文献类型：期刊文章

作　　者：邓齐林[1] 鲁娟[2] 陈勇辉[1] 冯健[1] 廖小平[1,3] 马俊燕[1,3]

DENG Qi-lin;LU Juan;CHEN Yong-hui;FENG Jian;LIAO Xiao-ping;MA Jun-yan(College of Mechanical Engineering,Guangxi University,Nanning 530004,China;Department of Mechanical and Marine Engineering,Beibu Gulf University,Qinzhou 535011,China;Guangxi Key Laboratory of Manufacturing Systems and Advanced Manufacturing Technology,Guangxi University,Nanning 530004,China)

机构地区：[1]广西大学机械工程学院,广西南宁530004 [2]北部湾大学机械与船舶海洋工程学院,广西钦州535011 [3]广西大学制造系统与先进制造技术重点实验室,广西南宁530004

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(51665005,52165062);广西自然科学基金资助项目(2020JJD160004,2019JJB160048,2018GXNSFAA138158);广西高校中青年教师基础能力提升资助项目(2020KY10014).

年　　份：2022

卷　　号：56

期　　号：11

起止页码：2145-2155

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高数控加工中的机床效能和加工效率,探究深度强化学习在加工参数优化问题中的适用性,提出一种基于深度强化学习的数控铣削加工参数优化方法.选取切削力合力和材料除去率作为效能和效率的优化目标,利用遗传算法优化反向传播神经网络(GA-BPNN)构建切削力合力和铣削参数的优化函数,并采用经验公式建立材料除去率的优化函数.应用竞争网络架构(Dueling DQN)算法获得切削力合力和材料除去率多目标优化的Pareto前沿,并结合优劣解距离法和熵值法从Pareto前沿中选择决策解.基于45钢的铣削试验,验证了Dueling DQN算法用于加工参数优化的有效性,相比经验选取加工参数,通过Dueling DQN优化得到的加工方案使切削力合力降低了8.29%,加工效率提高了4.95%,为加工参数的多目标优化方法和加工参数的选择提供了指导.

关 键 词：铣削加工 加工参数 反向传播神经网络 深度强化学习  多目标优化

分 类 号：TH16]