Header Page of 258 33 CHƯƠNG 3: PHƯƠNG PHÁP XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG TRÊN MÁY PHAY CNC 3.1 Xây dựng mơ hình xác định chế độ cắt tối ưu phay CNC Giải tốn tối ưu cơng nghệ gia cơng khí lớp tốn thực nghiệm, giải vấn đề triệt để nên hàm mục tiêu giới hạn biên phải tiếp cận đến hàm thực nghiệm Cách tiếp cận đáp ứng u cầu cơng nghệ ngày xác khắt khe thời gian tới Trên sở thực cho loại vật liệu hệ thống công nghệ cụ thể mở rộng cho lớp dạng tương tự Với cách tiếp cận ứng dụng giải pháp trí tuệ nhân tạo qui hoạch thực nghiệm Taguchi đưa qui trình xác định chế độ cắt tối ưu hình 3.1 Bắt đầu Thiết kế ma trận thí nghiệm trực giao Taguchi Thực nghiệm thu thập liệu Thiết lập mối quan hệ thực nghiệm: sử dụng mạng mờ nơ ron giải thuật lan truyền ngược kết hợp ABC Phân tích thực nghiệm Taguchi: đánh giá mức độ ảnh hưởng chế độ cắt đến đầu nhiễu Thành lập toán tối ưu Xác định biến giải toán tối ưu Giải toán tối ưu: sử dụng giải thuật trí tuệ bầy đàn ABC In lưu kết tối ưu Kết thúc Hình 3.1 Sơ đồ tiến trình xác định chế độ cơng nghệ tối ưu Qui trình bao gồm bước: Footer Page of 258 Header Page of 258 34 Bước 1: thiết kế ma trận thí nghiệm trực giao Taguchi Ma trận thí nghiệm trực giao Taguchi thiết kế dựa nguyên tắc xác xuất xuất yếu tố nhau, phụ thuộc vào số yếu tố số mức cần khảo sát cho mối yếu tố [16], [17] Bước 2: thực nghiệm thu thập liệu Tiến hành thực nghiệm máy thu thập liệu quan tâm (độ nhám bề mặt, khối lượng kim loại bách tách, lực cắt, lượng mòn dụng cụ cắt) Bước 3a: thiết lập mối quan hệ thực nghiệm Xây dựng hàm toán học quan hệ chế độ cắt với độ nhám bề mặt, suất cắt, lực cắt, lượng mòn dao theo phương pháp mạng mờ nơ ron sử dụng giải thuật lan truyền ngược ABC xác định tham số hệ thống mạng giải thuật ABC thực tìm tham số tương đối tốt làm đầu vào (bộ trọng số ban đầu) cho giải thuật lan truyền ngược Bước 3b: phân tích thực nghiệm Taguchi Mục đích để đánh giá, ước lượng mức độ ảnh hưởng chế độ cắt đến độ nhám bề mặt, suất cắt, lực cắt, lượng mòn dụng cụ nhiễu Trên sở tác động nhiễu định giữ thí nghiệm hay tiến hành lặp lại thí nghiệm với điều kiện thí nghiệm cải thiện Bước 4a: thành lập toán tối ưu nhằm làm rõ mục đích người làm công nghệ Tối ưu hàm mục tiêu đạt giá trị lớn hay nhỏ với điều kiện biên rõ ràng Bước 4b: xác định biến cho toán tối ưu Dựa vào phân tích Taguchi xác định yếu tố ảnh hưởng mạnh nhất, yếu đến hàm mục tiêu Trên sở định chọn biến đưa vào làm biến cho toán tối ưu Bước thể tính kinh tế tham gia vào điều khiển thông số công nghệ Bước 5: giải tốn tối ưu Sử dụng giải thuật trí tuệ bầy đàn ABC thực trình tìm kiếm nghiệm tối ưu hay nghiệm hợp lý Bước 6: xác định thông số chế độ cắt tối ưu đưa kết kết thúc trình Cách thức tiếp cận nghiệm tối ưu tối ưu hóa q trình gia cơng khí khắc phục nhược điểm so với mơ hình truyền thống bổ sung giai đoạn - Khắc phục nhược điểm: o Thiết lập mối quan hệ thực nghiệm: sử dụng phương pháp trí tuệ nhân tạo mạng mờ nơ ron giải thuật lan truyền ngược kết hợp ABC làm tăng khả dự đốn xác mối quan hệ tốn học mạng o Ứng dụng giải thuật trí tuệ bầy đàn ABC giải toán tối ưu mà hàm mục tiêu, hàm biên thiết lập từ mạng mờ nơ ron nên tăng độ xác dự đoán chế độ cắt tối ưu - Bổ sung giai đoạn: o Sử dụng phương pháp thiết kế thực nghiệm Taguchi phân tích thực nghiệm Taguchi xác định mức độ ảnh hưởng chế độ cắt đến đầu ảnh hưởng nhiễu để xác thực độ tin cậy q trình thực thí nghiệm thu thập liệu o Sử dụng phân tích Taguchi xác định biến cho toán tối ưu thể quan điểm kinh tế tham gia điều khiển thơng số chế độ cắt 3.2 Ứng dụng mạng mờ nơron giải thuật ABC xác định mối quan hệ thực nghiệm chế độ cắt thơng số đầu Sử dụng mơ hình mạng mờ nơ ron làm mơ hình tốn học xác định mối quan hệ thực nghiệm chế độ cắt với yếu tố đầu quan tâm như: độ nhám bề mặt (Rz, Ra), bước nhám (Rsn), bước sóng (S), lực cắt (F), nhiệt cắt (), lượng mòn dao (hs), suất cắt Q… Footer Page of 258 Header Page of 258 35 Mục đích mạng tìm qui luật tốn học thể mối quan hệ yếu tố đầu vào đầu tốt 3.2.1 Các tiêu đánh giá chất lượng mô hình tốn học mạng Các tham số mạng xác định thiết lập mạng mờ nơ ron Do cần tìm thơng số mạng để giá trị kết xuất mạng y bám giá trị đo thực tế d với tiêu chuẩn xác định Tiêu chuẩn phải phản ánh chất mối quan hệ thực nghiệm xác Gọi thông số giá trị đo thực tế là: x(i), d (i)) với i=1,2…n Trong đó: x giá trị đầu vào: x(i)  x1 (i), x2 (i), x3 (i)T x1 biến đầu vào mạng thể vận tốc cắt: x1=V (m/phút) x2 biến đầu vào mạng thể lượng tiến dao S: x2=S (mm/răng) x3 biến đầu vào mạng thể chiều sâu cắt t: x3=t (mm) d giá trị đầu tương ứng với x(i): d (i)  d1 (i), d (i), d (i), d (i)T d1 đầu đo nhấp nhô tế vi Rz (hay Ra) d2 đầu suất cắt Q d3 lực cắt F d4 lượng mòn dao hs - Gọi i sai lệch phần trăm tương đối giá trị kết xuất mạng giá trị thực đo đạc giá trị thí nghiệm thứ i là: d  yi i  i 100% (3.1) di - Sai số trung bình tồn liệu mẫu thí nghiệm đưa vào tb là: m  tb   i 1 i m Trong m số liệu đưa vào mạng - Độ phân tán sai số dự đoán  sai số i quanh giá trị sai số trung bình là: m    i 1   tb  i m 1 - Độ lệch trung bình bình phương tồn tập liệu E: Gọi e độ lệch điểm liệu: ei  d i  yi (3.2) (3.3) (3.4) Tổng giá trị sai lệch cho n liệu 2E, đó: n (3.5) E   ei i 1 Một mơ hình mạng có tham số mạng tốt giá trị sai số trung bình tb độ phân tán sai số  nhỏ tốt (tb, ), hay giá trị E nhỏ tốt Quá trình tìm tham số mạng thực thơng qua q trình lặp với tham số chọn ban đầu ngẫu nhiên Mỗi vòng lặp tìm tham số tương ứng làm giảm giá trị sai số trung bình, độ phân tán sai số hay giá trị E Vì so sánh độ tốt hay xấu tham số mạng qua tiêu chuẩn sau: Footer Page of 258 Header Page of 258 36 - So sánh giá trị (tb, ) tham số mạng - So sánh độ lệch trung bình bình phương E Nếu sử dụng số E làm tiêu chuẩn so sánh, đánh giá độ tốt xấu tham số mạng điều kiện dừng cho tốn tìm tham số mạng xảy số điểm liệu có sai lệch giá trị kết xuất mạng giá trị thực lớn Nó khơng phản ánh độ tập trung sai số hay phân tán sai số Nếu hai tham số cho E cho độ phân tán sai số khác Ở mong muốn sai lệch cho điểm liệu phải nhỏ sai lệch khơng phân tán q rộng Nếu phân tán rộng độ chênh lệch sai số lớn nhỏ lớn gây độ xác dự đốn mối quan hệ khơng cao Ngược lại ưu điểm dùng tiêu chuẩn E làm tiêu chuẩn dừng q trình tính tốn đơn giản hơn, nhanh Nếu sử dụng giá trị sai số trung bình độ phân tán sai số làm tiêu chuẩn dừng cho tốn, qúa trình tính toán nhiều lại cho khả điều chỉnh mơ hình mạng xác với mơ hình thực tế Trong luận án sử dụng sai lệch E làm cơng cụ giảm sai số tồn mẫu dùng sai số trung bình, phương sai sai số làm tiêu chuẩn dừng cho toán 3.2.2 Giải thuật ABC lan truyền ngược xác định tham số hệ thống mạng Các tham số tốn học mơ hình mạng xác định cụ thể chọn hàm liên thuộc số biến đầu vào cụ thể Giá trị hàm sai lệch E, sai số i, sai số trung bình tb, độ phân tán sai số  hàm quan hệ phụ thuộc vào tham số hệ thống mạng Gọi tham số mạng vector w mà thành phần wi thông số xác định hàm liên thuộc trọng số pi Bộ tham số hệ thống mạng w xác định qua vector tham số: w  [w1 , w2 , , wi , , wn ]T (3.6) Giá trị kết xuất đầu mạng hàm quan hệ phụ thuộc vào tham số mạng: (3.7) y  f w Các giá trị sai i, tb, , E hàm quan hệ phụ thuộc vào tham số mạng  i   i w ;  tb   tb w ;    w ; E  E w Để xác định tham số w cho giá trị đầu mạng bám sát giá trị thực di, sử dụng hai giải thuật lan truyền ngược giải thuật ABC a) Sơ đồ giải thuật lan truyền ngược Từ phân tích sử dụng phương pháp giảm dốc Gradient chương 2, thiết lập sơ đồ thuật toán lan truyền ngược điều chỉnh tham số hệ thống mạng thể hình 3.2 Quá trình bắt đầu việc khởi tạo ngẫu nhiên tham số hệ thống mơ hình mạng Bộ tham số thực chất nghiệm w0 khơng gian nghiệm xác định mơ hình toán học mạng Với tham số nghiệm ban đầu w0 tính tốn giá trị đầu kết xuất mạng tương ứng yi Tính tốn giá trị sai lệch ei, i,  tương ứng với liệu tập liệu vào, thực trình lặp kiểm tra điều kiện dừng Nếu điều kiện dừng khơng thỏa mãn thực q trình điều chỉnh cập nhật giá trị tham số hệ thống theo thuật tốn Q trình cập nhật tạo tham số hệ thống nghiệm w khơng gian nghiệm Thực kiểm tra vòng lặp giới hạn sai số trung bình Nếu sai số trung bình lớn sai số trung bình cho phép hay số lần lặp khơng vượt q giới hạn dừng tiếp tục q trình lặp cịn ngược lại kết thúc Footer Page of 258 Header Page of 258 37 cập nhật lại tham số hệ thống, lưu kết khỏi vịng lặp Thuật tốn sử dụng tiêu chuẩn dừng sai số trung bình số lần lặp Mục đích sử dụng tiêu chuẩn lặp nhằm tránh máy bị treo không thỏa mãn điều kiện dừng sai số trung bình nhỏ sai số trung bình cho phép Bắt đầu Khởi tạo tham số ban đầu xi d i Tính giá trị yi Tính ei=di-yi; i; tb;  tb≤[tb] Đúng Sai Điều chỉnh tham số wij(n)= wij(n-1)+wij(n-1) n≤[n] Sai Đúng Cập nhật tham số in kết Kết thúc Hình 3.2 Sơ đồ thuật tốn lan truyền ngược tính tốn tham số hệ thống mạng Footer Page of 258 Header Page of 258 38 Nhược điểm lớn giải thuật lan truyền ngược khả làm giảm sai lệch E phụ thuộc nhiều vào điểm khởi tạo ban đầu w0 hệ số học phân tích chương ưu điểm tốc độ hội tụ nhanh Nếu có điểm khởi tạo nghiệm ban đầu tốt cho đầu vào thuật tốn lan truyền ngược q trình hội tụ tiêu chuẩn dừng nhanh b) Sơ đồ giải thuật trí tuệ bầy ong nhân tạo Giải thuật bầy ong nhân tạo thuộc lớp trí tuệ bầy đàn, dựa quan sát tự nhiên bầy ong tìm mật hoa Đàn ong với cá thể chia làm nhóm ong khác nhau: ong thợ, ong tìm kiếm, ong giám sát Các cá thể ong giữ mối liên hệ với thông qua khu vực trao đổi thông tin Ong thợ điều khắp nơi để tìm kiếm nguồn mật hoa, nguồn mật hoa đại diện cho nghiệm w toán ong thợ đảm nhiệm Số lượng ong thợ quần thể bầy ong số lượng nghiệm sử dụng để khám phá nghiệm tối ưu Ong giám sát trung tâm trao đổi thơng tin đón nhận thơng tin từ ong thợ đưa về, so sánh lượng mật hoa nguồn thức ăn định chọn nguồn mật để khai thác độ giàu có nguồn mật Nguồn mật giàu có có hội chọn để khai thác Ong tìm kiếm ong theo hướng để tìm nguồn thức ăn mới, tìm thấy nguồn thức ăn ong biến thành ong thợ Qui trình tìm mật hoa sử dụng để tìm nghiệm tối ưu cho tốn tối ưu Với lý thuyết qui trình tìm kiếm mật hoa đàn ong ứng dụng để thành giải thuật tùy vào mục đích mức độ phức tạp toán để thiết lập gải thuật cho tối ưu chiến lược thời gian thực thực thuật toán Gải thuật luận án sử dụng giải tốn tối ưu khí với cách tiếp cận làm giảm thời gian thực thực thuật tốn Hàm sai lệch E=E(w), w vector tham số hệ thống mạng Cũng giống thuật tốn lan truyền ngược cần tìm tham số w* để giá trị hàm sai lệch hay sai lệch trung bình tb, độ phân tán sai số  đạt giá trị nhỏ Bản chất toán toán tối ưu sử dụng phương pháp lặp số với giải thuật trí tuệ bầy đàn lồi ong Dựa quy trình bầy ong trên, thuật toán ABC thiết lập theo sơ đồ giải thuật hình 3.3 bao gồm bước sau đây: Footer Page of 258 Header Page of 258 39 Bắt đầu Khởi tạo quần thể nghiệm ban đầu Tạo nghiệm ong thợ Đánh giá độ tốt-xấu nghiệm Tạo nghiệm ong giám sát Chuyển ong thợ thành ong tìm kiếm Xét điều kiện dừng Sai Đúng Kết tối ưu Kết thúc Hình 3.3 Sơ đồ thuật toán ABC Bước 1: Khởi tạo quần thể nghiệm ban đầu Khái niệm nghiệm hiểu nguồn thức ăn trình tìm kiếm, ong ln có xu hướng tìm nguồn thức ăn nhiều mật tìm nghiệm tối ưu hàm Khởi tạo quần thể nghiệm ban đầu v0=(v1,v2, vj, vm)0 gồm m nghiệm ban đầu, tức tập hợp nghiệm vj hay cách khác tập hợp vector khởi tạo cách hoàn toàn ngẫu nhiên Mỗi vector vj đại diện nghiệm, với số thơng số vector số biến hàm mục tiêu E(w) hay tb,  Các thông số vector tọa độ nghiệm Số ong thợ số ong giám sát số lượng nghiệm quần thể ong thợ đại diện cho nghiệm trình tìm kiếm nghiệm tối ưu Tùy vào độ phức tạp hàm mà khởi tạo số lượng nghiệm ban đầu Hàm phức tạp số lượng nghiệm hay số ong thợ khởi tạo lớn khoảng khơng gian tìm kiếm rộng hơn, thuận lợi cho việc tìm đến nghiệm tối ưu Footer Page of 258 Header Page of 258 40 Một vector nghiệm vj khởi tạo ngẫu nhiên: vj=(w1j,w2j,w3j,…wij,…wnj) (3.8) đó: wij tham số thực khởi tạo ngẫu nhiên khoảng [0,1] Khởi tạo vector với tham số thuộc khơng gian số thực Hình 3.4 đồ thị minh họa việc khởi tạo quần thể nghiệm ban đầu với nghiệm có giá trị khác Vector thứ j, vj=(w1j,w2j,w3j,…wnj) Vector thứ 1, v1=(w11,w21,w31…wn1) Hình 3.4 Đồ thị minh họa quần thể nghiệm khởi tạo ngẫu nhiên Bước 2: Tạo nghiệm ong thợ Quy trình tìm nghiệm áp dụng cho tất nghiệm quần thể khởi tạo thể sơ đồ thuật toán 3.5 Ong thợ tìm nguồn thức ăn xung quanh nguồn thức ăn vừa tìm q trình tìm kiếm gọi q trình khai thác Quần thể nghiệm ban đầu có m nghiệm tương ứng có m ong thợ Vị trí ong thợ vị trí nghiệm Vì tạo nghiệm ong thợ tạo vị trí nghiệm Vị trí tìm so sánh với vị trí cũ số lượng mật, vị trí tốt thay vị trí cũ vị trí mới, cịn ngược lại vị trí cũ giữ ngun Tại vị trí nguồn thức ăn thứ j vector nghiệm vj, khảo sát lân cận xung quanh nguồn thức ăn xem có vị trí tốt hay khơng, tạo nghiệm xung quanh nghiệm cũ vj vj’, thông số nghiệm dựa giá trị thông số nghiệm cũ vj làm thay đổi thông số vị trí thứ i đó: vj’=(w1j,w2j,…,wij’,…wnj), i=1÷n, j=1÷m (3.9) Trong đó: wij’=wij+rkj(wij-wik) (3.10) - rkj số ngẫu nhiên khoảng [-1,1] - wik tham số thứ i vủa vector nghiệm thứ k vk quần thể nghiệm có, vector nghiệm vk chọn hồn toàn ngẫu nhiên khác với vector nghiệm vj Việc tạo nghiệm ong thợ tiến hành theo quy trình: + Tạo quần thể gồm m nghiệm có m ong thợ + Đặt biến i: biến đếm ong thợ + Ban đầu i =0 Footer Page of 258 Header Page of 258 41 Bắt đầu Quần thể đầu vào Tạo nghiệm i=i+1 i≤m Sai Đúng Quần thể đầu Kết thúc Hình 3.5 Qui trình tạo nghiệm ong thợ Q trình tìm nghiệm khơng đảm bảo nghiệm tốt nghiệm cũ nên phải thực so sánh tác động nghiệm cũ nghiệm để lựa chọn Tính giá trị hàm mục tiêu E(v) cho hai giá trị nghiệm cũ là: E(vj) E(vj’) - Nếu E(vj’) MSD2 (S/N)1