Đó phõn tớch và lựa chọn đƣợc mục tiờu tối ƣu húa là độ nhỏm bề mặt chi tiết gia cụng và xõy dựng giải thuật tối ƣu húa bầy đàn (PSO) và phần mềm để giải bài toỏn tối ƣu húa chế độ cắt và tự tối ƣu húa (Self – Optimizing) chế độ cắt hàm thớch nghi hai mục tiờu độ nhỏm bề mặt và lƣợng mũn dao nhỏ nhất trong quỏ trỡnh phay cao tốc bằng dao phay ngún liền khối với điều kiện biờn và miền giới hạn của hệ thống cụng nghệ.
Xõy dựng phần mềm viết bằng Matlab với hai chức năng:
1- Xỏc định chế độ cắt tối ƣu với hàm mục tiờu độ nhỏm bề mặt nhỏ nhất hoặc độ nhỏm bề mặt cho trƣớc (bài toỏn tối ƣu húa chế độ cắt);
2- Xỏc định chế độ cắt tối ƣu (tốc độ cắt, lƣợng chạy dao) thớch nghi theo hàm thớch nghi nhỏ nhất với hai mục tiờu độ nhỏm bề mặt và lƣợng mũn dao trong quỏ trỡnh gia cụng (bài toỏn tự tối ƣu húa chế độ cắt (Self-Optimizing) trong quỏ trỡnh gia cụng). Đõy là cụng cụ hỗ trợ cho nhà cụng nghệ kiểm soỏt đƣợc chất lƣợng gia cụng (độ nhỏm), an toàn dụng cụ (tuổi thọ), lựa chọn chế độ cắt tối ƣu theo sự ƣu tiờn cho mục tiờu nào: chất lƣợng độ nhỏm bề mặt (w1> w2) hay lƣợng mũn dao (w1< w2) và là cơ sở ban đầu cho tối ƣu húa điều khiển thớch nghi quỏ trỡnh phay cao tốc;
3- Mụ hỡnh tối ƣu húa và tự tối ƣu húa chế độ cắt tỏc giả mới dừng lại ở ứng dụng cơ bản thuật toỏn tối ƣu húa bầy đàn (PSO) với cỏc mụ hỡnh toỏn học đƣợc xõy dựng từ thực nghiệm. Để triệt để hơn ƣu điểm của thuật toỏn tối ƣu húa bầy đàn (PSO) cần sử dụng kết hợp với thuật toỏn mạng nơ ron nhõn tạo (ANN) trong tối ƣu húa và tự tối ƣu húa chế độ cắt trong quỏ trỡnh gia cụng.
Bảng 4.9 Giỏ trị Ra và VB tại thời gian =15 phỳt
TT v(m/phỳt) f(mm/phỳt) ar(mm) Ra(àm) VB(àm)
Lần 1 470,868 2038,450 0,1 0,362 176,172
Lần 2 487,892 2159,102 0,1 0,366 182,610
Lần 3 491,237 2072,410 0,1 0,360 181,584
126
KẾT LUẬN VÀ HƢỚNG NGHIấN CỨU TIẾP THEO KẾT LUẬN
1. Đó phõn tớch, tổng hợp và làm rừ đƣợc cơ sở lý thuyết động lực học gia cụng khi phay cao tốc bằng dao phay ngún liền khối.
2. Nghiờn cứu làm phong phỳ hơn lý thuyết tối ƣu húa và tự tối ƣu húa (Sefl- Optimzing), ứng dụng thuật toỏn tối ƣu húa bầy đàn (PSO) của trớ tuệ nhõn tạo vào lĩnh vực gia cụng cơ khớ.
3. Ứng dụng phƣơng phỏp quy hoạch thực nghiệm, phõn tớch phƣơng sai (ANOVA) của phần mềm Excel đó xõy dựng đƣợc mụ hỡnh toỏn học ảnh hƣởng cỏc thụng số chế độ cắt đến cỏc thụng số đặc trƣng cơ bản trong quỏ trỡnh phay cao tốc.
4. Đó xõy dựng đƣợc mụ hỡnh bài toỏn tối ƣu húa chế độ cắt khi phay cao tốc biờn dạng bằng dao phay ngún liền khối với hàm mục tiờu độ nhỏm bề mặt nhỏ nhất với cỏc hàm ràng buộc và điều kiện biờn. Ứng dụng thuật toỏn tối ƣu húa bầy đàn (PSO) trong lập trỡnh phần mềm bằng Matlab để giải bài toỏn tối ƣu.
5. Đó đề xuất đƣợc mụ hỡnh và giải bài toỏn tự tối ƣu húa (Sefl-Optimizing) chế độ cắt trong quỏ trỡnh gia cụng đảm hàm thớch nghi đa mục tiờu (độ nhàm và lƣợng mũn dao) nhỏ nhất. Xõy dựng thuật toỏn và lập trỡnh phần mềm theo ngụn ngữ lập trỡnh của phần mềm Matlab để giải bài toỏn tự tối ƣu húa điều chỉnh tốc độ cắt, lƣợng chạy dao thớch nghi theo hàm thớch nghi hai mục tiờu (độ nhỏm và lƣợng mũn dao) nhỏ nhất trong quỏ trỡnh gia cụng.
HƢỚNG NGHIấN CỨU TIẾP THEO
1. Nghiờn cứu, phõn tớch thụng số cụng nghệ ảnh hƣởng tới sai số hỡnh dỏng, vị trớ và khả năng biến dạng khi gia cụng chi tiết thành mỏng. Nghiờn cứu ảnh hƣởng thụng số chế độ cắt khi phay cao tốc đến độ nhỏm 3D của bề mặt chi tiết gia cụng.
2. Xõy dựng mụ hỡnh nhiệt cắt… và mở rộng thụng số đầu vào để quỏ trỡnh nghiờn cứu toàn diện hơn trong gia cụng cao tốc.
3. Nghiờn cứu ảnh hƣởng thụng số cụng nghệ đến tổ chức vật liệu lớp bề mặt chi tiết sau khi gia cụng cao tốc.
4. Nghiờn cứu xõy dựng mụ hỡnh và ứng dụng kết hợp thuật toỏn mạng nơ ron nhõn tạo (ANN) với thuật toỏn tối ƣu húa bầy đàn (PSO) trờn cơ sở thực nghiệm ảnh hƣởng giữa cỏc thụng số: chế độ cắt, độ nhỏm bề mặt, lƣợng mũn dao, lực cắt, rung động và năng suất cắt để giải bài toỏn tự tối ƣu húa chế độ cắt trong quỏ trỡnh gia cụng và tiến tới giải bài toỏn tối ƣu húa điều khiển thụng minh trong quỏ trỡnh gia cụng.
5. Nghiờn cứu kết nối hệ thống điều khiển mỏy và kết hợp với đo lƣờng tự động húa để tự tối ƣu húa thớch nghi trong quỏ trỡnh gia cụng giỳp tăng năng suất, đảm bảo ổn định và an toàn trong quỏ trỡnh gia cụng.
127
DANH MỤC CÁC CễNG TRèNH ĐÃ CễNG BỐ CỦA LUẬN ÁN
1. Trần Ngọc Hiền, Hoàng Tiến Dũng, Nguyễn Xuõn Chung, Bựi Tiến Sơn, Phạm Thị Thiều Thoa (2013) Mỏy cụng cụ thụng minh tự thớch nghi với cỏc thay đổi của mụi trường sản xuất, Kỷ yếu hội nghị khoa học và cụng nghệ toàn quốc về cơ khớ lần thứ III, trang 470-475.
2. Hoang Tien Dung, Nguyen Huy Ninh, Park Hong Seok, Tran Ngoc Hien (2014), A Self-optimizing Control for Intelligent CNC Machine Tools,The 7th AUN/SEED- Net Regional conference in mechanical and manufacturing engineering, trang 141- 145.
3. Hoang Tien Dung, Nguyen Huy Ninh, Tran Van Dich, Tran Ngoc Hien, Nguyen Thanh Binh (2014) Optimizing cutting conditions in high speed milling using evolution algorithms.The 7th AUN/SEED-Net Regional conference in mechanical and manufacturing engineering, trang 146-150.
4. Hoàng Tiến Dũng, Trần Văn Địch, Nguyễn Huy Ninh, Phạm Thị Thiều Thoa (2014), Ảnh hưởng của chế độ cắt đến rung động khi phay cao tốc bằng dao phay ngún liền khối, Tạp chớ Cơ Khớ Việt Nam số 9, trang 94-101.
5. Hoàng Tiến Dũng, Trần Văn Địch, Nguyễn Huy Ninh (2014), Mụ hỡnh húa ảnh hưởng của chế độ cắt đến lực cắt khi phay cao tốc, Tạp Chớ Khoa học và Cụng nghệ- Trƣờng ĐH Cụng Nghiệp Hà Nội, số 24, trang 21-26.
128
TÀI LIỆU THAM KHẢO
TIẾNG VIỆT
[1] Bành Tiến Long, Trần Thế Lục, Trần Sỹ Tỳy (2001), Nguyờn lý gia cụng vật liệu,
NXB Khoa học kỹ thuật.
[2] Dƣơng Phỳc Tý (2001), Luận ỏn tiến sĩ cụng nghệ chế tạo mỏy “Xỏc định chế độ cắt hợp lý để ổn định quỏ trỡnh gia cụng phay trờn mỏy phay đứng”
[3] Hoàng Việt Hồng (2003), Luận ỏn tiến sĩ cụng nghệ chế tạo mỏy “Mụ hỡnh húa quỏ trỡnh cắt khi phay trờn mỏy phay CNC”
[4] Lờ Tấn Hựng, Từ Minh Phƣơng, Huỳnh Quyết Thắng (2006), Tỏc tử- Cụng nghệ phần mềm hướng tỏc tử, Nhà xuất bản Khoa học và Kỹ thuật.
[5] Nguyễn Trọng Bỡnh (2003), Tối ưu húa quỏ trỡnh gia cụng cắt gọt, Nxb Giỏo dục. [6] Trần Văn Địch, PGS.TS. Nguyễn Trọng Bỡnh, PGS.TS. Nguyễn Thế Đạt, PGS.TS. Nguyễn Viết Tiếp, PGS.TS. Trần Xuõn Việt (2006), Cụng nghệ chế tạo mỏy, NXB Khoa học và kỹ thuật Hà Nội.
[7] Trần Văn Địch (2004), Cụng nghệ CNC , NXB Khoa học và kỹ thuật Hà Nội.
[8] Trần Xuõn Việt (2000), Giỏo trỡnh cụng nghệ gia cụng trờn mỏy điều khiển số, Khoa Cơ Khớ – ĐHBKHN.
TIẾNG ANH
[9] Abimbola M Jubril (2012), A nonlinear weights selection in weighted sum for convex multiobjective optimization, Facta Universitatis ser. Math. Inform. Vol. 27 No 3, 357-372. [10] A. Hasỗalık and U. ầaydaş (2008), Optimization of turning parameters for surface roughness and tool life based on the Taguchi method, The International Journal of Advanced Manufacturing Technology, vol. 38, pp. 896-903.
[11] B. Denkena, H. Henning, Lorenzen LE (2010), Genetics and intelligence: new approaches in production engineering, Prod Engi Res Dev, Vol. 4, pp. 65-73.
[12] C. J. Tzeng and Y. K. Yang (2008), Determination of optimal parameters for SKD11 CNC turning process, Materials and Manufacturing Processes, vol. 23, pp. 363-368.
[13] C. T. O. N. Su and M. U. C. Chen (1999), Computer-aided optimization of multi-pass turning operations for continuous forms on CNC lathes, IIE transactions, vol. 31, pp. 583- 596.
[14] E. D. Kirby, Z. Zhang, J. C. Chen, and J. Chen (2006), Optimizing surface finish in a turning operation using the Taguchi parameter design method, The International Journal of Advanced Manufacturing Technology, vol. 30, pp. 1021-1029.
[15] E.J.A. Armarego and R.H. Brown (1969), The Machining of Metals, Prentice-Hall. [16] E. E. K. M. H. Omar (2010), A new proceder for specific cutting force assessment in high-speed end milling, McMaster University (Mechanical Engineering) Hamilton, Ontario.
[17] GKING (1998), Handbook of high speed machining.
[18] G. Pritschow, KH.Wurst, C. Kircher, M. Seyfarth (2009), Control of reconfigurable machine tools, In: EIMaraghy HA (ed), Changeable and reconfigurable manufacturing systems, Springer, pp.71-100.
129
[19] Herbert Schulz (1999), The history of high speed machining, Institute of Production Engineering and Machine Tools (PTW) Darmstadt University of Technology, Germany. [20] Hua Zuo and Guoli Zhang (2013), Weights Analysis of Multi-objective Programming Problem, Information Processing and Control Institute, North China Electric Power University, Baoding 071003, China.
[21] I. M. Dagwa (2009), Surface Roughness Optimization of some Machining Parameters in Turning Operations Using Taguchi Method, Advanced Materials Research, vol. 62, pp.613-620.
[22] I. Minis, T. Yanushevsky, R. Tembo, and R. Hocken (1990), Analysis of linear and nonlinear chatter in milling, CIRP Annals, 39:459–462.
[23] ISO 8688-1-1989: Tool life testing in milling.
[24] J.A. Silva, J.V. Abellỏn-Nebot, H.R. Siller, F. Guedea-Elizalde (2012), Adaptive control optimisation system for minimising production cost in hard milling operations,Int. J. Computer Integrated Manufacturing. DOI:10.1080/0951192X.2012.749535.
[25] Jana Novakova, Lenka Petrkovska, Josef Brychta, Robert Cep, and Lenka Ocenasova (2009), Influence of High Speed Parameters on the Quality of Machined Surface, World Academy of Science, Engineering and Technology 56 274-277.
[26] J. Kennedy, R.C Eberhart (1995), Particle Swarm Optimization, Proceedings Of IEEE International Conference on Neural Networks.
[27] J. Kopač (2007), High precision machining on high speed machines, Journal. Vol.24 issue 1.
[28] JW.Sutherland, PM. Ferreira, RE. DeVor, SG. Kapoor (1988), An integrated approach to machine tool system analysis, design and control, Proc 3rd Int Conf Comp Aid Prod Engr, pp. 429-445.
[29] Kar Cheng (2009), Machining Dynamic, Springer.
[30] K.E. Parsopoulos, M.N. Vrahatis (2010), Parameter Selection in Particle Swarm Optimization, Proceedings of the 7th Artificial Life and Robotics, v.15 n.4, p.444-449.
[31] K. Palanikumar, L. Karunamoorthy, and R. Karthikeyan (2004), Optimizing the machining parameters for minimum surface roughness in turning of GFRP composites using the design of experiments, Cailiao Kexue Yu Jishu(J. Mater. Sci. Technol.)(China), vol. 20, pp. 373-378.
[32] K. Shirase, K. Nakamoto, E. Arai, T. Moriwaki (2005), Digital copy milling- autonomous milling process control without an NC program, Robot Comput Integr Manuf, Vol. 21, pp. 312–317.
[33] L.N. Lospez de Lacalle, A.Lamikiz (2009), Machine tools for high performance machining,Springer Verlag London Limited.
[34] L.N. Lúpez de Lacalle, A. Lamikiz, J. Fernỏndez de Larrinoa and I. Azkona (2009),
Advanced Cutting Tools, Department of Mechanical Engineering,University of the Basque Country, Faculty of Engineering of Bilbao, c/Alameda de Urquijo s/n, E-48013 Bilbao, Spain.
[35] L. Turnad GINTA, A.K.M. Nurul AMIN, A.N. Mustafizul KARIM, M. H. ISHTIYAQ (2010), Modeling for Surface Roughness in End-Milling of Titanium Alloy Ti-6AI-4V Using Uncoated WC-Co and PCD Inserts, Department of Manufacturing and Materials Engineering, HUM, Malaysia.
130
[36] L. Wang, R.X.Gao (2006), Condition monitoring and control for intelligent manufacturing, Springer.
[37] M. Brezocnik, J. Balic, Z. Brezocnik (2003), Emergence of intelligence in next- generation manufacturing systems, Robot Comput Integr Manuf, Vol. 19, pp. 55-63.
[38] Metal Cutting Technology (2014), Technical Guide of Sandvik.
[39] N. Baskar, P. Asokan, R. Saravanan, G. Prabhaharan (2005), Optimization of machining parameters for milling operations using non-conventional methods, Int J Adv Manuf Technol, Vol. 25, pp.1078–1088.
[40] Nof SY (2009), Handbook of automation, Springer.
[41] P. Benardos and G. Vosniakos (2002), Prediction of surface roughness in CNC face milling using neural networks and Taguchi's design of experiments, Robotics and Computer-Integrated Manufacturing, vol. 18, pp. 343-354.
[42] R.A. Ekanayake and P. Mathew (2007), An Experimental Investigation of High Speed End Milling, 5th Australasian Congress on Applied Mechanics, ACAM 2007 10-12 December 2007, Brisbane, Australia, pp.1-2.
[43] R. C. Eberhart and Y. Shi (2001), Tracking and optimizing dynamic systems with particle swarms, vol. 1, pp, 94-100.
[44] R.E. Hohn, R. Sridhar, and G.W. Long (1968), A stability algorithm for a special case of the milling process, ASME Journal of Engineering for Industry, vol. 90:325–329.
[45] Ronaal Faassen (2007), Chatter Prodiction and Control for High Speed Milling Modeling and Experiments. University Press Faculities, Eindhoven, the Netherlands. [46] R. Pasko, L. Przybylski, & B. Slodki, High speed machining (HSM) – The effective way of modern cutting, Rafal Pasko Eng., Research assistant.Lucjan Przybylski Prof. Eng., Cracow University of Technology, Production Engineering Institute,Al. Jana Pawla II 37, 31-864 Cracow, Phone +48 12 648 01 30, Fax +48 12 648 20 10. Bogdan Slodki Ph.D Eng., Cracow University of Technology, Production Engineering Institute.
[47] R.Venkata Rao (2011), Advanced Modeling and Optimization of Manufacturing Processes, Springer.
[48] Sabahudin Ekinović (2003), Some advandtages of high speed machining in aspect of machined surface quality, 3rd Research/Expert Conference with International Participations ”QUALITY” 2003, Zenica, B&H, 13 and 14 November, 2003.
[49] S. Atluru, SH. Huang, JP. Snyder (2012), A smart machine supervisory system framework, Int J Adv Manuf Technol, Vol. 58, pp. 563-572.
[50] S.Dolinšek, Jnez Kopaˇ(2004), A contribution to the understanding of chip formation mechanism in high-speed cutting of hardened steel, Volumes 157–158, 20 December 2004, Pages 485–490.
[51] S.Dolinšek, Jnez Kopaˇ(2006), Mechanism and types of tool wear particularities in advanced cutting materials, Journal, Vol.19 issue 1.
[52] Schmitz, Couey, Marsh, Mauntler, Hughes (2009), Runout effects in milling: surface finish, surface location error and stability, Department of Mechanical and Aerospace Engineering, University of Florida, Gainesville, FL.
131
[53] S. Mekid, P. Pruschek and J. Hernandez (2009), Beyond intelligent manufacturing: a new generation of flexible intelligent NC machines, Mechanism and Machine Theory, Vol.44/466-476.
[54] S. Pal, PS Heyns, BH Freyer, NJ Theron, SK Pal (2011), Tool wear monitoring and selection of optimum cutting conditions with progressive tool wear effect and input uncertainties, J Intell Manuf, Vol. 22, pp. 491-504.
[55] S. Zhang & J. F. Li & J. Sun & F. Jiang (2010), Tool wear and cutting forces variation in high-speed end-milling Ti-6Al-4V alloy,Springer.
[56] S. Zhang & J. F. Li & J. Sun & F. Jiang (2010), Tool wear criterion, tool life, and surface roughness during in high-speed end-milling Ti-6Al-4V alloy,Springer.
[57] Technical Guide of Seco.
[58] T. Sato, Y. Kakino, H. Saraie (2002), Proposal of the extended system framework of intelligent machine tool, Japan-USA Symp Flex Autom.
[59] V. Kauppinen (2003), High speed machining of hard-to-machine materials, 4th International Conference on Metal Cutting and High Speed Machining ICMC, Darmstadt 19th to 21 st 2003.
[60] V. Kauppinen, J. Paro (2003), High-Speed Milling - a few examples. Plenary paper,
3rd international conference Research and development in mechanical industry RaDMI 2003. 19-23. September 2003 Herceg Novi, Serbia and Montenegro.
[61] V. Tandon, H. El-Mounayri, and H. Kishawy (2002), NC end milling optimization using evolutionary computation, International Journal of Machine Tools and Manufacture, vol. 42, pp. 595-605.
[62] V. V. K. Lakshmi, Dr K Venkata Subbaiah (2012), Modelling and Optimization of Process Parameters during End Milling of Hardened Steel,Vol. 2, International Journal of Engineering Research and Applications (IJERA).
[63] W.A. Kline, R.E. DeVor, and W.J. Zdeblick (1980), A mechanistic model for the force system in end milling with application to machining airframe structures, In: North American Manufacturing Research Conference Proceedings, Dearborn, MI, page 297. Society of Manufacturing Engineers, Vol. XVIII.
[64] W. Yang and Y. Tarng (1998), Design optimization of cutting parameters for turning operations based on the Taguchi method, Journal of Materials Processing Technology, vol. 84, pp. 122-129.
[65] X. Hu and R. Eberhart (2001), Tracking dynamic system with PSO, Proceeding of workshop on PSO, Purdue School of Engineering and Technology, Indianapolis.
[66] YUSUF ALTINTAS (2012), Manufacturing Automation, Cambridge University Press: 32 Avenue of the Americas, New York, NY 10013-2473, USA.
[67] Y. Altintas and P. Lee (1996), A general mechanics and dynamics model for helical end mills, CIRP Annals, 45(1):59–64.
[68] Y. Koren (1989), Adaptive control systems for machining, Manufacturing Review, Vol.2, 1989, pp.6-15.
[69] YS. Tarng, YS. Wang (1994), A new adaptive controller for constant turning force, J Adv Manuf Technol, Vol. 9, pp. 211-216.
132
PHỤC LỤC 1
CHƢƠNG TRèNH GIẢI BÀI TOÁN TỐI ƢU VÀ TỰ TỐI ƢU CHẾ ĐỘ CẮT SỬ DỤNG THUẬT TOÁN TỐI ƢU HểA BẦY ĐÀN (PSO)
(CHƢƠNG TRèNH VIẾT BẰNG PHẦN MỀM MATLAB 2014)
function unfeas=Constraint_test(feed,spd,DOC,condi) unfeas=1;
% a_feed=2375; % G4 Feed rate mm/rev % b_feed=3790; % G5 Feed rate mm/rev % a_spd=370; % G2 speed m/min % b_spd=595; % G3 speed m/min % a_DOC=0.1; % G6 Depth of cut mm % b_DOC=1; % G7 Depth of cut mm % b_Fc=1400; % G1 N
% b_A=2; % G8 % b_y=0.02; % G9 mm
%=================================
a_feed=condi(4); % G4 Feed rate mm/min b_feed=condi(5); % G5 Feed rate mm/min a_spd=condi(2); % G2 speed m/min b_spd=condi(3); % G3 speed m/min a_DOC=condi(6); % G6 Depth of cut mm b_DOC=condi(7); % G7 Depth of cut mm b_Fc=condi(1); % G1 N b_A=condi(8); % G8 b_y=condi(10); % G9 mm %================================= % out=[Ra;F;y;Fc;A;VB]; temp=Objective_function([spd,feed,DOC]); % Check G1 - Fc if temp(4) > b_Fc unfeas=0; return end % Check G2 + G3 - spd if spd < a_spd || spd > b_spd unfeas=0; return end % Check G4 - G5
if feed < a_feed || feed > b_feed unfeas=0;
return end
% Check G6 - G7
if DOC < a_DOC || DOC > b_DOC unfeas=0; return end % Check G8 if temp(5) > b_A unfeas=0; return end % Check G9 if temp(3) > b_y unfeas=0; return end end
133
function [ out] =Objective_function(x)
%UNTITLED3 Summary of this function goes here % Detailed explanation goes here
v=x(1); f=x(2); ar=x(3); E=2*10^7; % F ====================================================================== Fxy=2735.2*v^(-0.5345)*f^0.2608*ar^0.5277; % y ====================================================================== y=0.993*F/E; % Ra ====================================================================== Ra=0.1441*v^(-0.3023)*f^0.3824*ar^0.05725; % Fc ====================================================================== Fc=2163*v^(0.4721)*f^0.2678*ar^0.5260; % A ====================================================================== Axy=1.653*v^(-0.0766)*f^0.0911*ar^0.5277; % VB ===================================================================== VB=0.0174*v^(0.6205)*f^(0.2409)*ar^(0.0823)*t^1.3876; out=[Ra;F;y;Fc;A;VB]; end
function [out] =Objective_function_2(x,condi) % UNTITLED3 Summary of this function goes here % Detailed explanation goes here
f=x; t=condi(11); v=condi(12); ar=condi(13); VB=0.0174*v^(0.6205)*f^(0.2409)*ar^(0.0823)*t^1.3876; A=w1*Ra/Ra0+w2*VB/VB0; out=[VB,Ra]; end function [Surface_rough,x,Max_inter,kq_opt,spd_pl,Feed_pl,Surface_sf] = PSO(c1,c2,epslon,N,Max_Iter,condi)
% UNTITLED Summary of this function goes here % Detailed explanation goes here
% Initialization of PSO parameters % Input: Feed, Speed, DOC(Depth of Cut) % Output: Cutting force, Surface Rough % c1=1.49445;
% c2=1.49445; % epslon=0.00009; correct(1)=1;
% Forming an array of weights which would be used during iteration and % Initialization of positions of agents
a_feed=condi(4); % Feed rate mm/rev b_feed=condi(5); % Feed rate mm/rev a_spd=condi(2); % speed m/min b_spd=condi(3); % speed m/min a_DOC=condi(6); % speed m/min b_DOC=condi(7); % Depth of cut mm % a_feed=2000; % G4 Feed rate mm/min % b_feed=4000; % G5 Feed rate mm/min % a_spd=360; % G2 speed m/min % b_spd=600; % G3 speed m/min
134
% a_DOC=0.1; % G6 Depth of cut mm % b_DOC=1; % G7 Depth of cut mm % b_Fc=1400; % G1 N % b_A=2; % G8 m/s^2 % b_VB=500; % G9 % b_y=0.02; % G10 mm % b_w1=0.5; % trong so % b_w2=0.5; % trong so
% N=20; % The number of particles
D=3; % The dimension of the space of the particles for init_i=1:N
x(init_i,1)=a_feed+(b_feed-a_feed)*rand(1,1,1); % feed x(init_i,2)=a_spd+(b_spd-a_spd)*rand(1,1,1); % spd