D Đường kính dao phay mm 15 e Giá trị sai lệch 16 E Tổng giá trị sai lệch 17  Phần trăm giá trị sai lệch 18 σ Độ phân tán sai số 19 S/N 20 MSD 21 f Computer numerical control Signal to noise Trung bình bình phương Bậc tự % dB 22 ST Tổng bình phương sai lệch 23 CF Correction factor 24 P Công suất cắt Kw 25 hs Lượng mịn dao mặt sau µm 26 F Lực cắt N 27 OA Bảng trực giao 28 AI Trí tuệ nhân tạo DANH MỤC BẢNG CHƯƠNG Bảng 3.1: Đặc tính kỹ thuật máy phay MIKRON UCP 600 50 Bảng 3.2: Thành phần hóa học tính thép SKD61 .52 Bảng 3.3: Thông số dao phay sử dụng thí nghiệm 52 Bảng 3.4: Thông số kỹ thuật máy SJ – 400 54 Bảng 3.5: Bảng trực giao OA25 (54) 55 Bảng 3.6: Bảng thông số chế độ cắt 57 Bảng 3.7: Kết thí nghiệm 57 CHƯƠNG Bảng 4.1: Bộ thông số chế độ cắt thu 74 Bảng 4.2: Kết thử nghiệm thông số chế độ cắt thu 74 điều kiện ràng buộc hay điều kiện biên biểu diễn miền D (miền ràng buộc) Luận án khảo sát trình phay thép hợp kim SKD 61 trung tâm gia công dao phay cầu từ hãng YG Hàn Quốc Do vậy, điều kiện biên hay giới hạn thông số công nghệ phải đảm bảo nằm dải thông số chế độ cắt khuyến cáo nhà sản xuất, đảm bảo trình gia công giới hạn ổn định hệ thống công nghệ Các điều kiện biên bao gồm: - Giới hạn vận tốc cắt V: 140 ≤ V ≤ 250 (m/phút) Do đó, hàm giới hạn biên vận tốc cắt biểu diễn sau: g1 = X1 − 250  (4.4) g = − X + 140  (4.5) - Giới hạn lượng tiến dao S: 200 ≤ S ≤ 600 (mm/phút) Do đó, hàm giới hạn biên lượng tiến dao biểu diễn sau: g3 = X − 600  (4.6) g4 = − X + 200  (4.7) - Giới hạn chiều sâu cắt t: 0,1 ≤ t ≤ 0,25 (mm) Do đó, hàm giới hạn biên chiều sâu cắt biểu diễn sau: g5 = X − 0,25  (4.8) g = − X + 0,1  (4.9) - Giới hạn góc nghiêng trục dao : 20 ≤≤ 60 (độ) Do đó, hàm giới hạn biên góc nghiêng trục dao biểu diễn sau: g7 = X − 60  (4.10) g8 = − X + 20  (4.11) 64 4.1.3 Phát biểu tốn tối ưu Q trình gia cơng khí ngày hướng đến gia cơng đạt độ xác chất lượng bề mặt cao Độ nhám bề mặt hình thành chịu ảnh hưởng lớn từ chế độ cắt mối quan hệ tương tác dụng cụ cắt phơi Vì vậy, thay đổi chế độ cắt phương pháp hiệu để kiểm soát chất lượng bề mặt chi tiết q trình gia cơng Do đó, với hàm mục tiêu chất lượng bề mặt chi tiết với hàm điều kiện biên giới hạn thông số chế độ cắt, tốn tối ưu phát biểu sau: Tìm không gian thông số chế độ cắt X =[X1,X2,X3,X4]T = [V,S,t,]T thông số chế độ cắt hợp lý để: f(x) = Rz(x) → Với điều kiện biên là: g1 = X1 − 250  g = − X + 140  g3 = X − 600  g4 = − X + 200  g5 = X − 0,25  (4.12) g = − X + 0,1  g7 = X − 60  g8 = − X + 20  4.2 Ứng dụng giải thuật PSO để giải tốn tối ưu Hiện có nhiều phương pháp để giải toán tối ưu, phương pháp tập trung chủ yếu nhóm chính: 65 - Phương pháp giải tích: Sử dụng phép giải tích phép lặp, phép giải tích số,…để tìm nghiệm tối ưu Phương pháp thường áp dụng cho tốn tối ưu có hàm quan hệ tốn học đơn giản, tuyến tính - Phương pháp đồ thị: Sử dụng phương pháp dựng hình hàm quan hệ tốn học để tìm điểm tối ưu Phương pháp thường sử dụng với dạng toán tối ưu đơn giản hàm quan hệ toán học dạng tuyến tính - Phương pháp trí tuệ nhân tạo: Nhờ tiến khoa học máy tính phát triển nhiều giải thuật trí tuệ nhân tạo nhằm tìm chế tối ưu, mang lại hiệu cao ứng dụng kỹ thuật [20], [21], [22] Khi giải toán siêu việt, phương pháp giải tích phương pháp đồ thị gặp phải nhiều khó khăn, thời gian hội tụ lâu, tính hiệu khơng khả thi Do đó, xu sử dụng nhiều phương pháp trí tuệ nhân tạo để giải tốn tối ưu Trong luận án này, tác giả trình bày phương pháp trí tuệ nhân tạo PSO để giải toán tối ưu Thuật toán tối ưu bầy đàn PSO lấy ý tưởng từ cách đàn chim tìm thức ăn, nguồn nước Theo giả thiết toán, cá thể ban đầu dựng lên không gian Mỗi cá thể có vận tốc ban đầu cá thể có vận tốc ban đầu cá thể có liên lạc với Trong PSO, cá thể Pi mơ cá thể đàn chim Một bầy đàn P = (P1, P2,…, Pn) tập cá thể (một tập lời giải toán) Các cá thể có thơng tin tồn quần thể thông tin phần quần thể Thơng tin thường thơng tin cá thể tốt quần thể, đánh giá qua giá trị hàm mục tiêu Đối với toán tối ưu chế độ cắt (V, S, t) góc nghiêng trục dao θ cá thể quần thể bao gồm biến là: X1 ( vận tốc cắt V), X2 (lượng chạy dao S), X3 (chiều sâu cắt t), X4 (góc nghiêng trục dao θ) 66 Hình 4.1: Bầy đàn cá thể khơng gian tìm kiếm chiều 4.2.1 Xây dựng lưu đồ giải thuật PSO giải toán tối ưu - Bước 1: Khởi tạo quần thể với: khởi tạo vector vị trí xi vector vận tốc vi, hệ số quán tính w, hệ số gia tốc c1, c2 cho cá thể thứ i (i = 1, 2, …, n) - Bước 2: Khởi tạo thơng tin ban đầu vị trí tốt cá thể quần thể: + Khởi tạo vị trí tốt cá thể thứ i: pbesti = xi + Khởi tạo vị trí tốt quần thể vị trí tốt tất vị trí cá thể khởi tạo: gbest = min(f(xi)) - Bước 3: Tiến hành lặp với điều kiện lặp xác định trước Cập nhật lại chuyển động hệ theo chuyển động theo chuyển động cá thể tốt quần thể: vik +1 = w.vik + c1.rand1.( pbesti − xik ) + c2 rand ( gbesti − xik ) Cập nhật lại vị trí cá thể theo vị trí theo hướng chuyển động nhất: xik +1 = xik + vik +1 Cập nhật lại vị trí tốt cá thể cách so sánh với vị trí nó: if f(xi) < f(pbesti) then pbesti = xi 67 Cập nhật lại vị trí tốt quần thể cách so sánh với vị trí cá thể tốt tại: if f(xi) < f(gbesti) then gbesti = xi - Bước 4: Kết thúc, trả giá trị tốt gbest Hình 4.2: Lưu đồ giải thuật PSO 68 4.2.2 Ứng dụng giải thuật PSO để xác định thông số chế độ cắt tối ưu ❖ Bước 1: Khởi tạo quần thể - Khởi tạo vector vị trí xi: Begin Khởi tạo ri ri = random [0;1] xi = xL + ri.(xU – xL) (xL ≤ xi ≤ xU) Quần thể ban đầu Xi0 = [X1, X2, X3, X4]0 End Hình 4.3: Khởi tạo vị trí ban đầu Trong đó: Xu: giá trị lớn biến XL: giá trị nhỏ biến - Khởi tạo vector vận tốc vi = (u1, u2,…, un) 69 Begin Khởi tạo ui ui = random [0;1] Vector vận tốc ban đầu Vi = [U1, U2,…, Un] End Hình 4.4: Khởi tạo vector vận tốc ban đầu - Khởi tạo hệ số quán tính w: Hệ số quán tính giảm tuyến tính từ đến Hệ số quán tính w lớn cho phép các thể mở rộng phạm vi tìm kiếm Hệ số qn tính w nhỏ làm tăng thay đổi để nhận giá trị tối ưu địa phương Do đó, người ta nhận thấy hiệu tốt đạt sử dụng giá trị w lớn (~0,9) thời điểm ban đầu sau giảm dần - Khởi tạo hệ số gia tốc c1, c2: Các hệ số gia tốc nhận giá trị từ 1,5 đến 2,5 Thông thường c1 = c2 = ứng dụng ❖ Bước 2: Khởi tạo thông tin ban đầu vị trí tốt cá thể quần thể: 70 Begin Khởi tạo vị trí tốt cá thể thứ i pbesti = xi Xác định giá trị hàm số vị trí xi f(xi) = 1,54016.x1i-0.0574423.x2i-0,209149.x3i0,0285033.x4i-0,0224603 Khởi tạo vị trí tốt quần thể gbest = min(f(xi)) End Hình 4.5: Khởi tạo vị trí tốt ban đầu cá thể quần thể ❖ Bước 3: Tiến hành lặp với điều kiện lặp xác định trước Cập nhật lại chuyển động hệ theo chuyển động theo chuyển động cá thể tốt quần thể: 71 Begin Cập nhật lại chuyển động vik+1 = w.vik + c1rand1(pbesti – xik) + c2rand2(gbesti – xik) Cập nhật lại vị trí cá thể xik+1 = xik + vik+1 f(xi) < f(pbesti) pbesti = xi f(xi) < f(gbesti) gbesti = xi End Hình 4.6: Cập nhật cá thể tốt quần thể 72 ❖ Bước 4: Kết thúc, trả giá trị tốt gbest 4.3 Xác định chế độ cắt tối ưu phay trung tâm gia công 4.3.1 Sử dụng giải thuật PSO phần mềm Matlab để xác định chế độ cắt tối ưu Xây dựng giải thuật PSO phần mềm Matlab để giải tốn tối ưu [16], [17] Chương trình xây dựng để tìm giá trị nhỏ hàm mục tiêu Rzmin với thông số mạng: số lần lặp 200, số cá thể 500 Sau chạy chương trình ta kết sau: Hình 4.7: Đồ thị biểu diễn giá trị tối ưu Rz lần lặp Thông thường gia công, chất lượng bề mặt sử dụng chủ yếu Rz = Từ kết tính tốn cho thấy, ta thu giá trị Rzmin = 3.1778 < với thông số chế độ cắt sau: X1 = V = 250 (m/ph) X2 = S = 200 (mm/ph) X3 = t = 0,1 (mm) X4 =  = 60 (độ) 73 Bảng 4.1: Bộ thông số chế độ cắt thu Rz V S t  (µm) (m/ph) (mm/ph) (mm) (độ) 3,18 250 200 0,1 60 4.3.2 Kiểm nghiệm kết Sử dụng thông số chế độ cắt thu từ kết tính tốn giải thuật PSO, tiến hành cắt thử nghiệm trở lại với điều kiện máy, dao vật liệu tiến hành lấy số liệu thực nghiệm ban đầu ta thu kết sau: Bảng 4.2: Kết thử nghiệm thông số chế độ cắt thu Rz V S t  (µm) (m/ph) (mm/ph) (mm) (độ) 3,47 250 200 0,1 60 Ta có: R = z Rz − Rztt 100% = Rztt 3, 47 − 3,18 100% = 9,11% 3,18 Trong đó: Rz :là kết đo độ nhám thu sau cắt thử thông số chế độ cắt vừa thu Rztt : kết độ nhám thu sau chạy chương trình Từ kết ta thấy  R = 9,11%  tt = 11,57% z Vậy thông số chế độ cắt thu đạt yêu cầu 74 KẾT LUẬN CHƯƠNG Chương nghiên cứu tìm hiểu vấn đề sau: - Xác định hàm mục tiêu độ nhám bề mặt Rz; xác định điều kiện biên giới hạn thông số chế độ cắt (V,S,t,) phát biểu tốn tối ưu gia cơng thép hợp kim trung tâm phay CNC trục - Ứng dụng giải thuật PSO để giải toán tối ưu xây dựng lưu đồ giải thuật - Sử dụng giải thuật PSO phần mềm Matlab xác định chế độ cắt tối ưu gia công thép hợp kim SKD61 trung tâm phay CNC trục - Tiến hành thực nghiệm kiểm chứng so sánh độ nhám thực tế thu kết độ nhám thu sau chạy chương trình 75 KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN Luận văn nghiên cứu ứng dụng phương pháp trí tuệ nhân tạo để xác định chế độ cắt tối ưu gia công trung tâm gia công CNC trục dao phay cầu với vật liệu thép SKD61 Các nghiên cứu trình bày đạt kết sau: Xây dựng mối quan hệ toán học thực nghiệm chế độ cắt với chất lượng bề mặt Ứng dụng phương pháp trí tuệ nhân tạo – giải thuật PSO để xác định thông số chế độ cắt nằm miền tối ưu Sau sử dụng thông số chế độ cắt tối ưu thu để cắt thử nghiệm trở lại vật liệu, kết sai số  Rz = 9,11% nằm giới hạn cho phép phù hợp với thực tế Kết báo sở để lựa chọn thông số chế độ cắt gia công vật liệu SKD61 trung tâm gia công CNC dao phay cầu KIẾN NGHỊ Tiếp tục sử dụng ý tưởng ứng dụng phương pháp trí tuệ nhân tạo để xác định chế độ cắt tối ưu gia công Trung tâm gia công CNC phương pháp gia công khác loại vật liệu khác Từ kết phương pháp nghiên cứu luận văn mở hướng sử dụng phương pháp trí tuệ nhân tạo PSO để giải lớp tồn khí Ngồi ứng dụng để tìm thơng số chế độ cắt tối ưu phay báo trình bày, sử dụng PSO để để xác định chế độ cắt tối ưu sản xuất công nghiệp khác nghiên cứu khoa học công nghệ gia cơng khí trung tâm gia cơng CNC 76 TÀI LIỆU THAM KHẢO Tiếng Việt Trần Văn Địch (2003), Nghiên cứu độ xác gia cơng thực nghiệm, NXB Khoa học Kỹ thuật, Hà Nội Trần Văn Địch (2008), Các phương pháp xác định độ xác gia cơng cơ, NXB Khoa học Kỹ thuật, Hà Nội Trần Văn Địch, Nguyễn Trọng Bình, Nguyễn Thế Đạt, Trần Xuân Việt (2003), Công nghệ chế tạo máy, NXB Khoa học Kỹ thuật, Hà Nội Nguyễn Doãn Ý (2009), Xử lý số liệu thực nghiệm kỹ thuật, NXB Khoa học Kỹ thuật, Hà Nội Bành Tiến Long, Trần Thế Lục, Trần Sỹ Túy (2001), Nguyên lý gia công vật liệu, NXB Khoa học Kỹ thuật, Hà Nội Trần Văn Địch (2009), Nguyên lý cắt kim loại, NXB Khoa học Kỹ thuật, Hà Nội Nguyễn Tiến Thọ, Nguyễn Thi Xuân Bảy, Nguyễn Thị Cẩm Tú (2001), Kỹ thuật đo lường kiểm tra chế tạo khí, NXB Khoa học Kỹ thuật, Hà Nội Ninh Đức Tốn (2000), Dung sai lắp ghép, NXB Giáo dục Trung tâm thông tin tiêu chuẩn đo lường chất lượng, TCVN2511 : 1995 – Nhám bề mặt - thông số giá trị 10 Nguyễn Dỗn Ý (2003), Giáo trình quy hoạch thực nghiệm, NXB Khoa học Kỹ thuật, Hà Nội 11 Nguyễn Đắc Lộc, Lê Văn Tiến, Ninh Đức Tốn, Trần Xuân Việt (2001), Sổ tay công nghệ chế tạo máy, tập 1,2,3, NXB Khoa học Kỹ thuật, Hà Nội 12 Phí Trọng Hảo, Nguyễn Thanh Mai, (2008), Cơng nghệ chế tạo máy, NXB giáo dục, Hà Nội 77 13 Trần Văn Địch (2004), Công nghệ CNC, NXB Khoa học Kỹ thuật, Hà Nội 14 Tạ Duy Liêm (1999), Máy công cụ CNC, NXB Khoa học Kỹ thuật, Hà Nội 15 Nguyễn Trọng Bình (2003), Tối ưu hóa q trình cắt gọt, NXB giáo dục, Hà Nội Tiếng Anh 16 Dan Simon, 2013 Evolution optimization algorithms ISBN 978-0-47093741-9, United States of America 17 Jasbir S Arora, 2004 Introduction to Optimum Design ISBN 0-12-0641550, The University of Iowa 18 Roy, Ranjit (1990) A Primer on the Taguchi Method, ISBN 0-442-23729-4 19 Shin Taguchi (September 1991) Taguchi Methods 20 JasbirS Arora-2nd end (2004) Introduction optimization design, TA174.A76 ISBN 12-064155-0 21 Vedat Savas & Cetin Ozay (2008) The optimization of the surface roughness in the process of tangential turn-milling using genetic algorithm, Int J Adv Manuf Technol 37:335–340 DOI 10.1007/s00170-007-0984-1 22 Ab Rashid M.F.F., Gan S.Y., and Muhammad N.Y (2009) Mathematical Modeling to Predict Surface Roughness in CNC Milling, World acedame of science engineering and Technology 53 2009 23 M.F.F Ab Rashid and M.R Abdul Lani (2010) Surface Roughness Prediction for CNC Milling Process using Artificial Neural Network, Proceedings of the World Congress on Engineering 2010 Vol III-VCE 2010, june 30-july 2, 2010 London U.K 78 ... ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Phạm Thanh Tùng ỨNG DỤNG PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO ĐỂ XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG THÉP HỢP KIM TRÊN TRUNG TÂM GIA CÔNG... gá trung tâm gia công 19 1.2 Gia công bề mặt phức tạp trung tâm gia công 20 1.2.1 Ứng dụng CAD/CAM trung tâm gia công CNC 20 1.2.2 Ứng dụng trung tâm gia công trục để gia công. .. thông số chế độ cắt tới chất lượng bề mặt gia công thép hợp kim SKD61 trung tâm gia công trục UCP600 dao phay cầu - Phương pháp trí tuệ nhân tạo ứng dụng để xác định thông số chế độ cắt tối ưu 2.3