Professional Documents
Culture Documents
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)
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.
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
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)
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
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.
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
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)
“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.
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
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)
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.
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