低碳视角下基于MSGWO的磨削加工工艺参数优化.pdf

摘要

全球对温室气体排放的关注度不断提高，多国正积极立法并探索可持续发展

的节能减排模式。鉴于高能耗问题，制造业的低碳转型需求日益迫切。在机械产

品精密加工中，磨削工艺因高精度和光滑表面特性而广泛应用。因此，研究降低

磨削过程的碳排放，不仅利于环保，还可通过提升能效间接降低生产成本。

45

本文探讨在加工号钢过程中数控磨削机床对环境的影响，重点对磨削碳排

放预测模型以及工艺参数优化策略进行了研究。

1

（）针对数控磨削机床加工过程中碳排放难以预测的问题，构建基于改进反

ImprovedBackPropagationIBP

向传播（，）神经网络的碳排放预测模型。首先，通

过磨削碳排放构成分析，搭建了数控机床功率数据采集平台，并运用全因素实验

验证影响因素并获取实验数据；其次，提出一种基于个体变量学习率的反向传播

BackPropagationBP

（，）神经网络方法，解决传统固定学习率所带来的运算效率

低下和网络震荡等问题；最后，通过对比数据及验证结果，充分验证所建立的模

型在预测数控机床加工过程中的碳排放方面的有效性和优越性。

2Multi-StrategyGreyWolfOptimization

（）提出多策略改进的灰狼优化算法（，

MSGWO）求解磨削工艺参数优化的问题。首先，验证磨削深度、进给速度和砂轮

线速度对加工总碳排放的影响，并将其作为优化变量，考虑了机床自身性能和加

BP

工条件等多个约束，采用改进后神经网络预测得到的磨削碳排放与加工成本的

工艺参数优化模型；其次，在灰狼算法中引入了非线性收敛因子和互补协调策略，

以改善群体的多样性，增强算法的精度和优化能力；最后，通过标准测试函数进

行验证，并在实际案例中与其他算法进行比较，验证改进后灰狼优化算法的优越

性。

关键词：数控磨削机床，碳排放，BP神经网络，灰狼算法，工艺参数优化

I

Optimizationofgrindingprocessparametersbasedon

MSGWOinlow-carbonperspective

Abstract

Thehotissuesareconcernedwithgreenhousegasemissionsincreasinglyinthe

world,leadingmanycountriestograduallydeveloprelevantregulationsandexplore

energyconservationandemissionreductionmodelsforsustainabledevelopment.In

viewofthehighenergyconsumption,theneedforlow-carbontransformationinthe

manufacturingindustryisbecomingincreasinglyurgent.Intheprecisionmachiningof

mechanicalproducts,grindingprocessiswidelyusedforitshighprecisionandsmooth

surfacecharacteristics.Therefore,researchtoreducethecarbonemissionsofthe

grindingprocessisnotonlyconducivetoenvironmentalprotection,butalsoindirectly

reduceproductioncoststhrough