1. 问题定义决策变量可控参数主轴转速nnn(rpm)每齿进给量fzf_zfz​(mm/tooth)切削深度apa_pap​(mm)切削宽度aea_eae​(mm)优化目标通常为最小化最小化加工时间$T )或最大化材料去除率 MRRMRRn⋅Nt⋅fz⋅ap⋅ae1000(mm3/s) MRR \frac{n \cdot N_t \cdot f_z \cdot a_p \cdot a_e}{1000} \quad (\text{mm}^3/\text{s})MRR1000n⋅Nt​⋅fz​⋅ap​⋅ae​​(mm3/s)其中 $N_t $为铣刀齿数。加工时间tmLn⋅Nt⋅fzt_m \frac{L}{n \cdot N_t \cdot f_z}tm​n⋅Nt​⋅fz​L​与1/MRR1/MRR1/MRR正相关。最小化表面粗糙度RaR_aRa​经验公式例如RaC⋅na⋅fzb⋅apc⋅aed R_a C \cdot n^{a} \cdot f_z^{b} \cdot a_p^{c} \cdot a_e^{d}Ra​C⋅na⋅fzb​⋅apc​⋅aed​系数可通过正交实验拟合得到例如a−0.45,b0.32,c0.18,d0.07a-0.45, b0.32, c0.18, d0.07a−0.45,b0.32,c0.18,d0.07。最小化切削力FFF可选FK⋅ap⋅fz⋅ae0.75⋅n−0.15 F K \cdot a_p \cdot f_z \cdot a_e^{0.75} \cdot n^{-0.15}FK⋅ap​⋅fz​⋅ae0.75​⋅n−0.15或使用更精确的铣削力模型。约束条件主轴转速范围nmin⁡≤n≤nmax⁡n_{\min} \le n \le n_{\max}nmin​≤n≤nmax​进给量范围fzmin⁡≤fz≤fzmax⁡f_{z\min} \le f_z \le f_{z\max}fzmin​≤fz​≤fzmax​切削深度/宽度基于机床刚度、刀具强度、工件装夹表面粗糙度要求Ra≤Ra,max⁡R_a \le R_{a,\max}Ra​≤Ra,max​切削功率约束Pc≤ηPspindleP_c \le \eta P_{\text{spindle}}Pc​≤ηPspindle​刀具寿命约束可选泰勒公式TL≥Tmin⁡T_L \ge T_{\min}TL​≥Tmin​2. 多目标遗传算法实现以 NSGA-II 为例编码方式采用实数编码每个个体为[n,fz,ap,ae][n, f_z, a_p, a_e][n,fz​,ap​,ae​]。适应度函数由于是多目标使用非支配排序拥挤距离无需转换为单目标。遗传操作选择锦标赛选择基于非支配等级和拥挤距离交叉模拟二进制交叉 (SBX)概率 $p_c0.9 $变异多项式变异概率pm1/变量数p_m1/\text{变量数}pm​1/变量数约束处理采用约束支配原则可行解优于不可行解若都可行则比非支配关系若都不可行则比总约束违反量3. 数值实例铝合金 7075硬质合金刀具已知数据机床n∈[2000,10000]n\in[2000,10000]n∈[2000,10000]rpm最大功率 10 kW刀具4 齿直径 10 mmfz∈[0.02,0.15]f_z\in[0.02,0.15]fz​∈[0.02,0.15]mm/tooth$a_p\in[0.5,3.0]mmmmmma_e\in[1.0,8.0] $mm粗糙度模型Ra0.485⋅n−0.45⋅fz0.32⋅ap0.18⋅ae0.07R_a 0.485 \cdot n^{-0.45} \cdot f_z^{0.32} \cdot a_p^{0.18} \cdot a_e^{0.07}Ra​0.485⋅n−0.45⋅fz0.32​⋅ap0.18​⋅ae0.07​μmMRR 模型MRRn⋅4⋅fz⋅ap⋅ae1000MRR \frac{n \cdot 4 \cdot f_z \cdot a_p \cdot a_e}{1000}MRR1000n⋅4⋅fz​⋅ap​⋅ae​​mm³/s约束Ra≤1.2R_a \le 1.2Ra​≤1.2μm功率 ≤ 7 kW考虑效率优化结果Pareto前沿示例n (rpm)f_z (mm/tooth)a_p (mm)a_e (mm)MRR (mm³/s)Ra (μm)87600.0821.25.4212.50.7664200.1242.56.2380.11.0852100.1482.97.8497.31.18可见提高 MRR 会使粗糙度恶化需要根据工艺要求选择折中解。4. MATLAB 核心代码片段使用 gamultiobj% 目标函数functionfobjFun(x)nx(1);fzx(2);apx(3);aex(4);Nt4;MRRn*Nt*fz*ap*ae/1000;% mm^3/sRa0.485*n^-0.45*fz^0.32*ap^0.18*ae^0.07;f[-MRR,Ra];% 注意gamultiobj默认最小化故MRR取负end% 约束函数function[c,ceq]confun(x)nx(1);fzx(2);apx(3);aex(4);% 不等式约束 c 0c(1)0.485*n^-0.45*fz^0.32*ap^0.18*ae^0.07-1.2;% Ra ≤ 1.2% 功率约束简化模型Fc800*ap*fz*ae^0.75*n^-0.15;% NPcFc*n*0.01/60000;% kWc(2)Pc-7;% ≤ 7 kWceq[];end% GA设置nvars4;lb[2000,0.02,0.5,1.0];ub[10000,0.15,3.0,8.0];optionsoptimoptions(gamultiobj,PopulationSize,100,...MaxGenerations,200,PlotFcn,gaplotpareto);[x,fval]gamultiobj(objFun,nvars,[],[],[],[],lb,ub,confun,options);