面向表面质量的镍基高温合金铣削参数多目标优化研究

摘要

针对镍基高温合金材料在铣削过程中存在表面加工质量低的问题，提出一种基于神经网络及NSGA-Ⅱ算法的工艺参数多目标优化方法。采用不同工艺参数进行数控铣削镍基高温合金Inconel 718加工并获取数据集，以表面粗糙度为输出，不同工艺参数组合为输入，利用麻雀搜索算法建立SSA-BP神经网络模型用于预测Inconel 718铣削表面粗糙度；以最大材料去除率、最小表面粗糙度为优化目标，构建NSGA-Ⅱ工艺参数多目标优化主体模型，调用构建好的预测模型作为主体模型的目标函数并优化求解得到Pareto最优解集。使用TOPSIS法对Pareto最优解集进行最优解决策，得出最佳的工艺参数组合。优化结果表明：该方法不仅可用于高温合金材料数控铣削表面粗糙度预测，还可用于工艺参数优化，为进一步提高数控铣削材料加工质量和效率提供参考。

关键词

数控铣削 / 表面粗糙度 / 质量优化 / 难加工金属材料 / 神经网络

基金资助

国家自然科学基金项目(51765010)