(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211237238.7 (22)申请日 2022.10.09 (71)申请人 北部湾大 学 地址 535011 广西壮 族自治区钦州市钦 南 区滨海大道12号 (72)发明人 苗志滨　崔哲　邓军林　丛晓红　 庞启硕　何维　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 刘方正 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06F 111/06(2020.01) (54)发明名称 一种基于混沌遗传算法的铣削参数多目标 优化及决策方法 (57)摘要 本发明公开了一种基于混沌遗传算法的铣 削参数优化及决策方法， 其包括如下步骤： S1： 建 立铣削参数多目标优化模型； S2： 将铣削参数通 过Tent混沌映射得到初始种群Qt； S3： 将初始种 群Qt带入混沌遗传算法对铣削参数多目标优化 模型进行求解得到Pareto解集； Pareto解集 即为 铣削参数优化结果。 本发明对铣 削参数进行多目 标优化通过Tent混沌映射得到初始种群， Tent混 沌映射进行种群初始化能取得比伪随机数更好 的效果， 可以一定程度提高初始种群的均匀性， 进而提高种群的多样性以及解的分布 性； 进而使 得在混沌遗传算法对多目标优化模型进行求解 时， 得到的Pareto解集中任意个体即铣削参数运 用在实际铣 削加工后， 能够 使加工效率和加工质 量得到优化。 权利要求书3页 说明书7页 附图1页 CN 115495923 A 2022.12.20 CN 115495923 A 1.一种基于混沌 遗传算法的铣削参数多目标优化方法， 其特 征在于， 包括如下步骤： S1： 建立铣削参数多目标优化模型； S2： 将铣削参数通过Tent混沌映射得到初始种群Qt； S3： 将初始种 群Qt带入混沌遗传算法对铣削参数多目标优化模型进行求解得到Pareto 解集； Pareto 解集即为铣削参数优化结果。 2.根据权利要求1所述的基于混沌遗传算法的铣削参数多目标优化方法， 其特征在于， 所述铣削参数的优化目标包括铣削力F和材料去除率MRR， 所述铣削参数多目标优化模型的 优化变量包括： 铣削速度vc、 铣削深度ap、 铣削宽度ae和每齿进给量fz； 铣削参数多目标优化 模型如下： 其中， C为影响常数； a1为铣削速度经验模型的指数系数； b1为铣削深度经验模型的指数 系数； c1为铣削宽度经验模型的指数系数； d1为每齿进给量 经验模型的指数系数； z 为刀具齿 数； d为刀具直径； Ra为工件表面 粗糙度； Ramax为工件表面 最大粗糙度； st为约束条件范围。 3.根据权利要求1所述的基于混沌遗传算法的铣削参数多目标优化方法， 其特征在于， 所述初始种群Qt的生成方法包括如下步骤： A1： 使用Tent混沌映射随机生成得到随机数矩阵； 随机数矩阵包括N行， V列个随机数x， x∈[0,1]； N 为设定的种群大小， V为 铣削参数多目标优化模型的优化变量个数； A2： 将随机数矩阵中的随机数转换 得到混沌值g(x)； xij＝rand(0,1)； 其中， xij为矩阵中第i行， 第j列的随机数； A3： 将若干混沌值g(x)映射到铣削参数的取值区间[minvij， maxvij]中， 得到初始种群Qt [z11， z12， z13， ...zij...zNV]；权　利　要　求　书 1/3 页 2 CN 115495923 A 2映射过程的模型为： zij＝min vij+g(xij)(max vij‑min vij)； 其中， zij即为混沌优化后的铣削参数。 4.根据权利要求1所述的基于混沌遗传算法的铣削参数多目标优化方法， 其特征在于， 所述混沌 遗传算法对铣削参数多目标优化模型求 解过程包括如下： S31： 将初始种群Qt带入二元竞标赛得到变异子代种群Rt， 并将初始种群Qt和变异子代 种群Rt合并得到合并种群Zt； S32： 对合并种群Zt通过精英 选择策略选出与初始种群Qt相同种群大小的迭代种群Pt； S33： 令Pt＝Qt+1， 返回S31执行迭代， 直到迭代次数t达到最大时， 输出得到迭代种群 Ptmax， Ptmax即为铣削参数多目标优化模型的Pareto 解集。 5.根据权利要求4所述的基于混沌遗传算法的铣削参数多目标优化方法， 其特征在于， 所述步骤S32包括： B1： 对合并种群Zt进行非支配排序得到各个 个体的层级； B2： 对各个 个体的层级 进行拥挤度计算得到同一层级相邻个 体之间的拥挤度距离； B3： 根据得到的各个 个体的层级和拥挤度距离 选出迭代种群Pt： 在合并种群Zt中随机抽取两个 个体， 当两个个体为同一层级时， 将层级序列值较小的个 体纳入迭代种群Pt； 当两个个体为不同层级时， 将拥挤距离较大的个体纳入迭代种群Pt， 直到迭代种群Pt中 的个体数量与初始种群Qt的个体数量相等。 6.根据权利要求4所述的基于混沌遗传算法的铣削参数多目标优化方法， 其特征在于， 所述混沌 遗传算法的种群大小为70； 迭代次数为15 0； 变异概 率为0.05； 交叉差率 为0.8。 7.一种基于权利要求1 ‑6任一所述的基于混沌遗传算法的铣削参数多目标优化方法进 行铣削参数决策的方法， 其特 征在于， 包括如下步骤： C1： 对Pareto解集进行层次分析法计算得到铣削力主观权重 材料去除率主观权重 和表面粗糙度主观权 重 C2： 对Pareto解集进行熵权法计算得到铣削力客观权重 材料去除率客观权重 和 表面粗糙度客观权 重 C3： 根据主观权重 和 以及客观权重 和 计算得到铣削力综合权重W1、 材料去除率综合权 重W2和表面粗糙度综合权 重W3； C4： 将综合权重带入TOPSIS法计算得到Pareto解集中每个个体 的评分， 选取评分最高权　利　要　求　书 2/3 页 3 CN 115495923 A 3