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
1


LỜI CAM ĐOAN

Tôi xin cam đoan các số liệu và kết quả nêu trong Luận văn là trung thực và chƣa
từng đƣợc ai công bố trong bất kỳ một công trình nào khác. Trừ các phần tham khảo
đã đƣợc nêu rõ trong Luận văn.
………………………………………………..Tác giả

……………………………………………..Nguyễn Văn Tùng

2


LỜI CẢM ƠN

Trong quá trình học tập, làm luận văn, tác giả đã nhận đƣợc rất nhiều sự giúp
đỡ, chỉ bảo của các thầy cô giáo đã giảng dạy, hƣớng dẫn, giúp tác giả hoàn thành tốt
chƣơng trình học cao học và hoàn thiện đƣợc luận văn này.
Tác giả xin cảm ơn thầy giáo hƣớng dẫn PGS.TS. Nguyễn Quốc Tuấn, Đại học

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
1.2 Các hình thức tối ƣu hóa ......................................................................................14
1.2.1 Tối ƣu hóa tĩnh...............................................................................................14
1.2.2 Tối ƣu hóa động .............................................................................................14
2. BÀI TOÁN TỐI ƢU HÓA CHẾ ĐỘ CẮT ...............................................................16
2.1 Cơ sở lý thuyết để xây dựng bài toán...................................................................16
2.2 Các hàm mục tiêu .................................................................................................17
2.2.1 Tốc độ sản xuất (Năng suất gia công) ...........................................................18
2.2.2 Chi phí sản suất .............................................................................................18
2.2.3 Chất lƣợng bề mặt..........................................................................................19
2.2.4 Các điều kiện ràng buộc ................................................................................19
4


2.3. Phƣơng pháp giải bài toán tối ƣu đa mục tiêu....................................................20
2.4. Một số phƣơng pháp giải bài toán tối ƣu đa mục tiêu cơ bản ............................21
a. Phƣơng pháp tổng trọng số .................................................................................21
b. Phƣơng pháp cực tiểu cực đại trọng số (phƣơng pháp Tchebycheff).................21
c. Phƣơng pháp tiêu chuẩn tổng thể trọng số..........................................................21
d. Phƣơng pháp thứ tự từ điển học..........................................................................22
e. Phƣơng pháp hàm mục tiêu bị giới hạn ..............................................................22
f. Phƣơng pháp quy hoạch đích. .............................................................................23
g. Phƣơng pháp giải thuật di truyền(GAs) .............................................................24
3. Kết luận chƣơng 1. ....................................................................................................24
CHƢƠNG II ..................................................................................................................26
TỐI ƢU HÓA CHẾ ĐỘ CẮT BẰNG...........................................................................26
CÁCH SỬ DỤNG MẠNG NORON NHÂN TẠO .......................................................26

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
4.1. Xây dựng ma trận thí nghiệm..............................................................................67
4.2 Học và luyện mạng...............................................................................................69
4.2.1 Ma trận dữ liệu vào ........................................................................................69
4.2.2 Ma trận dữ liệu ra...........................................................................................69
4.2.3. Cấu trúc mạng nơ ron dùng để tối ƣu hóa ....................................................69
4.3.Tạo mạng nơ ron thông qua thanh công cụ network neural.................................70
4.3.1 Tạo các ma trận dữ liệu trong matlab ............................................................70
4.3.2 Chƣơng trình học và luyện mạng ..................................................................70
4.4.Kết quả việc Sử dụng phƣơng pháp ANN và phƣơng pháp vét cạn để giải bài
toán tìm giá trị tối ƣu (vop, fop, top) ..............................................................................76
4.4.1. Kết quả thực hiện cho bài toán tối ƣu hóa đơn mục tiêu. .............................77
4.4.2 Kết quả thực hiện cho bài toán tối ƣu đa mục tiêu (Tp, Cp, Ra) ...................78
5. Kết luận chƣơng 3. ....................................................................................................78
KẾT LUẬN VÀ PHƢƠNG HƢỚNG NGHIÊN CỨU TIẾP THEO............................80
1. Kết luận......................................................................................................................80
2. Phƣơng hƣớng nghiên cứu tiếp theo..........................................................................80
Tài liệu tham khảo .........................................................................................................81
Tài liệu tham khảo .........................................................................................................81

6


Danh mục các hình vẽ và đồ thị
TT Tên hình vẽ

Trang

1.


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

33

10.

2.9 Một số hàm truyền thông dụng

33

11.

17.
2.16 Một nơ ron với 2 đầu vào

38

18. Hình 2.17 Nơ ron có chứa khâu trễ
19. Hình 2.18. Giới thiệu vè mạng nơ ron

39

20. Hình 2.19. Chọn dữ liệu input và output cho mạng
21.
2.20. Chọn dữ liệu đầu vào

50

22.

51

2.21. Chọn dữ liệu đầu ra

39

49

50

23. Hình 2.22. Lựa chọn số nơ ron lớp ẩn
24. Hình2.23. Thực hiện việc Luyện mạng (Training)

3.2 Các dạng mảnh PCBN
3.3 Máy tiện Quick turn smat 200 tại trung tâm thí nghiệm
32.
trường ĐH KTCN
33.
3.4 Thân dao tiện ngoài của hãng Sandvik
34.
3.5 Mảnh dao PCBN của hãng Sandvik

63

35. Hình 3.6. Thiết bị đo nhám bề mặt
36.
3.7 Sơ đồ thí nghiệm tối ưu hóa khi tiện

66

37. Hình 3.8 Cấu trúc mạng nơ ron truyền thẳng
38.
3.9 Kết quả đầu ra của quá trình luyện mạng

68

39.

71

3.10: Đồ thị thể hiện quá trình luyện mạng.
3.11. Đồ thị của độ nhám Ra với các thông số chế độ cắt: Vận
40. tốc cắt với lượng chạy dao (a), chiều sâu cắt với vận tốc cắt (b), lượng

Bảng 3.1 Các đặc trưng lý hóa của vật liệu CBN[35..]

61

2

Bảng 3.2 So sánh các tính chất cơ lý của PCBN với một vài vật liệu
dụng cụ có tính năng cắt cao [59].

62

3

Bảng 3.3 Thông số kỹ thuật của máy tiện CNC

64

4

Bảng 3.4 Thành phần hóa học của phôi thép 9XC[100..].

65

5

Bảng3.5. Giá trị nhám bề mặt và diện tích bề mặt gia công tại các
điểm thí nghiệm
Bảng 3.6. Dữ liệu các điểm thí nghiệm và giá trị kết quả các hàm mục tiêu.

67

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
9


cứu về tối ƣu hóa đa mục tiêu. Tuy nhiên, trong thực tế ứng dụng, các nhà sản xuất
thƣờng gặp phải các vấn đề là tối ƣu hóa đồng thời nhiều mục tiêu, các mục tiêu
thƣờng mâu thuẫn nhau và không thể so sánh. Ví dụ nhƣ khi gia công thì các biến
năng suất gia công, chi phí sản suất, và chất lƣợng sản phẩm đƣợc đề cập. Chúng ta
muốn giảm nhỏ nhất cho chi phí sản xuất, nhƣng đồng thời là tăng tối đa năng suất và
chất lƣợng sản phẩm. Việc tăng tốc độ cắt thì sẽ làm tăng năng suất nhƣng đồng thời
nó cũng làm tăng lƣợng mòn dụng cụ dẫn đến tăng chi phí sản xuất và làm giảm chất

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
mục đích để tối đa hóa năng suất, giảm chi phí sản xuất và nâng cao chất lƣợng sản
phẩm.
2.2. M

ật toán của ANN và các dữ liệu có sẵn để
tiến hành tìm các thông số chế độ cắt tối ƣu (v, f, t) sau đó tiến hành thí nghiệm lại với
các thông số đó để kiểm tra lại kết quả mà thuật toán mang lại.
5
5.
- 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.

12


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.

làm việc theo các thông số của chế độ đó. Trong quá trình làm việc các thông số này
đƣợc điều chỉnh lại.
Do đặc điểm trên đây, tối ƣu hóa tĩnh chƣa giải quyết vấn đề triệt để. Mặc dù
vậy ngày nay tối ƣu hóa tĩnh vẫn đƣợc nghiên cứu và ứng dụng rộng rãi vì nó rất đơn
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.

14


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.
15


số vận tốc cắt (v), bƣớc tiến (f) và chiều sâu cắt (t) sao cho đáp ứng đƣợc các mục đích
nhƣ chi phí thấp nhất, chất lƣợng tốt nhất và năng suất cao nhất.Tuy nhiên, việc tối ƣu
16


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 (Tp) hay
thông qua diện tích gia công, và việc giảm thiểu chi phí sản suất (Cp) thì có thể tính
toán qua tuổi bền của dao (T).
Hàm mục tiêu tổng quát có dạng:
y = f(x)
Trong đó:
y - là chỉ tiêu tối ƣu, chính là đại lƣợng ra
x - là các thông số công nghệ cần tối ƣu - chính là đại lƣợng vào.
* Giới hạn về nghiên cứu:
- Các đại lƣợng vào: Bộ thông số chế độ cắt v, f, t

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 Cp, nó
phụ thuộc vào các giá trị điều kiện cắt: v,f,t thông qua T và Tpđƣợc cho theo công
thức[17];
18


Luận án đầy đủ ở file: Luận án Full