1

ĐẠI HỌC THÁI NGUYÊN
ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

NGUYỄN VĂN TÙNG
Sử dụng phƣơng pháp mạng noron nhân tạo để tối
ƣu hóa chế độ cắt, ứng dụng để tiện thép 9XC sử dụng
mảnh dao PCBN.”
2014 2


…………………………………………… Nguyễn Văn Tùng 4

Mục lục

LỜI CAM ĐOAN 1
LỜI CẢM ƠN 3
Mục lục 4
Danh mục các hình vẽ và đồ thị 7
PHẦN MỞ ĐẦU 9
1. GIỚI THIỆU CHUNG 9
ỨU 11
11
11
. 12
12
12
12
12
12
12
Chƣơng 1. 13
TỔNG QUAN VỀ TỐI ƢU HÓA CHẾ ĐỘ CẮT 13
1. TỔNG QUAN VỀ TỐI ƢU HÓA 13
1.1 Khái niệm và ý nghĩa của tối ƣu hóa 13

1.1.2 Mạng nơron sinh học 27
1.2 Mạng nơ ron nhân tạo 28
1.2.1 Khái niệm 28
1.2.2 Mô hình nơron 31
1.3 Cấu trúc mạng 34
1.3.1 Mạng một lớp 34
1.3.2 Mạng nhiều lớp 35
1.3.3 Phân loại mạng nơron 37
1.4. Cấu trúc dữ liệu vào mạng 39
1.4.1 Mô tả véc tơ vào đối với mạng tĩnh 39
1.4.2 Mô tả véc tơ vào liên tiếp trong mạng động 39
1.4.3 Huấn luyện mạng 40
2. Tối ƣu hóa sử dụng mạng nơ ron nhân tạo. 46
2.1 Cấu trúc mạng nơ ron nhân tạo cho bài toán tối ƣu 46
2.2 Các bƣớc giải bài toán tối ƣu chế độ cắt 47
3. Tạo mạng nơ ron thông qua thanh công cụ network neural trong matlab 48 6

3.1 Xây dựng ma trận dữ liệu đầu vào và đầu ra cho việc luyện mạng 48
3.2. Tạo mạng nơ ron trong matlab 48
4. Kết luận chƣơng 2 57
Chƣơng III. 59
ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO ĐỂ TỐI ƢU HÓA CHẾ ĐỘ CẮT KHI
TIỆN THÉP 9XC ĐÃ TÔI BẰNG DAO PCBN 59
1. Khái niệm chung về tiện cứng 59
2. Vật liệu dụng cụ cắt PCBN 60
3. Thiết bị thực nghiệm 63
4. Sử dụng ANN để tối ƣu hóa chế độ cắt khi tiện thép 9XC bằng dao PCBN 67

Danh mục các hình vẽ và đồ thị
TT
Tên hình vẽ
Trang
1.
1.1.Sơ đồ quá trình tối ưu hóa động
14
2.
2.1. Mô hình hai nơ ron sinh học
27
3.
2.2: Mô hình nơ ron đơn giản
29
4.
2.3 Mạng nơ ron 3 lớp
29
5.
2.4 Cấu trúc huấn luyện mạng nơ ron
30
6.
2.5a,b Mô hình nơ ron đơn giản
31
7.
2.6 Một số hàm truyền của mạng nơ ron
32
8.
2.7 Nơ ron với R đầu vào
32
9.
2.8 Ký hiệu nơ ron với R đầu vào

49
20.
Hình 2.19. Chọn dữ liệu input và output cho mạng
50
21.
2.20. Chọn dữ liệu đầu vào
50
22.
2.21. Chọn dữ liệu đầu ra
51
23.
Hình 2.22. Lựa chọn số nơ ron lớp ẩn
52
24.
Hình2.23. Thực hiện việc Luyện mạng (Training)
52
25.
Hình2.24. Thực hiện luyện mạng lại
53
26.
Hình 2.25.Lưu kết quả luyện mạng
54
27.
Hình 2.26. File quá trình luyện mạng
54
28.
Hình 2.27. Vị trí lưu giữ các file trong quá trình luyện mạng
56
38.
3.9 Kết quả đầu ra của quá trình luyện mạng
71
39.
3.10: Đồ thị thể hiện quá trình luyện mạng.
71
40.
3.11. Đồ thị của độ nhám Ra với các thông số chế độ cắt: Vận
tốc cắt với lượng chạy dao (a), chiều sâu cắt với vận tốc cắt (b), lượng
chạy dao và chiều sâu cắt (c).
72
41.
3.12. Đồ thị của diện tích gia công Sc với các thông số chế độ
cắt: Vận tốc cắt với lượng chạy dao (a), chiều sâu cắt với vận tốc cắt
(b), lượng chạy dao và chiều sâu cắt (c).
74
42.
3.13. Đồ thị thể hiện mối mối quan hệ của hàm đa mục tiêu z
với các thông số chế độ cắt
75

Danh mục bảng biểu

TT
Tên bảng biểu
Trang
1
Bảng 3.1 Các đặc trưng lý hóa của vật liệu CBN[35 ]
61
2

Tối ƣu hóa chế độ cắt là phƣơng pháp xác định chế độ cắt tối ƣu thông qua việc
xây dựng mối quan hệ toán học giữa hàm mục tiêu về kinh tế hoặc kỹ thuật của quá
trình gia công với các thông số của chế độ cắt tƣơng ứng trên một hệ thống công nghệ
xác định[1], nhằm đạt đƣợc các mục tiêu về kinh tế hoặc kỹ thuật của quá trình gia
công. Đây là một trong những việc chính khi lập kế hoạch gia công, nó giúp phần làm
tăng năng suất và hiệu quả gia công cũng nhƣ chất lƣợng sản phẩm. Tuy nhiên, đi sâu
vào phân tích quá trình cắt nó bao gồm chi phí xác định, đặc biệt là trong sản suất loạt
nhỏ hay trong trƣờng hợp gia công đơn chiếc thì nó rất cần thiết để có thể rút ngắn
nhất đến mức có thể các bƣớc xác định chế độ cắt tối ƣu. Nếu không chi phí phân tích
có thể vƣợt quá hiệu quả kinh tế mà nó có thể đạt đƣợc khi làm việc ở các điều kiện tối
ƣu. Vì lí do đó mà quá trình tối ƣu đƣợc đƣa vào công tác chuẩn bị để tiết kiệm thời
gian và giảm chi phí sản xuất. Nhƣ các biến đầu ra của quá trình gia công phụ thuộc
vào các điều kiện cắt, các quyết định liên quan đến lựa chọn các thông số cắt có ảnh
hƣởng quan trọng đến mức độ sản xuất, chi phí sản xuất và chất lƣợng sản xuất. Với
việc sử dụng máy CNC ngày càng tăng, tầm quan trọng của tối ƣu hóa chính xác thông
số điều kiện cắt thì rất cần thiết.
Lựa chọn các thông số cắt tối ƣu đã đƣợc nghiên cứu nhiều ở mặt lý thuyết và
đƣợc hỗ trợ từ các số liệu thực nghiệm của các nhà sản xuất dụng cụ, nhƣng với những
việc trong thực tế thì nó chƣa thể mang lại những phân tích chi tiết và các thông số tối
ƣu lý tƣởng. Để tối ƣu hóa các hoạt động của máy, các phƣơng pháp định lƣợng đã
đƣợc phát triển với sự xét đến chỉ một mục tiêu, chẳng hạn nhƣ giảm thiểu các chi phí
sản suất hoặc tối đa hóa lợi nhuận, vv và các hàm mục tiêu đó là: chất lƣợng bề mặt
(Ra), Chi phí sản xuất (Cp), thời gian gia công (Tp). Hoặc tối ƣu hoá đa mục tiêu bằng
phƣơng pháp thực nghiệm [2,13] để tìm cực trị và miền tối ƣu hoá theo các chỉ tiêu đã
đề ra.
Đã có nhiều nghiên cứu về tối ƣu hóa đơn mục tiêu đƣợc nghiên cứu nhƣ:
phƣơng pháp vi phân[19], phƣơng pháp phân tích hồi quy[16], phƣơng pháp quy
hoạch tuyến tính[19], phƣơng pháp bề mặt chỉ tiêu [2,18] và mô phỏng máy tính.
Trong khi hầu hết các nghiên cứu tối ƣu hóa đơn mục tiêu thì cũng đã có những nghiên


cứu về ứng dụng mạng nơ ron vào sản xuất tích hợp máy tinh nhƣ: Mô hình hóa các
quá trình[26]; điều khiển thích nghi của quá trình cắt[31]; dự đoán của độ nhám bề
mặt, lực cắt, rung động,hình dạng phôi[27]; dự đoán về mòn dụng cụ và phá hủy dụng
cụ[30]; giải quyết các vấn đề tối ƣu hóa[31]. Tối ƣu hóa chế độ cắt sử dụng phƣơng 11

pháp mạng nơ ron [17]; tối ƣu hóa sử dụng thuật toán Grey, mạng noron nhân tạo. Ở
trong nƣớc đã có những nghiên cứu về tối ƣu hóa chế độ cắt sử dụng phƣơng pháp
tuyến tính [7]; Tối ƣu hóa chế độ cắt khi phay vật liệu SKD61 bằng mảnh dao phủ
PVD – TIALN [11]; Tuy nhiên những nghiên cứu sử dụng phƣơng pháp mạng nơ ron
nhân tạo còn chƣa nhiều, mà chỉ sử dụng mạng nơ ron nhân tạo trong các nghiên cứu
về dự đoán, nhận dạng[3,10], phân loại[9] nhƣ: Sử dụng mạng nơ ron nhân tạo
trong dự báo lƣu lƣợng nƣớc đến hồ hòa bình trƣớc mƣời ngày [6]; Nghiên cứu ứng
dụng mạng mơ ron nhân tạo giải quyết lớp bài toán dự đoán và phân loại [9]; Nghiên
cứu sử dụng mạng Nơ ron nhân tạo để nhận dạng ký tự [10].
Từ các phân tích trên, có thể nói cho đến nay trong nƣớc ta đã có khá nhiều
nghiên cứu về tối ƣu hóa thông số chế độ cắt sử dụng các phƣơng pháp truyền thống
và có nhiều nghiên cứu về mạng nơ ron nhân tạo nhƣng chủ yếu ở trong lĩnh vực điều
khiển, dự đoán, phân loại vv Đến nay vẫn chƣa có nghiên cứu nào của các tác giả
trong nƣớc về sử dụng phƣơng pháp mạng nơ ron nhân tạo để tối ƣu hóa chế độ cắt, áp
dụng để gia công thép 9XC với mả ật
toán của mạng nơ ron nhân tạo để tìm ra bộ thông số tố ạ
ắ nâng
cao nâng suất, giảm chi phí gia công và nâng cao chất lƣợng bề mặt.
2
2.1.M
- Chứng minh khả năng của ANN ứng dụng cho việc tối ƣu hóa các thông số chế
độ cắt, và nó phù hợp cả với sản xuất loạt nhỏ và đơn chiếc. Phƣơng pháp mô tả nhằm

- Các kết quả nghiên cứu sẽ xác định đƣợc thông số cắt tối ƣu khi gia công
sản phẩm bằng thép 9XC qua tôi. Các kết quả này sẽ đƣợc ứng dụng để gia công
các sản phẩm nhƣ con lăn dây truyền cán.
5.
- Kết quả nghiên cứu sẽ là cơ sở khoa học cho việc tối ƣu hóa quá trình tiện
thép 9xc.
- Đề tài sẽ bổ sung đƣợc một số kết quả nghiên cứu cơ bản về tiện thép 9XC
trong điều kiện kỹ thuật và công nghệ cụ thể ở Việt Nam.
13

Chƣơng 1.
TỔNG QUAN VỀ TỐI ƢU HÓA CHẾ ĐỘ CẮT
1. TỔNG QUAN VỀ TỐI ƢU HÓA
1.1 Khái niệm và ý nghĩa của tối ƣu hóa
Tối ƣu hóa quá trình gia công cắt gọt là phƣơng pháp nghiên cứu xác định chế
độ cắt tối ƣu thông qua mối quan hệ toán học giữa hàm mục tiêu kinh tế với các thông
số của chế độ gia công ứng với một hệ thống giới hạn về mặt máy, chất lƣợng, kỹ
thuật và tổ chức của nhà máy.
Các bƣớc cơ bản của việc nghiên cứu tối ƣu hóa quá trình cắt gọt bao gồm:
- Xây dựng hàm mục tiêu của quá trình gia công
- Xây dựng các giới hạn từ đó xác định miền giới hạn của bài toán
- Khảo sát, biện luận để xác định chế độ công nghệ hợp lý.
Trong bài toán tối ƣu hóa toàn phần của quá trình gia công.
- Các thông số đầu vào là:
+ Trang thiết bị: Máy, đồ gá và phƣơng pháp gá đặt phôi.
+ Phôi: Vật liệu phôi, hình dáng phôi và cơ lý tính của phôi.
+ Dụng cụ cắt: Vật liệu dụng cụ cắt, thông số hình học của dụng cụ cắt.

giản, dễ áp dụng và đảm bảo tính hiệu quả.
1.2.2 Tối ƣu hóa động
Còn gọi là tối ƣu hóa quá trình cắt gọt, là quá trình nghiên cứu tối ƣu hóa dựa
trên mô hình động của quá trình cắt gọt do đó trong quá trình nghiên cứu có chú ý tới
các đặc điểm trên mang tính ngẫu nhiên và thay đổi theo thời gian. 15
1.1.Sơ đồ quá trình tối ưu hóa động
Theo hình 1.1 quá trình cắt hệ thống các đại lƣợng đo lƣờng đo các đại lƣợng
thuộc về chi tiết (nhƣ: kích thƣớc chi tiết, sai số hình dạng của chi tiết) các đại lƣợng
thuộc về dao và hệ thống công nghệ nhƣ (độ mòn dao, lực cắt, nhiệt cắt, rung động của
hệ thống công nghệ) và chuyển sang hệ thống xử lý nhanh. Sau đó hệ thống xử lý
nhanh xác định ngay chế độ cắt tối ƣu và kết quả cho bộ phận tiếp theo để tự động
điều chỉnh máy làm việc theo chế độ cắt đã đƣợc xác định.
Trong quá trình làm việc mặc dù xuất hiện yếu tố ngẫu nhiên và thay đổi theo
thời gian nhƣ độ cứng vật liệu không đồng nhất, lƣợng dƣ gia công không đều, lƣợng
mòn của dao thay đổi theo thời gian, nhƣng nhờ có các tín hiệu do hệ thống đo lƣờng
chủ động cung cấp, hệ thống xử lý nhanh và luôn luôn xác định đƣợc chế độ cắt hợp lý
ở các thời điểm tƣơng ứng, cung cấp kịp thời cho hệ thống điều khiển tự động đảm bảo
cho máy luôn luôn làm việc với chế độ hợp lý.
Nhƣ vậy khác với tối ƣu hóa tĩnh, ở tối ƣu hóa động chế độ gia công chẳng
những đƣợc điều chỉnh trƣớc mà còn đƣợc tự động điều chỉnh ngay trong quá trình cắt. 16


nhƣ chi phí thấp nhất, chất lƣợng tốt nhất và năng suất cao nhất.Tuy nhiên, việc tối ƣu 17

hóa đơn mục tiêu chỉ có giá trị giới hạn bởi vì bản chất phức tạp của quá trình gia công
đòi hỏi các mục tiêu khác nhau và đối kháng phải đƣợc tối ƣu hóa đồng thời[4, 25].
Các mô hình của quá trình cắt có thể đƣợc xây dựng bằng phƣơng pháp phân
tích, phƣơng pháp số và phƣơng pháp thực nghiệm. Trong phƣơng pháp phân tích, mô
hình đƣợc xây dựng dựa trên các định luận vật lý cơ bản nhƣ mô hình lực cắt của
Merchant, mô hình tính góc mặt phẳng trƣợt của Oxley Phƣơng pháp thực nghiệm
xây dựng mô hình dựa trên các đo đạc thực nghiệm, điển hình là mô hình xác định tuổi
thọ dụng cụ của Taylor. Phƣơng pháp phân tích số xây dựng mô hình dựa trên toán
học ứng dụng kết hợp với máy tính thông qua các thuật toán và chƣơng trình nhƣ:
Phƣơng pháp phần tử hữu hạn, phƣơng pháp sai phân hữu hạn, các phƣơng pháp mô
hình trí tuệ nhân tạo nhƣ: Mạng nơron nhân tạo, lý thuyết logic mờ
2.2 Các hàm mục tiêu
Tronggia công, chất lƣợng bề mặt chi tiết là một trong những chỉ tiêu quan trọng
nhất, thông số đặc chƣng của chất lƣợng bề mặt đó là nhám bề mặt ngoài ra thì nhà sản
suất luôn mong muốn nâng cao năng suất và giảm thiểu tối đa chi phí sản suất. Để
nâng cao năng suất thì ngƣời ta có thể tính toán thông qua tốc độ sản suất (T
p
) hay
thông qua diện tích gia công, và việc giảm thiểu chi phí sản suất (C
p
) thì có thể tính
toán qua tuổi bền của dao (T).
Hàm mục tiêu tổng quát có dạng:
y = f(x)
Trong đó:

- thời gian nghỉ của dao trong quá trình làm việc,
V – là khối lƣợng vật liệu đƣợc bóc tách.
V = Sc.t (1.3)
Trong đó:
t – chiều sâu cắt.
Sc - diện tích bề mặt chi tiết gia công đƣợc tính: Sc = πDL (1.4)
Tuổi bền dụng cụ là thời gian đƣợc tính giữa các lần mài lại hoặc thời gian dụng
cụ dùng đến khi thay dao. Mối quan hệ giữa tuổi bền của dụng cụ và các điều kiện cắt
đƣợc thể hiện thông qua công thức Taylor:
T = k
T
/v
α1
.f
α2
.t
α3
(1.5)
Trong đó: α1, α2,α3 là các hệ số phụ thuộc vào vật liệu dao, chi tiết và điều
kiện gia công. Khi đo thực tế T cũng có thể đƣợc tính theo công thức:
T = Sc./(3.14*D*f) (1.6)
Trong đó:
D – đƣờng kính chi tiết gia công
L- chiều dài chi tiết gia công.
2.2.2 Chi phí sản suất
Chi phí sản suất có thể đƣợc tính nhƣ là chi phí để sản suất một sản phẩm C
p
, nó
phụ thuộc vào các giá trị điều kiện cắt: v,f,t thông qua T và T
p

k, x
1
,x
2
, và x
3
là các hằng số liên quan đến mối quan hệ giữa dao và phôi.
2.2.4 Các điều kiện ràng buộc
Từ những kết quả thống kê thực nghiệm, nhà sản xuất đƣa ra những giới hạn cho
việc lựa chọn các thông số v,f,t.
v
min
≤ v ≤ v
max
; f
min
≤ f ≤ f
max
; t
min
≤ t ≤ t
max
Điều kiện ràng buộc các thông số điều kiện cắt cũng phải đƣợc kiểm tra cụ thể
theo khả năng của phôi và máy gia công.
Lực cắt và công suất máy.
Năng lƣợng đƣợc tiêu thụ trong quá trình cắt đƣợc tính theo công thức:
P = F.v/(6122,45. ) (1.9)
Trong đó: - là hiệu suất máy, F là lực cắt đƣợc tính theo công thức:
F = k
F

minT
p
(v,f,t)
minR
a
(v,f,t)
minC
p
(v,f,t)
2.3. Phƣơng pháp giải bài toán tối ƣu đa mục tiêu
Một trong những cách phân loại điển hình các phƣơng pháp tối ƣu hóa đa mục
tiêu là phƣơng pháp vô hƣớng và phƣơng pháp véc tơ. Với phƣơng pháp vô hƣớng,
các phần tử của véc tơ hàm mục tiêu đƣợc kết hợp để tạo thành một hàm mục tiêu vô
hƣớng. Sau đó có thể sử dụng phƣơng pháp tối ƣu đơn mục tiêu, tiêu chuẩn để tối ƣu
hóa hàm vô hƣớng đó. Khái niệm tối ƣu véc tơ ngụ ý rằng mỗi hàm mục tiêu đƣợc xử
lý một cách độc lập[20].
Nguyện vọng chung cho một quá trình giải bài toán tối ƣu hóa đa mục tiêu có
thể là đạt đƣợc một giải pháp thỏa hiệp hoặc một giải pháp ƣu tiên hoặc có thể nhận
biết tất cả các giải pháp không thể vƣợt trội. Vì vậy, phƣơng pháp giải bài toán tối ƣu
đa mục tiêu cũng có thể chia làm hai loại: một là các phƣơng pháp phát sinh, hai là các
phƣơng pháp dựa trên các mức ƣu tiên[23]. Các phƣơng pháp phát sinh đƣợc phát triển
để nhận biết toàn bộ giải pháp tối ƣu Pareto hoặc một bộ tƣơng tự. Các phƣơng pháp
dựa trên các mức ƣu tiên cố gắng đạt đƣợc một giải pháp thỏa hiệp hoặc giải pháp
đƣợc ƣa chuộng. Nếu không có kiến thức trƣớc về cấu trúc ƣu tiên của các mục tiêu,
phải chấp nhận phƣơng pháp phát sinh để xem xét tất cả các lựa chọn không thể vƣợt
trội. Nếu đã có một vài ý tƣởng về mức độ quan trọng tƣơng quan của các mục tiêu, có
thể định lƣợng mức độ ƣu tiên. Với thông tin về mức độ ƣu tiên, có thể nhận biết đƣợc
giải pháp ƣu tiên hoặc thỏa hiệp.
Từ khía cạnh kỹ thuật giải bài toán, hầu hết các phƣơng pháp truyền thống đều
giảm đa mục tiêu xuống thành đơn mục tiêu, sau đó sử dụng các công cụ lập trình toán

(x)≤0, j = 1,2, ,m
h
l
(x)≤0, l = 1,2, ,e
Hàm trên là không khả vi nên thƣờng đƣợc đƣa về dạng bài toán của thông số
S; x S có dạng:
Cực tiểu hóa hàm:
S; x S
Chịu ràng buộc:
c. Phƣơng pháp tiêu chuẩn tổng thể trọng số
Đây là một phƣơng pháp vô hƣớng kết hợp tất cả các hàm mục tiêu để tạo thành
một hàm duy nhất. Bài toán tối ƣu đa mục tiêu có dạng[20];
Cực tiểu hóa hàm:
Nếu các thành phần có mức ƣu tiên khác nhau, véc tơ trọng số đƣợc thêm vào
để biển diễn mức độ quan trọng: 22

Cực tiểu hàm:
Các giải pháp sử dụng công thức tiêu chuẩn tổng thể phụ thuộc vào giá trị của
cả w và p. Nói chung, p tỉ lệ thuận với mức độ quan trọng của việc cực tiểu hóa hàm
có sai lệch nhất giữa . Căn 1/p có thể bỏ qua vì việc công thức hóa có hay
không có căn về lý thuyết cung cấp lời giải nhƣ nhau.
Tùy thuộc vào việc thiết lập giá trị p, phƣơng pháp tiêu chuẩn tổng thể có thể
biến đổi thành các phƣơng pháp thông thƣờng khác.
d. Phƣơng pháp thứ tự từ điển học
Với phƣơng pháp thứ tự từ điển học, các mức ƣu tiên đƣợc đề xuất bởi thứ tự
các hàm mục tiêu theo nhƣ mức độ quan trọng hoặc mức ý nghĩa của chúng chứ không
phải phân bố các trọng số. Các hàm mục tiêu đƣợc xắp xếp theo thứ tự quan trọng.

(x), i = 1,2, ,k 23

Chịu ràng buộc: g
j
(x)≤0, j = 1,2, ,m
h
l
(x)≤0, l = 1,2, ,e
l
i
≤ f
i
(x) ≤
i
; i = 1÷k; i ≠ s
Với l
i
và
i
là giới hạn dƣới và giới hạn trên của hàm mục tiêu thứ f
i
(x). Theo
cách này, những ƣu tiên đƣợc đề xuất bằng cách thiết lập giới hạn cho các mục tiêu.
Phương pháp ràng buộc là một biết đổi của phƣơng pháp hàm mục tiêu bị giới hạn
trong đó l
i
bị loại trừbài toán tối ƣu có dạng:

đƣợc thảo luận trong nhiều tài liệu. Có thể sử dụng một hƣớng dẫn chung nhƣ sau:
f
i
(x
i
*
)≤ ≤ f
s
(x
i
*
)
f. Phƣơng pháp quy hoạch đích.
Trong phƣơng pháp này đích cần đạt đƣợc cho mỗi mục tiêu đƣợc thiết lập và
độ lệch của mỗi hàm mục tiêu so với các đích đƣợc đánh giá để cực tiểu hóa chúng.
Phƣơng pháp quy hoạch đích nói chung cho các bài toán phi tuyến nhƣ sau[20]:
Cực tiểu hóa hàm:
Chịu ràng buộc: f
i
(x) - = T
i
, i = 1,2, ,r
g
j
(x)≤0, j = 1,2, ,m
h
l
(x)=0, l = 1,2, ,p
i
(x
i
*
) ≥ 0, i = 1,2, ,k
g
j
(x)≤0, j = 1,2, ,m
h
l
(x)=0, l = 1,2, ,p
g. Phƣơng pháp giải thuật di truyền(GAs)
GAs mô phỏng lại quá trình tiến hóa của sinh vật và dựa trên học thuyết Darwin
về chọn lọc tự nhiên. Cơ chế cụ thể của giải thuật bao gồm các ngôn ngữ về sinh học
và quá trình phát triển các giải pháp tiềm năng bắt trƣớc quá trình di truyền. Một quần
thể là một tập hợp các điểm giải pháp thiết kế trong không gian thiết kế. Một quần thể
con là một tập hợp con các điểm trong một thế hệ. Một thế hệ chỉ một vòng lặp tính
toán. Điểm sống sót là điểm đƣợc chọn để sử dụng trong vòng lặp tiếp theo. Một
nhiễm sắc thể so sánh với một điểm thiết kế và một gien có thể so sánh với một thành
phần của véc tơ thiết kế.
3. Kết luận chƣơng 1.
Chƣơng này tác giả nghiên cứu tổng quan về tối ƣu hóa quá trình gia công, cơ sở
lý thuyết của bài toán tối ƣu hóa chế độ cắt. Nghiên cứu các hàm mục tiêu trong quá
trình gia công.Các mô hình của quá trình cắt có thể đƣợc xây dựng bằng nhiều phƣơng
pháp nhƣ: Phƣơng pháp phân tích, phƣơng pháp số và phƣơng pháp thực nghiệm. Và
một số phƣơng pháp giải bài toán tối ƣu đa mục tiêu trong quá trình gia công.Khi sử
dụng các phƣơng pháp tối ƣu hóa này thì để tìm ra đƣợc các thông số cắt tối ƣu sẽ mất
rất nhiều thời gian, dẫn đến chi phí cho việc phân tích tìm các thông số tối ƣu cũng
tăng cao vì vậy nó chỉ phù hợp với sản xuất loạt lớn, hàng khối. Mà xu hƣớng ngày
nay đã bắt đầu quay lại thời kỳ sản suất loạt vừa và nhỏ để đáp ứng những thay đổi