Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

TỐI ƯU HÓA CHẾ ĐỘ CẮT PHỤC VỤ GIÁM SÁT VÀ ĐIỀU KHIỂN

TRỰC TUYẾN QUÁ TRÌNH GIA CÔNG HỢP KIM TITAN

Đào Văn Hiệp1

1Đại học Kỹ thuật Lê Quý Đôn

Tóm tắt
Hợp kim Titan (HKTi) có nhiều tính chất cơ, lý, hóa quý nhưng đặc biệt khó gia công. Để
đảm bảo chất lượng và hiệu quả gia công, khi xác định chế độ cắt phải tính đến đầy đủ các
yếu tố công nghệ nên bài toán phức tạp, khó giải và tốn thời gian. Muốn đáp ứng yêu cầu
giám sát và điều khiển trực tuyến (GS&ĐKTT) quá trình gia công, bên cạnh tính chính xác,
tin cậy, việc tính toán còn phải nhanh chóng. Nhằm tìm ra giải pháp cho các yêu cầu trái
ngược nhau ở trên, 3 mô hình tối ưu hóa (TƯH) và 5 phương pháp giải đã được thử nghiệm
và so sánh. Đối tượng gia công là hợp kim Ti-6Al-4V, một trong các HKTi điển hình trên
các thiết bị bay. Kết quả cho thấy các phương pháp dựa trên trí tuệ nhân tạo cho lời giải tin
cậy, đồng thời thỏa mãn được yêu cầu về thời gian, trong đó giải thuật TƯH bầy đàn (PSO)
chỉ cần 0,20 giây, khoảng 6,6% thời gian của giải thuật di truyền (GA) một mục tiêu, 6,5%
của GA đa mục tiêu, thỏa mãn tốt nhất yêu cầu GS&ĐKTT.
Từ khoá: Hợp kim Titan; chế độ cắt; tối ưu hóa; Taguchi; GA; PSO; quy hoạch tuyến tính.

1. Đặt vấn đề
Nhờ có các tính chất cơ, lý, hóa quý báu: nhẹ xấp xỉ một nửa thép nhưng có độ
bền tương đương; làm việc được ở nhiệt độ cao, không gỉ trong môi trường ăn mòn hóa
học,... HKTi có mặt trong nhiều ngành công nghiệp, đặc biệt là hàng không vũ trụ. Hợp
kim Ti-6Al-4V là vật liệu điển hình dùng cho cánh, thân tua bin của động cơ máy bay.
Bảng 1. So sánh tính chất của HKTi với thép
Nhiệt dung riêng

Độ dẫn nhiệt
Trạng thái

(W/m.K)
(g/cm3)

(J/kg.K)

σb σch E
Tên vật liệu HV ε(%) δ(%)
(MPa) (MPa) (GPa)

Ủ 895 825 110 340 10 20 580 7,3

Ti-6Al-4V 4,43
Tôi 1035 965 - 360 8 20 7,5
AISI 1045 Kéo nguội 7,84 625 530 207 179 12 35 486 10,7

Bảng 1 [1] cho thấy, so với thép AISI 1045 (tương đương C45), Ti-6Al-4V có khối
lượng riêng bằng 0,56, độ bền gấp 1,7 lần. Nhưng cơ tính và độ bền nhiệt cao, cùng với
modul đàn hồi và độ dẻo thấp, độ dẫn nhiệt rất thấp và nhiệt dung riêng cao, khiến
Ti-6Al-4V có tính cắt gọt rất kém: nhiệt độ vùng cắt cao, lực cắt lớn, tốn năng lượng,
mòn dao nhanh,... kết cục là chất lượng gia công kém, năng suất thấp, chi phí cao. Với các
41
Journal of Science and Technique – ISSN 1859-0209

vật liệu dễ gia công, dùng dao rẻ tiền, dao mòn chậm,... chi phí cho dao có thể bỏ qua,
nhưng với HKTi thì không. Do đó, mô hình TƯH phức tạp, khó giải và tốn thời gian.
Trong quá trình gia công, trạng thái của hệ thống, như kích thước và cơ tính của
vật liệu phôi, khả năng cắt của dao,... luôn biến động. Để thích ứng, đảm bảo sự tiến
triển bình thường và hiệu quả của quá trình, chế độ cắt cần được hiệu chỉnh kịp thời.
Vì vậy, các máy CNC hiện đại, có điều khiển thích nghi (ĐKTN) cần được trang bị
hoặc ghép với modul tính toán, TƯH và hiệu chỉnh trực tuyến chế độ cắt (Hình 1).
Tuy nhiên, GS&ĐKTT đòi hỏi việc tính toán phải được tự động hóa (TĐH) hoàn toàn,
đồng thời chu kỳ tính toán ngắn, thường không quá 5 giây.
Từ 2 lý do trên, xuất hiện nhu cầu tìm kiếm mô hình và phương pháp TƯH chế độ
cắt vừa đảm bảo độ chính xác, tin cậy, vừa đáp ứng được yêu cầu về TĐH và thời gian
của GS&ĐKTT quá trình gia công HKTi. Thông qua một nhiệm vụ cụ thể (tiện hợp kim
Ti-6Al-6V), bài báo này giới thiệu một số mô hình và phương pháp TƯH chế độ cắt,
giúp so sánh, lựa chọn phương pháp phù hợp với nhu cầu ứng dụng thực tế.

Hình 1. Sơ đồ điều khiển thích nghi có tối ưu hoá

2. Thiết lập mô hình tối ưu hóa
2.1. Mô hình tối ưu hóa tổng quát
Về toán học, bài toán TƯH được phát biểu như sau: Cực tiểu hóa hàm mục tiêu
(a) với các điều kiện ràng buộc (b)
y   y1 (x)... yz (x)   min
T
(a)
 g   g1 (x)...g m1 (x) T  0
 (1)
f (x)  h   h1 (x)...h m 2 (x)   0
T
(b)
 x min  x  x max


42
 Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

trong đó: x = [x1 … xi … xn]T - vectơ các biến đầu vào; y = [y1… yj…yz]T - vectơ mục
tiêu, gồm các thành phần biểu diễn các tiêu chí tối ưu; trong (b), lần lượt là các vectơ
biểu diễn các ràng buộc dạng bất đẳng thức, dạng đẳng thức và điều kiện biên.
Trong bài toán TƯH chế độ cắt khi tiện, các biến đầu vào thường là tốc độ cắt
v (m/ph), lượng chạy dao s (mm/vòng), chiều sâu cắt t (mm). Mục tiêu của sản xuất là đạt
chất lượng yêu cầu với hiệu quả cao nhất nên hàm mục tiêu thường là chi phí gia công
(thấp nhất) hoặc năng suất gia công (cao nhất). Các điều kiện ràng buộc đảm bảo cho quá
trình gia công đáp ứng yêu cầu kỹ thuật, phù hợp điều kiện thực tế hoặc tiến triển bình
thường. Sau đây mô tả hàm mục tiêu và các điều kiện ràng buộc.
 Hàm mục tiêu
Hàm mục tiêu năng suất và chi phí gia công được xây dựng tương tự nhau [1].
Nghiên cứu này chỉ xét chi phí gia công. Đó là chi phí cần thiết cho cả nguyên công
K = Km + Kd + Kmd (ng.đ)
trong đó: Km, Kd và Kmd - chi phí vận hành máy, mua và mài dao cho cả nguyên công.
Sau khi tính 3 thành phần trên, ta nhận được chỉ tiêu tối ưu
AV BV CV AV CdV
K      min (2)
Z ZT ZT Z ZT
trong đó: A (ng.đ/ph) - chi phí cho 1 phút chạy máy; V (cm3) - thể tích vật liệu bị hớt trong
nguyên công; Z = v.s.t (cm3/ph) - năng suất cắt; T (ph) - tuổi bền của dao; B (ng.đ) - chi
phí mua dao tính cho 1 lần mài; C (ng.đ) - chi phí cho 1 lần mài dao; Cd = B+C - chi phí
dao. Để dễ trao đổi dữ liệu, người ta thường dùng chỉ tiêu chi phí gia công 1cm3 vật liệu.
K A Cd
   min (3)
V Z ZT
 Các điều kiện ràng buộc
Sau đây là một số điều kiện ràng buộc thường gặp:
- Điều kiện lực cắt không vượt ngưỡng cho phép nhằm hạn chế biến dạng của
phôi, đảm bảo an toàn của hệ thống,…
F  F1v mf s nf t kf  Fmax (4)
Cùng loại, còn có các hạn chế về rung động, mô men trục chính, nhiệt độ vùng cắt.
- Điều kiện hạn chế về độ nhám bề mặt:
Ra  R1vmr s nr t kr  Rmax (5)
Các hạn chế về sai số kích thước, hình dạng nếu có cũng được biểu diễn tương tự.
- Điều kiện công suất cắt không vượt quá công suất động cơ trục chính (Pm):
P  Pv
1 s t  Pm
mp np kp

43
Journal of Science and Technique – ISSN 1859-0209

F1
hay P  v( mf 1) s nf t kf  Pm (6)
60.1000
- Miền giới hạn của chế độ cắt phụ thuộc tính năng của máy hoặc yêu cầu công nghệ:
vmin  v  vmax ; smin  s  smax ; tmin  t  tmax (7)
Ta thấy, các điều kiện ràng buộc (4)(7) đều có dạng hàm mũ với F1, R1,..., mf, nf,
kf,... là các hằng số. Sau khi lấy logarit và biến đổi sẽ được các quan hệ tuyến tính. Tuy
các công cụ hiện đại cho phép giải các hệ phi tuyến nhưng mô hình tuyến tính vẫn dễ
giải và cho kết quả chính xác, tin cậy hơn. Vì vậy, khi có thể được thì cố gắng đưa về
mô hình tuyến tính. Riêng hàm mục tiêu (3) có dạng tổng, muốn lấy logarit được thì
phải đưa về dạng tích. Có 2 giải pháp:
Giải pháp thứ nhất: Bỏ qua chi phí dao để có K/V=A/Z. Đối với các vật liệu dễ gia
công, dùng dao rẻ tiền (Cd nhỏ), chậm mòn (T lớn) thì sai số <5%, chấp nhận được.
Giải pháp thứ hai: Dùng khi không thể bỏ qua chi phí dao, như với HKTi và các
vật liệu khó gia công khác. Nếu thay T bằng một hằng số Tx nào đó thì (3) sẽ trở thành:
K 1 C A
 ( A  d )    min (8)
V Z Tx Z
Trong cắt gọt kim loại, có công thức Taylor để tính tuổi bền dụng cụ:
T  T1v mt s nt t kt (9)
Thường thì các số mũ đều âm và |mt| > | nt| > |kt| nên có thể bỏ qua s và t.
Thay (9) vào (3), ta nhận được:
K A Cd
=  mt 1 nt 1 kt 1
 min (10)
V vsa T1 v s t
Tìm cực trị của K/V và biến đổi toán học [1], ta nhận được tuổi bền ứng với chi
phí gia công thấp nhất, được gọi là tuổi bền kinh tế.
Cd
Te   (mt  1) (11)
A
Công thức này chỉ có nghĩa khi mt<-1. Ta thấy, Te là hằng số, không phụ thuộc vào
chế độ cắt. Thay Te cho đại lượng giả định Tx trong (8), được hàm mục tiêu dạng tích.
K 1 C A
 ( A  d )    min (12)
V Z Te vst
Tóm lại, giải pháp tổng quát áp dụng được cho mọi trường hợp, nhưng đặc biệt
hữu ích cho các vật liệu khó gia công, trong đó có HKTi có 2 bước: Dùng hàm mục tiêu
(12) thay cho (3); và bổ sung vào hệ phương trình ràng buộc điều kiện tuổi bền của
dụng cụ (9) bằng tuổi bền kinh tế (Te) (11), nghĩa là: T1vmt s nt t kt  Te (13)
44
 Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

2.2. Mô hình thực nghiệm

Gán các số liệu thực nghiệm cho mô hình tổng quát nêu trên. Các thông số đầu
vào gồm chế độ cắt (v, s, t) với 3 mức như trong bảng 2.
Bảng 2. Các yếu tố đầu vào và các mức
Yếu tố Mức 1 Mức 2 Mức 3
v (m/ph) 20 35 50
s (mm/v) 0,10 0,20 0,30
t (mm) 0,50 1,0 1,5

Điều kiện thí nghiệm: Tiện phôi 40, L150 từ hợp kim Ti-6Al-4V trên máy tiện
CNC kiểu E25 của hãng EMCO (Cộng hòa Áo), dao hợp kim cứng BK6. Các thông số
được đo gồm: Lực cắt F (dùng lực kế 3 thành phần 9257BA của hãng Kistler - Thụy Sĩ).
Đo độ nhám bề mặt Ra bằng Bảng 3. Số liệu thí nghiệm
thiết bị SJ-201 của Mitutoyo -
Thí Chế độ cắt Số liệu đo
Nhật. Tuổi bền T là thời gian gia
nghiệm v(m/p) s(mm/v) t(mm) F(N) Ra(μm) T(ph)
công đến khi chiều cao trung bình
1 20 0,10 0,50 183,11 0,69 1110,91
của vùng mòn mặt sau đạt 2 20 0,10 1,00 246,69 0,75 438,83
h = 0,3mm. Dùng quy hoạch thực 3 20 0,10 1,50 293,68 0,79 254,88
nghiệm đa yếu tố toàn phần (L27) ... ... ... ... ... ... ...
với 27 thí nghiệm, nhận được 25 50 0,30 0,50 893,07 5,10 15,42
bảng số liệu (đã ẩn một số hàng 26 50 0,30 1,00 1203,18 5,58 6,09
27 50 0,30 1,50 1432,35 5,88 3,54
cho gọn) như bảng 3.
Dùng phương pháp hồi quy tuyến tính, nhận được các quan hệ sau:
F  64.v0,95 s0,65t 0,43 (14)
Ra  5,5.v0,45 s1,45t 0,13 (15)

T  9546.v2,45 s 1,85t 1,34 (16)

Từ (6) và (14) nhận được:
P  0,013.v1,95 s0,65t 0,43 (17)
Từ thực tế, xác định được các hằng số Cd = 35 ng.đ; A = 2,5 ng.đ/ph; từ (16) có
m = -2,45. Theo (11), tuổi bền kinh tế Te= 20,30 ph. Theo (12), tính được A =4,224.
Giá trị giới hạn của các thông số như sau: Lực cắt Fmax= 800N; công suất trục chính
Pm= 5,5kW; độ nhám bề mặt Rmax=2,5μm; các giới hạn về tốc độ cắt: v = (2050) m/ph;
lượng ăn dao: s=(0,100,30) mm/v; chiều sâu cắt: t = (0,51,50) mm.
45
Journal of Science and Technique – ISSN 1859-0209

Thay các hằng số vào hàm mục tiêu (12), các phương trình (14)(17) vào các điều
kiện ràng buộc (4)(7) và (13), tập hợp chúng lại, lấy logarit các phương trình, đặt x1=ln(v),
x2=ln(s), x3=ln(t), được mô hình tuyến tính với hàm mục tiêu (a) và hệ ràng buộc (b):
1, 44 - x1 - x2 - x3  min (a)
4,16 0,95 x1 0, 65 x2 0, 43 x3  6, 68
1, 70 0, 45 x1 1, 45 x2 0,13 x3  0,92

-6, 62 1,95 x1 0, 65 x2 0, 43 x3  1, 70

 x1  3,91
 x2  0,18 (18)
 (b)
 x3  0, 41
 x1  3, 00

 x2  -2,30
 x3  -1,90

9,16 -2, 45 x1 -1,85 x2 -1,34 x3  3, 01

3. Các phương pháp giải bài toán

Để có cơ sở so sánh, lựa chọn phương pháp và công cụ TƯH phù hợp nhu cầu
ứng dụng và điều kiện thực tế, có 5 phương pháp đã được thử nghiệm, gồm quy hoạch
tuyến tính (QHTT), Taguchi, giải thuật di truyền (GA), giải thuật bầy đàn (PSO) và
TƯH đa mục tiêu MOOP (Multi-Objective Optimization) trong GA (MOOP-GA). Cơ
sở toán học và thuật giải của chúng được mô tả chi tiết trong [1]. Sau đây chỉ tóm tắt
đặc điểm chính và kết quả của mỗi phương pháp.
3.1. Phương pháp quy hoạch tuyến tính
QHTT là phương pháp kinh điển, có cơ sở toán học là đại số tuyến tính, chặt chẽ
và tin cậy. Thuật toán cơ bản cho QHTT là thuật toán đơn hình. Khi chưa có máy tính
số, thuật toán này có thể được thực hiện bằng tay. Ngày nay, QHTT được hỗ trợ bởi hầu
hết công cụ tính toán, từ phần mềm văn phòng Microsoft Excel đến các phần mềm kỹ
thuật chuyên dùng như Matlab. Trong nghiên cứu này, bài toán được giải nhờ công cụ
Solver của Excel, theo chế độ giao thoại (tương tác trực tiếp giữa người và máy).
Kết quả được dùng làm cơ sở để đánh giá độ chính xác của các phương pháp khác.
Dữ liệu từ (18) được nhập vào Excel như hình 2: Hàm mục tiêu trong mảng
L50:O50. Ban đầu x1, x2, x3 (M50:O50) được gán giá trị tùy ý, ví dụ (1, 1, 1), khi giải sẽ
được cập nhật. Các điều kiện ràng buộc trong L40:O49; các điều kiện biên trong
R40:R49.
46
 Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

Hình 2. Mẫu nhập dữ liệu và giải bài toán quy hoạch tuyến tính trong Excel
Giao diện giải bài toán như trong hình 3. Đối chiếu với hình 2, có thể nhận ra giá
trị hàm mục tiêu (Set Objective) ở ô P50; các biến (By Changing Variable Cells) trong
các ô M50:O50; các điều kiện ràng buộc bất đẳng thức (≥, ≤) và đẳng thức (=) được mô
tả trong vùng Subject to the Constraints.

Phương pháp giải được chọn

(Select the Solving Method) là QHTT,
đơn hình (Simplex LP). Sau khi bấm lệnh
giải (Solve), nhận được kết quả cuối
cùng như hình 2: x1 = -2,45;
x2 = -1,85; x3 = 1,34, tương ứng
v = 35,26 m/ph; s = 0,19 mm/v;
t = 0,15mm. Giá trị hàm mục tiêu là
0,84, ứng với chi phí gia công thấp nhất:
K/V = exp(-0,84) = 0,431 ng.đ/cm3. Hình 3. Giao diện giải bài toán
quy hoạch tuyến tính trong Excel

So sánh giá trị đặt trong cột (R40:R49) với giá trị tính các đại lượng tương ứng
chế độ cắt tối ưu trong cột (S40:S49) có thể thấy Rmax, amax và Te được sử dụng hết; các
điều kiện khác (F, P, v, s) còn dự trữ. Điều này có nghĩa là muốn giảm tiếp chi phí thì
phải nới rộng Ra và t. Riêng Te, muốn thay đổi phải tuân theo (11).
47
Journal of Science and Technique – ISSN 1859-0209

3.2. Phương pháp Taguchi

Phương pháp Taguchi có gốc là toán thống kê, được biết đến như một phương
pháp đơn giản để tính toán (TƯH) sơ bộ các thông số công nghệ [1]. Nguyên tắc sử
dụng trong Taguchi là tăng hiệu quả của các thông số điều khiển, giảm tác động của các
yếu tố nhiễu. Tiêu chí TƯH là tỉ số tín hiệu/nhiễu (S/N) lớn nhất.
Với bài toán đang xét, phương Bảng 4. Quy hoạch thực nghiệm Taguchi
pháp Taguchi chỉ cần 9 thí nghiệm Chế độ cắt
Thí nghiệm K/V S/N
(thay vì 27), không đòi hỏi thiết lập v(m/p) s(mm/v) t(mm)
quan hệ toán học giữa mục tiêu và các 1 20 0,10 0,5 2,53 -8,07
2 20 0,20 1,0 0,70 3,14
biến. Với yêu cầu K/V nhỏ nhất, số 3 20 0,30 1,5 0,39 8,08
liệu đầu vào (v, s, t) và đáp ứng đầu ra 4 35 0,10 1,0 0,80 1,89
(K/V) được sắp xếp như bảng 4. Cột 5 35 0,20 1,5 0,42 7,46
6 35 0,30 0,5 0,66 3,65
cuối cùng là tỉ số S/N của K/V, được
7 50 0,10 1,5 0,51 5,91
tính theo trường hợp giá trị càng nhỏ 8 50 0,20 0,5 0,71 2,92
càng tốt (Smaller better). 9 50 0,30 1,0 0,55 5,20

Có các công cụ thống kê chuyên dùng, nhưng để dễ theo dõi, ở đây dùng Excel.
Kết quả tính toán được thể hiện trong hình 4, theo đó chế độ cắt tối ưu là: v=50 m/ph;
s=0,3 mm/v; t=1,5mm; K/V=0,024 ng.đ/cm3 (ô P23). Tuy nhiên, kết quả kiểm tra (có
dấu *) khác rất xa: K/V=0,551 ng.đ/cm3. Đối chiếu với bảng 3, bộ thông số này ở thí
nghiệm 27, có F=1432,35N; Ra=5,88μm; T=3,54ph đều không phù hợp thực tế.
Lý do của sự kém chính xác là Taguchi chỉ tìm nghiệm tối ưu tại các điểm thí
nghiệm rời rạc, không có khả năng nội suy. Còn kết quả xa thực tế là do Taguchi không
xét đến các điều kiện ràng buộc. Đây là những nhược điểm cố hữu của phương pháp
Taguchi, vì vậy kết quả của nó cần được kiểm chứng cẩn thận mỗi khi dùng.
18 J K L M N O P Đồ thị S/N của K/V
19 S/N của các biến vào Kết quả và kiểm tra (*)
20
20 v s t v (m/ph) s (mm/v) t (mm)
16
S/N (dB)

21 1 3,15 -0,26 -1,49 50 0,30 1,50 12

22 2 13,00 13,51 10,23 S/N 32,30 8
3 4
23 3 14,03 16,93 21,46 K/V (ng.đ/cm ) 0,024 0
(*)
24 Trung bình (m) 10,06 Z T(*) -4
1 2 3
25 Max 14,03 16,93 21,46 22,50 3,54 v 3,15 13,00 14,03
26 Max-m 3,97 6,87 11,39 A/Z(*) Cd/ZT(*) K/V(*) s -0,26 13,51 16,93
27 Ảnh hưởng (%) 17,85 30,91 51,24 0,111 0,440 0,551 t -1,49 10,23 21,46

Hình 4. Kết quả tối ưu hóa bằng phương pháp Taguchi

3.3. Tối ưu hóa một mục tiêu dùng giải thuật di truyền
Giải thuật di truyền GA (Genetic Algorithm) là một nhánh của tính toán tiến hóa
EC (Evolution Computing), là một cách khoa học kỹ thuật học ở tự nhiên. Lý thuyết và
kỹ thuật GA được công bố lần đầu tiên vào năm 1975 bởi Holland, lấy ý tưởng từ
quy luật tiến hóa, chọn lọc tự nhiên của giới sinh vật, được tổng kết thành nguyên tắc
48
 Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

“khôn sống mống chết” trong học thuyết về di truyền của Darwin (1809-1882). Thuật
toán TƯH bằng GA được mô tả trực quan trong hình 5, diễn giải chi tiết trong [1].
Quy luật tiến hóa trong tự nhiên được GA kế thừa và mô phỏng như sau:
1) Môi trường sống luôn luôn biến động. Để có thể tồn tại và phát triển, sinh vật
phải không ngừng tiến hóa và thích ứng;
2) Những cá thể thích ứng tốt sẽ sống sót, giao phối để được nối dõi, cá thể nào
thích ứng kém sẽ bị loại hoặc không được chọn nối dõi;
3) Những đặc tính của các cá thể ưu tú nhất sẽ được di truyền cho đời con. Sự
chọn lọc và di truyền cho các thế hệ sau nữa được tiếp tục theo các vòng lặp, khiến cho
các thế hệ sau luôn có các đặc tính tốt hơn các thế hệ trước;
4) Đôi khi có thể xảy ra hiện tượng đột biến, khiến quá trình tiến hóa nhanh hơn.

Hình 5. Sơ đồ tối ưu hóa với giải thuật di truyền

Bản chất của quá trình chọn lọc nói trên là TƯH. Chương trình được lập trong
Matlab với số cá thể (Population Size: 40), số thế hệ (Generations: 40).
Best: -1.36621 Mean: -1.36614 ====== TOI UU HOA CHE DO CAT VOI GA ======
-1.2
Toc do cat toi uu : v = 35.07 (m/ph)
Fitness value

Best fitness
Mean fitness Luong an dao toi uu : s = 0.19 (mm/vg)
-1.3 Chieu sau cat toi uu : t = 1.50 (mm)
Nang suat gia cong : Z = 9.802 (cm^3/ph)
-1.4 Do nham be mat : Ra = 2.50 (μm)
0 10 20 30 40
Generation Luc cat : F = 751.21 (N)
Current Best Individual Cong suat truc chinh : P = 0.55 (kW)
Current best individual

4
Tuoi ben tinh toan : T = 20.28 (ph)
2 Tuoi ben kinh te : Te = 20.30 (ph)
0 Chi phi truc tiep : K1 = 0.255 (ng.d/cm^3)
Chi phi dung cu : K2 = 0.176 (ng.d/cm^3)
-2
1 2 3 Chi phi gia cong : K/V= 0.431 (ng.d/cm^3)
Number of variables (3)
Thoi gian tinh toan : tt = 2.954 (s)
=======================================
Hình 6. Kết quả tối ưu hóa nhờ thuật toán di truyền
49
Journal of Science and Technique – ISSN 1859-0209

Quá trình TƯH được thể hiện trong nửa trên của hình 6, theo đó chỉ sau khoảng 10
thế hệ (Generation) hàm mục tiêu (Fitness Value) đã đạt đến giá trị tối ưu Best = -1,36621.
Đối chiếu với hình 2, ta thấy nó xấp xỉ giá trị nhỏ nhất (-1,37) của ln(A/Z). Đồ thị nửa dưới
cho nghiệm tối ưu: x1=3,56; x2=-1,69; x3=0,41, ứng với v=35,07 m/ph; s=0,19 mm/v;
t=1,5mm.
Kết quả cũng được in ra màn hình như nửa bên phải, xấp xỉ kết quả của Solver. Thời
gian tính toán của GA là 2,954 giây, ngắn hơn yêu cầu của GS&ĐKTT (khoảng 5 giây).
3.4. Tối ưu hóa một mục tiêu dùng giải thuật bầy đàn
TƯH dùng giải thuật bầy đàn, gọi tắt
là TƯH bầy đàn (PSO) thuộc nhóm trí tuệ
bầy đàn SI (Swarm Intelligence), lấy ý
tưởng từ hoạt động của một số loài động
vật sống theo bầy đàn, như bầy chim, đàn
cá [4]. Tuy được xem là một nhánh của tính
toán tiến hóa EC (Evolution Computing),
SI không dựa vào sự chọn lọc, tiến hóa tự
nhiên mà dựa vào ứng xử xã hội của các
loài vật sống theo bầy đàn. Cảnh kiếm mồi
của đàn chim được cho là nguồn ý tưởng
đầu tiên về PSO. Ban đầu, các con chim
bay tùy ý. Khi có con nào đó phát hiện ra
mồi, nó sẽ phát tín hiệu. Một số con sẽ
nhận được và phát tín hiệu tiếp,... Hình 7. Sơ đồ thuật toán tối ưu hóa bầy đàn

PSO - DIEN BIEN CUA HAM MUC TIEU ====== TOI UU HOA CHE DO CAT VOI PSO ======
4 Toc do cat toi uu : v = 35.24 (m/ph)
Luong an dao toi uu : s = 0.19 (mm/vg)
3 Chieu sau cat toi uu : t = 1.50 (mm)
Nang suat gia cong : Z = 9.783 (cm^3/ph)
2 Do nham be mat : Ra = 2.48 (μm)
Ham muc tieu

Luc cat : F = 724.40 (N)

1 Cong suat truc chinh : P = 0.53 (kW)
Tuoi ben tinh toan : T = 20.30 (ph)
Tuoi ben kinh te : Te = 20.30 (ph)
0
Chi phi truc tiep : K1 = 0.255 (ng.d/cm^3)
Chi phi dung cu : K2 = 0.176 (ng.d/cm^3)
-1
Chi phi gia cong : K/V= 0.432 (ng.d/cm^3)
Thoi gian tinh toan : tt = 0.196 (s)
-2 =========================================
0 10 20 30 40 50
So vong lap

Hình 8. Kết quả tối ưu hóa nhờ tối ưu hóa bầy đàn

50
 Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

Theo thông tin nhận được, các con chim sẽ điều chỉnh hướng và tốc độ bay để sớm
tiếp cận mục tiêu. Vị trí và tốc độ bay của mỗi con luôn được cập nhật, cho đến khi đa số
tiếp cận được mồi. Thuật toán PSO được mô tả trong hình 7, giới thiệu chi tiết trong [1].
Chương trình PSO được lập trong Matlab với các tham số như sau: Số cá thể
N=100; số vòng lặp 50; w=(0,4-0,9); c1 =c2 =2. Hình 8 cho thấy bài toán hội tụ sau
khoảng 20 vòng lặp. Theo kết quả in ra màn hình, với bộ thông số chế độ cắt tối
ưu: v=35,24 m/ph; s=0,19 mm/vòng; t=1,5mm, chi phí gia công nhỏ nhất
K/V=0,432 ng.đ/cm3.
So với Solver và GA thì PSO cho kết quả tương đồng nhưng thời gian tính toán
được rút ngắn một cách ấn tượng: 0,196 giây, chỉ bằng 6,6% so với 2,95 giây của GA.
3.5. Tối ưu hóa đa mục tiêu dùng giải thuật di truyền
Trong thực tế, ít khi người ta phấn đấu đạt tốt nhất một mục tiêu mà hoàn toàn hy
sinh các mục tiêu khác. Vì vậy, phương án chấp nhận được là dung hòa các chỉ tiêu. Ở
đây, mô hình MOOP được dùng để khảo sát quan hệ giữa 2 thành phần chi phí trong
hàm mục tiêu (3). Suy luận sơ bộ có thể thấy, nếu tăng chi phí gia công trực tiếp A/Z
(giảm năng suất Z) thì dao mòn chậm, chi phí dao A/ZT sẽ giảm và ngược lại.
Cơ sở lý thuyết, thuật toán và công cụ TƯH đa mục tiêu được trình bày trong [1, 5].
Bài toán TƯH đa mục tiêu có nhiều nghiệm, giữa các nghiệm có quan hệ không trội,
nghĩa là không có nghiệm nào là tốt nhất với mọi tiêu chí mà có sự dung hòa với nhau.
Các nghiệm này được gọi là nghiệm tối ưu Pareto, hình thành một tập hợp, gọi là biên
giới Pareto (Pareto Front). Giải bài toán TƯH đa mục tiêu là tìm Pareto Front.
TƯH đa mục tiêu cũng dùng các công cụ tương tự TƯH một mục tiêu. Chương
trình sử dụng GA trong Matlab vẽ ra Pareto Front như hình 9 và xuất kết quả tính toán
ra Excel như bảng 5 (đã ẩn một số hàng cho gọn).
X: 0.2427 Toi uu hoa che do cat da muc tieu
0.2 Y: 0.1947

0.18
Chi phi dao C /ZT (ng.d/cm3)

X: 0.2653
Y: 0.1669

0.16
d

0.14

0.12
X: 0.3709
Y: 0.1034

0.1
0.24 0.26 0.28 0.3 0.32 0.34 0.36 0.38
Chi phi cat A/Z (ng.d/cm3)

Hình 9. Tập hợp các nghiệm tối ưu Pareto

51
Journal of Science and Technique – ISSN 1859-0209

Bảng 5. Kết quả tối ưu hóa đa mục tiêu

Có 21 phương án được đưa ra cho người dùng lựa chọn, trong đó có 3 phương án
đáng chú ý. Phương án 1 có năng suất cao nhất (Z=10,3028), chi phí cắt thấp nhất
(A/Z=0,2427) nhưng dao mòn nhanh nhất (T=17,38) nên chi phí dao lớn. Kết cục, chi
phí chung cao (K/V=0,4373). Phương án 4, ngược lại có chi phí dao thấp nhất nhưng
năng suất thấp, chi phí cắt cao nên chi phí chung cao. Phương án 20 dung hòa một cách
hợp lý 2 mục tiêu nên chi phí chung thấp nhất (K/V=0,4322) và thỏa mãn đầy đủ các
điều kiện ràng buộc.
3.6. Tổng hợp kết quả
Để dễ so sánh các phương pháp TƯH, kết quả của chúng được tập hợp trong bảng 6.
Trừ phương pháp Taguchi, các phương pháp khác có kết quả khá thống nhất. Kết quả của
ba phương pháp TƯH một mục tiêu gần nhau nhất, sai khác nhỏ là do tính toán. Thời gian
tính toán của PSO nhỏ nhất (0,196 giây), của GA một mục tiêu và đa mục tiêu xấp xỉ
nhau và gấp khoảng 15 lần của PSO nhưng vẫn đáp ứng được yêu cầu của GS&ĐKTT.
Bảng 6. Tổng hợp kết quả tối ưu hóa theo các phương pháp
Các hằng số A= 2,50 Cd= 35,00 Te= 20,30 Thời gian
Ph. pháp giải v(m/ph) s(mm/vg) t(mm) Z A/Z T Cd/ZT K/Vmin tính (s)
Taguchi 50,00 0,30 1,50 22,500 0,111 3,538 0,440 0,551 -
Solver (Excel) 35,26 0,19 1,50 9,800 0,255 20,300 0,176 0,431 -
GA 35,07 0,19 1,50 9,802 0,255 20,280 0,176 0,431 2,954
PSO 35,24 0,19 1,50 9,783 0,256 20,300 0,176 0,432 0,196
MOOP-GA 33,82 0,19 1,48 9,422 0,265 22,174 0,167 0,432 3,026

TƯH đa mục tiêu không dùng điều kiện ràng buộc về tuổi bền kinh tế (13), giá trị
tuổi bền tính ra (22,174) có hơi khác với TƯH một mục tiêu (20,3). Nguyên nhân có thể
do tính toán, nhưng chủ yếu do tính đến vai trò của s và t khi tính Te theo (11). Ưu điểm
của MOOP là đưa ra nhiều phương án tối ưu trên cơ sở dung hòa các tiêu chí, cho phép
người dùng chọn theo yêu cầu thực tế, nhưng cần sự can thiệp của người dùng.
52
 Tạp chí Khoa học và Kỹ thuật – ISSN 1859-0209

4. Kết luận
Có 3 mô hình TƯH (Taguchi, một mục tiêu, đa mục tiêu) và 5 phương pháp
(Taguchi, QHTT, GA, PSO, MOOP-GA) đã được đề xuất cho bài toán TƯH chế độ cắt
phục vụ GS&ĐKTT quá trình tiện HKTi. Thử nghiệm cho thấy mô hình Taguchi có độ
chính xác thấp và kết quả xa thực tế. Mô hình TƯH đa mục tiêu đưa ra bức tranh tổng thể
- một tập hợp các nghiệm tối ưu, cho phép người dùng lựa chọn một cách linh hoạt
phương án tối ưu trên cơ sở dung hòa giữa các tiêu chí nhưng quyền chọn phương án cuối
cùng thuộc về người dùng. Các phương pháp TƯH một mục tiêu (QHTT, GA, PSO) cho
kết quả tin cậy và khá giống nhau, nhưng thời gian tính toán và khả năng TĐH khác nhau.
Phương pháp QHTT được thực hiện trong chế độ tương tác, cần tác động của con người.
GA và PSO đều thỏa mãn yêu cầu về TĐH và thời gian của GS&ĐKTT: GA cần
2,95 giây, còn PSO chỉ cần 0,20 giây, bằng 6,6% của GA, đáp ứng tốt nhất.
Từ bảng 6 cũng thấy chi phí dao chiếm đến 38,7% tổng chi phí, không thể bỏ qua.

Tài liệu tham khảo

1. Đào Văn Hiệp. Giám sát và điều khiển thông minh quá trình gia công cơ. Nxb Quân đội
Nhân dân, Hà Nội, 2016.
2. Ezugwu, E., Wang, Z. Titanium Alloys and Their Machinability - A Review. Journal of
Materials Processing Technology, Vol. 68, 1997, pp. 262-274.
3. Cao, Y., & Wo, Q. Teaching Genetic Algorithm Using Matlab. Int. J. of Elect. Eng. Reduc.,
Vol. 36, 1999, pp. 139-153.
4. Bahirje, S., Potdar, P.V. Optimization of Milling Conditions by Using Particle Swarm
Optimization Technique: A Review. Int. J. of Eng. Trends and Technology (IJETT) -
Vol. 18, 2014, pp. 248-251.
5. Kalyanmoy Deb. Multi-Objective Optimization Using Evolutionary Algorithm. John Wiley
& Sons, Inc., New York, NY, USA, 2001.

OPTIMIZATION OF CUTTING PARAMETERS FOR ON-LINE

MONITORING AND CONTROL OF TITANIUM ALLOY MACHINING
Abstract: Titanium alloys have many excellent mechanical, physical and chemical
properties but they are very difficult to machine. To ensure the required quality and
effectiveness of machining process, in cutting parameters selection we must consider all of the
technological factors, making the problem become complicated, hard to solve and time
consuming. In order to meet requirements of on-line machining process monitoring and control,
besides accuracy and confidence, problem solving must be fast. To find the right solution for
53
Journal of Science and Technique – ISSN 1859-0209

above-mentioned conflicting requirements, 3 models and 5 methods for optimization are tested and
compared in this study. Machining objective is Ti-6Al-4V, one of the typical titanium alloys on
flying equipment. Results show that artificial intelligence based methods offer more confident
solutions, at the same time meet the time demand. Among them PSO needs only 0.20s, about
6.6% of GA based single objective optimization, 6.5% of GA based multi-objective optimization,
best satisfy on-line monitoring and control of machining process.

Ngày nhận bài: 31/7/2017; Ngày nhận bản sửa lần cuối: 24/9/2017; Ngày duyệt đăng: 05/12/2017


54