CN108875155A - 一种基于改进遗传算法的陶瓷抛光机能耗优化方法 - Google Patents

一种基于改进遗传算法的陶瓷抛光机能耗优化方法 Download PDF

Info

Publication number
CN108875155A
CN108875155A CN201810531088.8A CN201810531088A CN108875155A CN 108875155 A CN108875155 A CN 108875155A CN 201810531088 A CN201810531088 A CN 201810531088A CN 108875155 A CN108875155 A CN 108875155A
Authority
CN
China
Prior art keywords
energy consumption
polishing machine
unit
ceramic
indicate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810531088.8A
Other languages
English (en)
Other versions
CN108875155B (zh
Inventor
杨海东
刘汉勇
印四华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201810531088.8A priority Critical patent/CN108875155B/zh
Publication of CN108875155A publication Critical patent/CN108875155A/zh
Application granted granted Critical
Publication of CN108875155B publication Critical patent/CN108875155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

一种基于改进遗传算法的陶瓷抛光机能耗优化方法，陶瓷抛光机能耗优化方法，包括以下步骤：步骤A：构建并求解陶瓷抛光机能耗模型，根据陶瓷抛光机能耗模型的求解结果，得出影响陶瓷抛光机能耗的参数；所述陶瓷抛光机能耗模型包括切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗；步骤B：改进自适应遗传算法，利用所述改进自适应遗传算法计算出影响陶瓷抛光机能耗的最优参数。本发明提出一种基于改进遗传算法的陶瓷抛光机能耗优化方法，精准得出影响陶瓷抛光机能耗的工艺参数，从而针对性的做出工艺参数优化，使得陶瓷抛光机在运作时到达最小能耗。

Description

一种基于改进遗传算法的陶瓷抛光机能耗优化方法
技术领域
本发明涉及抛光设备能耗技术领域，尤其涉及一种基于改进遗传算法的陶瓷抛光机能耗优化方法。
背景技术
瓷砖抛光是瓷砖制备中的一道重要工序，瓷砖经过抛光加工后表面具有平整光亮等特点。然而瓷砖抛光消耗了瓷砖制备总电力的三分之一以上。随着能源成本的增加和资源环境的压力加剧，提高抛光能效已成为陶瓷企业关注的焦点。但是目前很少有针对抛光设备能耗工艺参数的研究，工艺参数设定普遍局限于瓷砖表面光泽度和抛光效率等问题上，忽略了能耗，从而导致能源消耗大、能源利用率低。
遗传算法则是由Holland教授受到达尔文进化论启发提出的一种智能优化算法，它模拟了生物界选择和遗传的机制。而自适应遗传算法在标准遗传算法的基础上，在算法的参数控制方面做了很大的改进，采用了一种自适应的交叉概率和变异概率。传统遗传算法的交叉概率和变异概率是固定不变的，自适应遗传算法的交叉和变异概率随着群体中个体适应度值的不同而变化，适应度不同的个体具有不同的交叉和变异概率。
使用自适应遗传算法可以准确的得出影响陶瓷抛光机能耗的参数，从而针对性的做出参数优化，使得陶瓷抛光机在运作时达到最小能耗。
发明内容
本发明的目的在于提出一种基于改进遗传算法的陶瓷抛光机能耗优化方法，精准得出影响陶瓷抛光机能耗的工艺参数，从而针对性的做出工艺参数优化，使得陶瓷抛光机在运作时到达最小能耗。
为达此目的，本发明采用以下技术方案：
一种基于改进遗传算法的陶瓷抛光机能耗优化方法，包括以下步骤：
步骤A：构建并求解陶瓷抛光机能耗模型，根据陶瓷抛光机能耗模型的求解结果，得出影响陶瓷抛光机能耗的参数；所述陶瓷抛光机能耗模型包括切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗；
步骤B：改进自适应遗传算法，利用所述改进自适应遗传算法计算出影响陶瓷抛光机能耗的最优参数。
优选的，求解陶瓷抛光机能耗模型中的切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗；
包括以下步骤：
步骤A1：陶瓷抛光机的切削形成能耗为磨块上磨粒对瓷砖表面材料的去除作用所产生的能耗，
构建陶瓷抛光机能耗模型，求解陶瓷抛光机的切削形成能耗包括：
确定陶瓷抛光机的切削形成能耗目标函数Echip，目标函数Echip的公式(1.1)如下：
切削形成能耗的目标函数Echip--(1.1)的参数变量为：
Ωa表示所有磨粒的总面积，单位mm2；
t表示抛光瓷砖所用时间，单位s；
φ表示单位磨粒的密度，单位g/cm3；
h表示单位磨粒的高度，单位mm；
μ表示磨粒与瓷砖之间的摩擦系数；
dΩ表示单位磨粒的面积，单位mm2；
a表示单位磨粒的加速度，单位mm/s2；
v表示单位磨粒的速度，单位mm/s；
p表示磨头的压力；
步骤A2：构建陶瓷抛光机能耗模型，求解陶瓷抛光机的抛光磨头能耗包括：
确定抛光磨头能耗目标函数Ehead，抛光磨头能耗目标函数Ehead的公式(2.1)如下：
抛光磨头能耗目标函数Ehead--(2.1)的参数变量为：
ω代表磨头角速度，单位rad/s；
m1代表磨头质量，单位kg：
D表示磨头直径，单位m；
步骤A3：构建陶瓷抛光机能耗模型，求解陶瓷抛光机的传动滚筒能耗包括：
确定传动滚筒能耗目标函数Eroller，传动滚筒能耗目标函数Eroller的公式(3.1)如下：
传动滚筒能耗目标函数Eroller--(3.1)的参数变量为：
μ1表示磨块与瓷砖之间的摩擦系数；
μ2表示传送带与滚筒之间的摩擦系数；
μ3表示抛光砖与传送带之间的摩擦系数；
v0表示传动滚筒的速度，也即瓷砖的进给速度，单位mm/s；
m1表示磨头的重量，单位kg；
m2表示抛光砖的质量，单位kg；
m3表示传送带的质量，单位kg；
表示磨粒在方向上的加速度；
g表示重力加速度，通常取g＝9.8N/kg；
步骤A4：构建陶瓷抛光机能耗模型，求解陶瓷抛光机的横梁摆动能耗包括：
确定横梁摆动能耗目标函数Etransom，横梁摆动能耗目标函数Etransom的公式(4.1)如下：
横梁摆动能耗目标函数Etransom--(4.1)的参数变量为：
l1表示曲柄长度，单位mm：
A表示横梁的振幅，单位mm；
f表示横梁摆动的频率，单位mm；
ω1表示曲柄的角速度，单位rad/s；
ω2表示连杆的角速度，单位rad/s；
φ1曲柄与X轴的夹角大小，单位rad；
φ2连杆与X轴的夹角大小，单位rad；
m1表示曲柄的质量，单位kg；
m2表示连杆的质量，单位kg；
m3表示滑块的质量，单位kg；
步骤A5：陶瓷抛光机的辅助***能耗包括陶瓷砖抛光过程冷却***的能源消耗和陶瓷砖抛光过程气压***的能源消耗，构建陶瓷抛光机能耗模型，求解陶瓷抛光机的辅助***能耗包括：
确定辅助***能耗目标函数E2，辅助***能耗目标函数E2的公式(5.1)如下：
E2＝Ew+Eg--(5.1)；
在式(5.1)中，Ew表示陶瓷砖抛光过程冷却***的能源消耗；
Eg表示陶瓷砖抛光过程气压***的能源消耗；
陶瓷砖抛光过程气压***的能源消耗Eg的公式(5.2)如下：
式(5.2)的参数变量为：
m1表示磨头重量，单位kg；
g表示重力加速度，通常去9.8N/kg；
Q表示气体流量，单位L/min；
A表示活塞的面积，单位mm2；
陶瓷砖抛光过程冷却***的能源消耗Ew应满足以下公式(5.3)：
Ew＝cρ|tin-tout|q----(5.3)；
式(5.3)的参数变量为：
EW绝大表示功率损失值，单位J；
c表示冷却水的比热容，通常取c＝4.2×103J(kg.℃)；
ρ表示冷却水的密度，通常取ρ＝1.0×103kg/m3；
tin表示冷却水的初始温度，单位℃；
tout表示冷却水的经过冷却***后的温度，单位℃；
q表示消耗的冷却水的流量，单位L。
优选的，根据步骤A1-A5中所求解出的切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗，确定陶瓷抛光机最小能耗目标函数Echm(x)，得出影响陶瓷抛光机最小能耗的参数；
陶瓷抛光机最小能耗目标函数Echm(x)应满足公式(6.1)：
其中，式(6.1)应满足式(6.2)和式(6.3)：
在式(6.1)中，η表示陶瓷抛光机的能耗折算系数；
在式(6.3)中，
v表示瓷砖进给速度，单位mm/s；
ω表示磨头角速度，单位rad/s；
P表示磨头气压，单位MPa；
f表示横梁摆动频率；
优选的，使用改进的自适应遗传算法公式(7.1)和公式(7.2)得出影响陶瓷抛光机最小能耗的参数值；
Pm，max(t)和Pm，min(t)表示第t代群体中交叉概率的上下限；
favg表示种群中个体适应度平均值；
f′表示要交叉的个体中适应度较大者；
f″表示要变异的个体中适应度较大者。
附图说明
图1是本发明的磨粒运动轨迹分析图；
图2是本发明的磨头受力分析图；
图3是本发明的传动滚筒受力分析图；
图4本发明的横梁摆动机构结构图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。本实施例以新型摆动式陶瓷抛光机为准。
本实施例的一种基于改进遗传算法的陶瓷抛光机能耗优化方法，包括以下步骤：
步骤A：构建并求解陶瓷抛光机能耗模型，根据陶瓷抛光机能耗模型的求解结果，得出影响陶瓷抛光机能耗的参数；所述陶瓷抛光机能耗模型包括切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗；
步骤B：改进自适应遗传算法，利用所述改进自适应遗传算法计算出影响陶瓷抛光机能耗的最优参数。
优选的，陶瓷抛光机的切削形成能耗为磨块上磨粒对瓷砖表面材料的去除作用所产生的能耗，构建磨块上任一点P的运动学模型，如图1所示，首先以瓷砖左下方为原点建立平面直角坐标系，定义轴与抛光砖的进给方向相同；轴代表磨头随着横梁摆动的方向并与轴垂直，那么点P的运动轨迹可由向量垂直，那么点P的运动轨迹可由向量表示，瓷砖进给的运动磨头自转运动和磨头的横向移动
而：
因此，磨粒的运动学方程为：
在式1.15中，
V表示传送带进给速度，单位mm/s；
t表示磨粒抛光时间，由传动带传输速度V决定，单位s；
r表示磨粒到磨头中心的距离，单位mm；
k表示转动方向系数，用于判定磨盘正转或反转，当磨头正转时k取1否则取-1；
ω表示磨粒转动角速度，单位rad/s；
A横梁摆动的幅度，单位mm；
f表示磨头随横梁横向摆动的频率。
在式1.15中对时间t分别求一次、二次导数，得到磨粒的速度和加速度方程为：
因此，单位磨粒的切削形成能耗dEchip可以表示成：
dEchip＝dEresultant+dEredsstan--(式1.18)；
在式1.18中：
dEresultant表示单位磨粒的合力做功，单位J；
dErestiasn表示单位磨粒的阻力做功，单位J；
单位磨粒的合力质量m＝φhdΩ，位移则合力做功dEresdltant可以表示成：
m表示单位磨粒的质量，单位g；
a表示单位磨粒的加速度，单位mm/s2；
表示单位磨粒的瞬时位移，单位mm；
φ表示单位磨粒的密度，单位g/cm3；
h表示单位磨粒的高度，单位mm；
dΩ表示单位磨粒的面积，单位mm2；
相比于合力，摩擦力占了总做功的很大一部分。μ表示摩擦系数，P表示磨头的压力，则摩擦力Ffriction可以表示成：
|Ffriction|＝μPdΩ--(式1.19)；
因此，摩擦力做功dEresistance可以表示成：
表示单位磨粒在单位面积的摩擦力。
由图1可知，磨粒的位置有两种情况：磨粒不在瓷砖上，此时磨粒和瓷砖不接触，摩擦系数μ＝0；当磨粒在瓷砖上时，摩擦系数是一个定值，即μ＝μ0·。因此，摩擦系数μ可以改写成：
因此单位磨粒的切削形成能耗dEchip为：
积分可得：
Ωa表示所有磨粒的总面积，单位mm2；
t表示抛光瓷砖所用时间，单位s。
优选的，构建陶瓷抛光机能耗模型，求解陶瓷抛光机的抛光磨头能耗；
如图2所示，对抛光磨头进行受理分析：
磨头一共受到4个力的作用，分别是此状和磨头的摩擦力Ff，液压***对抛光磨头的力F1′，磨头自身重力mlg以及瓷砖表面对抛光磨头的支撑力F1′，同时主轴给抛光磨头传递的转矩为T。
由试验可知：磨头的转动惯量表达式为：
式中：m1表示磨头重量。单位kg；
D表示磨头直径，单位m。
σ表示磨头单位面积的质量。
若磨头转速为n，则其对应的角速度ω为：
ω＝2πn--(式2.12)；
则磨头转矩T为：
当磨头对瓷砖进行抛光时，磨头转速一直保持不变，则抛光磨头能耗Ehead可以表达为：
抛光磨头能耗目标函数Ehead--(2.1)的参数变量为：
ω代表磨头角速度，单位rad/s；
m1代表磨头质量，单位kg；
D表示磨头直径，单位m；
由式2.1可知，磨头旋转角速度越大，抛光磨头的
耗能也就越多。这是因为当磨头旋转角速度越大时，主轴电机需要提供的转矩也就越大。但当磨头旋转角速度太小时，将造成磨粒停留在抛光砖表面的次数过少，使得磨削的量就达不到抛光工序要求，抛光质量不能达到实际生产要求。
优选的，构建陶瓷抛光机能耗模型，求解陶瓷抛光机的传动滚筒能耗；
传动滚筒受力主要是摩擦力和磨头旋转时产生的切削力。工作时，传送带与滚筒之间产生的摩擦力f1，瓷砖放置在传送带上，瓷砖与传送带之间的摩擦力为f2，与磨块之间产生的摩擦阻力为Ff，磨头对瓷砖的压力Fp，瓷砖对磨头的支撑力Fn，磨头和瓷砖的重力(m1+m2)g，瓷砖以速度v0水平进给，如图3所示。传动滚筒上所需要的圆周驱动力FA即为这些运行阻力之和，即：
FA＝f1+f2+Ff--(式3.11)；
磨头对瓷砖的摩擦力Ff为：
μ1表示表示磨头与瓷砖之间的摩擦系数。
传送带与滚筒之间的摩擦力f1为：
f1＝μ2(m1+m2+m3)g--(式3.13)；
m2为抛光砖的质量，m3为传送带的质量，μ2为传送带与滚筒之间的摩擦系数，g为重力加速度。
瓷砖与传送带之间的摩擦力f2为：
f2＝μ3(m1+m2)g--(式3.14)；
μ3为抛光砖与传送带之间的摩擦系数。
因此，传动滚筒上的圆周驱动力FA为：
因此可知，传动滚筒能耗为：
μ1表示磨块与瓷砖之间的摩擦系数；
μ2表示传送带与滚筒之间的摩擦系数；
μ3表示抛光砖与传送带之间的摩擦系数；
v0表示传动滚筒的速度，也即瓷砖的进给速度，单位mm/s；
m1表示磨头的重量，单位kg；
m2表示抛光砖的质量，单位kg；
m3表示传送带的质量，单位kg；
表示磨粒在方向上的加速度
g表示重力加速度，通常取g＝9.8N/kg。
因此可知，当瓷砖进给速度越大，传动滚筒的耗能也就越多。这是因为当瓷砖进给速度越大时，传递滚筒的转矩也将增加。对应的滚筒电机的转矩也将随之增大，则对应的滚筒电机能耗也将增大。但当瓷砖进给速度过低时，会造成抛光砖产量低、抛光效率低，以至于每平方米抛光砖成本高。因此，并不是瓷砖进给速度越低越好。
优选的，构建陶瓷抛光机能耗模型，求解陶瓷抛光机的横梁摆动能耗；
陶瓷抛光机对大规格抛光砖磨削时，由于抛光砖的边长大于磨头的直径，为了保证抛光质量，磨头必须在横梁的作用下做往复摆动，以覆盖磨削表面。当瓷砖规格大于磨头直径时，且瓷砖进给速度又大时，瓷砖表面会出现“漏抛”现象，次数必须提高横梁摆动线速度。
横梁运动形式可以理解为摆动电机旋转，带动横梁的左右摆动。在本实施例中，以曲柄连杆机构进行试验，结构简化后如图4所示；
曲柄长度假设为l1，连杆长度假设为l2；曲柄的角速度为ω1，连杆的角速度为ω2；曲柄与X轴的夹角为φ1，连杆与X轴方向的夹角为φ2；曲柄、连杆、滑块的质量分别为m1，m2，m3；滑块的速度假设为v3；电机施加在曲柄上的力矩为τ；滑块的位移为s；滑块所受的摩擦力为F3。
连杆l1的功率P1为：
曲柄l2的功率P2为：
滑块的功率P3为：
P3＝m3v3＝m3l1(ω1+ω2)·|sinφ1|；
横梁摆动能耗Etransom为：
Etranson＝P1+P2+P3；
因此可知，横梁摆动能耗为：
l1表示曲柄长度，单位mm：
A表示横梁的振幅，单位mm；
f表示横梁摆动的频率，单位mm；
ω1表示曲柄的角速度，单位rad/s；
ω2表示连杆的角速度，单位rad/s；
φ1曲柄与X轴的夹角大小，单位rad；
φ2连杆与X轴的夹角大小，单位rad；
m1表示曲柄的质量，单位kg；
m2表示连杆的质量，单位kg；
m3表示滑块的质量，单位kg。
由式4.1可知，当横梁摆动频率越大，横梁摆动消耗的耗能也就越多。当横梁摆动频率过低时，会出现“漏抛”现象，抛光质量不能够保证。当横梁摆动频率过大时，使得横梁摆动线速度过快、往复次数多，摆动机构磨损加剧和坏损频率增加。
对于瓷砖抛光过程整个抛光***的能耗，辅助部件那部分的能源消耗也是不容忽视的，而冷却***和气压***是辅助部件中主要的耗能组成部分，因此辅助***的能耗可以表示为：
E2＝Ew+Eg；
式中：Ew表示陶瓷砖抛光过程冷却***的能源消耗
Eg表示陶瓷砖抛光过程气压***的能源消耗；
实验可知：
式(5.2)的参数变量为：
m1表示磨头重量，单位kg；
g表示重力加速度，通常去9.8N/kg；
Q表示气体流量，单位L/min；
A表示活塞的面积，单位mm2；
冷却***散失的热量绝大部分转化为热能，从不引起磨头高温的情况下考虑，冷却水带走的热能不能小于相应的热能损失。由能量守恒定律可知，冷却流量应满足下式：
Ew＝cρ|tin-tout|q--式5.3；
式中：EW绝大表示功率损失值，单位J；
c表示冷却水的比热容，通常取c＝4.2×103J(kg.℃)；
ρ表示冷却水的密度，通常取ρ＝1.0×103kg/m3；
tin表示冷却水的初始温度，单位℃；
tout表示冷却水的经过冷却***后的温度，单位℃；
q表示消耗的冷却水的流量，单位L；。
优选的，通过建模可知，影响抛光机能耗的参数主要有：瓷砖进给速度V、磨头角速度ω、磨头压强P以及横梁摆动频率f。
在建立了陶瓷抛光能源消耗模型后，对于任意抛光工艺参数的取值，在任意时刻都能得到抛光能源消耗值。然而对于某组特定抛光工艺参数的取值，并不能确定是否能够既满足抛光能源消耗最少的条件。因此有必要在满足加工要求的前提下对抛光工艺参数进行优化。
所以必须确定陶瓷抛光机的最小能耗目标函数Echm(x)；
陶瓷抛光机最小能耗目标函数Echm(x)应满足以下公式：
Echm(x)＝Echip+Ehead+Eroller+Etransom+Ew+Eg；
由式6.11可以看到，陶瓷抛光机能耗涉及参数众多。但是有很多参数在机器出厂时就已经固定不可调了，所以其对应的参数值也为定值。为了方便后面计算，只考虑和约束变量有关的，其他的暂时看成常数用参数代替，则可得到：
其中，式(6.1)应满足式(6.2)和式(6.3)：
在式(6.1)中，η表示陶瓷抛光机的能耗折算系数；
在式(6.3)中，
v表示瓷砖进给速度，单位mm/s；
ω表示磨头角速度，单位rad/s；
P表示磨头气压，单位MPa；
f表示横梁摆动频率；
优选的，使用改进的自适应遗传算法公式(7.1)和公式(7.2)得出影响陶瓷抛光机最小能耗的参数值；
Pm，max(t)和Pm，min(t)表示第t代群体中交叉概率的上下限；
favg表示种群中个体适应度平均值；
f′表示要交叉的个体中适应度较大者；
f″表示要变异的个体中适应度较大者。
使用上述式7.1和式7.2，实验得出：当进给速度V＝99.54、磨头角速度ω＝45.52、磨头压强P＝0.27、横梁摆动频率f＝0.86时，陶瓷抛光机处于最小能耗状态。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (4)

1.一种基于改进遗传算法的陶瓷抛光机能耗优化方法，其特征在于：陶瓷抛光机能耗优化方法，包括以下步骤：
步骤A：构建并求解陶瓷抛光机能耗模型，根据陶瓷抛光机能耗模型的求解结果，得出影响陶瓷抛光机能耗的参数；所述陶瓷抛光机能耗模型包括切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗；
步骤B：改进自适应遗传算法，利用所述改进自适应遗传算法计算出影响陶瓷抛光机能耗的最优参数。
2.根据权利要求1所述一种基于改进遗传算法的陶瓷抛光机能耗优化方法，其特征在于：
求解陶瓷抛光机能耗模型中的切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗；
包括以下步骤：
步骤A1：陶瓷抛光机的切削形成能耗为磨块上磨粒对瓷砖表面材料的去除作用所产生的能耗，
构建陶瓷抛光机能耗模型，求解陶瓷抛光机的切削形成能耗包括：
确定陶瓷抛光机的切削形成能耗目标函数Echip，目标函数Echip的公式(1.1)如下：
切削形成能耗的目标函数Echip--(1.1)的参数变量为：
Ωa表示所有磨粒的总面积，单位mm2；
t表示抛光瓷砖所用时间，单位s；
φ表示位磨粒的密度，单位g/cm3；
h表示单位磨粒的高度，单位mm；
μ表示磨粒与瓷砖之间的摩擦系数；
dΩ表示单位磨粒的面积，单位mm2；
a表示单位磨粒的加速度，单位mm/s2；
v表示单位磨粒的速度，单位mm/s；
p表示磨头的压力；
步骤A2：构建陶瓷抛光机能耗模型，求解陶瓷抛光机的抛光磨头能耗包括：
确定抛光磨头能耗目标函数Ehead，抛光磨头能耗目标函数Ehead的公式(2.1)如下：
抛光磨头能耗目标函数Ehead--(2.1)的参数变量为：
ω代表磨头角速度，单位rad/s；
m1代表磨头质量，单位kg；
D表示磨头直径，单位m；
步骤A3：构建陶瓷抛光机能耗模型，求解陶瓷抛光机的传动滚筒能耗包括：
确定传动滚筒能耗目标函数Eroller，传动滚筒能耗目标函数Eroller的公式(3.1)如下：
传动滚筒能耗目标函数Eroller--(3.1)的参数变量为：
μ1表示磨块与瓷砖之间的摩擦系数；
μ2表示传送带与滚筒之间的摩擦系数；
μ3表示抛光砖与传送带之间的摩擦系数；
v0表示传动滚筒的速度，也即瓷砖的进给速度，单位mm/s；
m1表示磨头的重量，单位kg；
m2表示抛光砖的质量，单位kg；
m3表示传送带的质量，单位kg；
表示磨粒在方向上的加速度；
g表示重力加速度，通常取g＝9.8N/kg；
步骤A4：构建陶瓷抛光机能耗模型，求解陶瓷抛光机的横梁摆动能耗包括：
确定横梁摆动能耗目标函数Etransom，横梁摆动能耗目标函数Etransom的公式(4.1)如下：
横梁摆动能耗目标函数Etransom--(4.1)的参数变量为：
l1表示曲柄长度，单位mm：
A表示横梁的振幅，单位mm；
f表示横梁摆动的频率，单位mm；
ω1表示曲柄的角速度，单位rad/s；
ω2表示连杆的角速度，单位rad/s；
φ1曲柄与X轴的夹角大小，单位rad；
φ2连杆与X轴的夹角大小，单位rad；
m1表示曲柄的质量，单位kg；
m2表示连杆的质量，单位kg；
m3表示滑块的质量，单位kg；
步骤A5：陶瓷抛光机的辅助***能耗包括陶瓷砖抛光过程冷却***的能源消耗和陶瓷砖抛光过程气压***的能源消耗，构建陶瓷抛光机能耗模型，求解陶瓷抛光机的辅助***能耗包括：
确定辅助***能耗目标函数E2，辅助***能耗目标函数E2的公式(5.1)如下：
E2＝Ew+Eg--(5.1)；
在式(5.1)中，Ew表示陶瓷砖抛光过程冷却***的能源消耗；
Eg表示陶瓷砖抛光过程气压***的能源消耗；
陶瓷砖抛光过程气压***的能源消耗Eg的公式(5.2)如下：
式(5.2)的参数变量为：
m1表示磨头重量，单位kg；
g表示重力加速度，通常去9.8N/kg；
Q表示气体流量，单位L/min；
A表示活塞的面积，单位mm2；
陶瓷砖抛光过程冷却***的能源消耗Ew应满足以下公式(5.3)：
Ew＝cp|tin-tout|q----(5.3)；
式(5.3)的参数变量为：
EW绝大表示功率损失值，单位J：
c表示冷却水的比热容，通常取c＝4.2×103J(kg.℃)；
ρ表示冷却水的密度，通常取ρ＝1.0×103kg/m3；
tin表示冷却水的初始温度，单位℃；
tout表示冷却水的经过冷却***后的温度，单位℃；
q表示消耗的冷却水的流量，单位L。
3.根据权利要求2所述一种基于改进遗传算法的陶瓷抛光机能耗优化方法，其特征在于：
根据步骤A1-A5中所求解出的切削形成能耗、抛光磨头能耗、传动滚筒能耗、横梁摆动能耗和辅助***能耗，确定陶瓷抛光机最小能耗目标函数Echm(x)，得出影响陶瓷抛光机最小能耗的参数；
陶瓷抛光机最小能耗目标函数Echm(x)应满足公式(6.1)：
其中，式(6.1)应满足式(6.2)和式(6.3)：
在式(6.1)中，η表示陶瓷抛光机的能耗折算系数；
在式(6.3)中，
v表示瓷砖进给速度，单位mm/s：
ω表示磨头角速度，单位rad/s；
P表示磨头气压，单位MPa：
f表示横梁摆动频率。
4.根据权利要求3所述一种基于改进遗传算法的陶瓷抛光机能耗优化方法，其特征在于：
使用改进的自适应遗传算法公式(7.1)和公式(7.2)得出影响陶瓷抛光机最小能耗的参数值；
自适应遗传算法公式(7.1)和公式(7.2)如下：
Pm，max(t)和Pm，min(t)表示第t代群体中交叉概率的上下限；
favg表示种群中个体适应度平均值；
f′表示要交叉的个体中适应度较大者；
f″表示要变异的个体中适应度较大者。
CN201810531088.8A 2018-05-29 2018-05-29 一种基于改进遗传算法的陶瓷抛光机能耗优化方法 Active CN108875155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810531088.8A CN108875155B (zh) 2018-05-29 2018-05-29 一种基于改进遗传算法的陶瓷抛光机能耗优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810531088.8A CN108875155B (zh) 2018-05-29 2018-05-29 一种基于改进遗传算法的陶瓷抛光机能耗优化方法

Publications (2)

Publication Number Publication Date
CN108875155A true CN108875155A (zh) 2018-11-23
CN108875155B CN108875155B (zh) 2022-06-07

Family

ID=64335512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810531088.8A Active CN108875155B (zh) 2018-05-29 2018-05-29 一种基于改进遗传算法的陶瓷抛光机能耗优化方法

Country Status (1)

Country Link
CN (1) CN108875155B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126707A (zh) * 2019-12-26 2020-05-08 华自科技股份有限公司 能耗方程构建、能耗预测方法与装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100200424A1 (en) * 2009-02-09 2010-08-12 Alexander Mayorov Plasma-electrolytic polishing of metals products
CN104331604A (zh) * 2014-10-14 2015-02-04 广东工业大学 基于元胞自动机的瓷砖抛光能耗建模的方法
CN105259791A (zh) * 2015-11-16 2016-01-20 哈尔滨工业大学 一种基于通用切削能耗模型的加工参数优化方法
CN106408126A (zh) * 2016-09-23 2017-02-15 广东技术师范学院 一种面向能耗数据并发采集的三阶段优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100200424A1 (en) * 2009-02-09 2010-08-12 Alexander Mayorov Plasma-electrolytic polishing of metals products
CN104331604A (zh) * 2014-10-14 2015-02-04 广东工业大学 基于元胞自动机的瓷砖抛光能耗建模的方法
CN105259791A (zh) * 2015-11-16 2016-01-20 哈尔滨工业大学 一种基于通用切削能耗模型的加工参数优化方法
CN106408126A (zh) * 2016-09-23 2017-02-15 广东技术师范学院 一种面向能耗数据并发采集的三阶段优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAIDONG YANG.ETC: ""A process parameters selection approach for trade-off between energy consumption and polishing quality"", 《INTERNATIONAL JOURNAL OF COMPUTER INTEGRATED MANUFACTURING》 *
杨海东等: ""瓷砖抛光能耗仿真建模研究"", 《***仿真学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126707A (zh) * 2019-12-26 2020-05-08 华自科技股份有限公司 能耗方程构建、能耗预测方法与装置
CN111126707B (zh) * 2019-12-26 2023-10-27 华自科技股份有限公司 能耗方程构建、能耗预测方法与装置

Also Published As

Publication number Publication date
CN108875155B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
US10556238B2 (en) Drive control method and drive system operating according to said method
CN201769086U (zh) 用于研磨一连续铸造产物的装置
CN104802051B (zh) 瓷质抛光砖表面冷加工装置
CN108875155A (zh) 一种基于改进遗传算法的陶瓷抛光机能耗优化方法
CN104400648B (zh) 一种复杂曲面抛光速度自适应控制方法
CN104331604B (zh) 基于元胞自动机的瓷砖抛光能耗建模的方法
CN105881184B (zh) 一种工件研磨行为全局可控的抛光装置
CN210452221U (zh) 一种平面抛光装置
CN105465158B (zh) 一种五缸柴油机曲轴
CN103995979A (zh) 非球面平行磨削加工的磨削力计算方法
CN203792487U (zh) 一种砌块切割机
Wu et al. The grey theory combining the taguchi method for the best parameters: A case study of polishing M300 steel
CN208751274U (zh) 一种散热效果好的电熔炉
CN204195436U (zh) 大口径非球面机器人行星抛光装置
CN207359069U (zh) 一种带有多角度机械臂的智能工业机器人
CN207189367U (zh) 一种便于打磨的磨料磨具在装置
CN206326487U (zh) 直线输送式抛光机
Feng Nonuniformity of wafer and pad in CMP: Kinematic aspects of view
CN206326489U (zh) 双头自动抛光机
Chen et al. Research on polishing parameters optimization for free curved surface
CN112605385A (zh) 一种降低轴承摩擦损耗的轴承材料的加工方法
CN214490113U (zh) 一种空间曲面抛光机
CN210546858U (zh) 气瓶内部链式除锈装置
CN206455538U (zh) 一种铁锅抛光用连杆式接触力稳定机构
CN205852431U (zh) 一种双轮手持瓷砖抛光机

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant