(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111670664.5 (22)申请日 2021.12.31 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 黄彬　刘辉　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 蔡学俊　薛金才 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/06(2020.01) G06F 119/18(2020.01) (54)发明名称 一种薄板激光切割工艺参数的多目标优化 方法 (57)摘要 本发明提供了一种薄板激光切割工艺参数 的多目标优化方法， 包括以下步骤： 通过直线切 割正交试验， 测量各组试验对应的优化指标， 直 线切割优化指标为切缝表面粗糙度、 材料去除率 和加工能耗； 将激光切割数据集划分为训练集、 验证集和测试集； 通过步骤所得的试验数据训练 基于烟花算法优化极限学习机的激光切割多目 标预测模型； 以前一步骤所得的极限学习机作为 改进多目标布谷鸟算法的适应度函数， 进行工艺 参数优化， 得到最优的工艺参数； 通过熵权 TOPSIS法求解最优工艺参数； 提出的多目标模型 求解后得到的最优解集能够为决策者提供多样 化的较优选择， 避免了数据的主观性， 能够很好 的刻画多个 影响指标的综合影响力度。 权利要求书8页 说明书23页 附图1页 CN 114297802 A 2022.04.08 CN 114297802 A 1.一种薄板 激光切割工艺 参数的多目标优化方法， 其特 征在于包括以下步骤： (1)通过直线切割正交试验， 测量各组试验对应的优化指标， 直线切割优化指标为切缝 表面粗糙度、 材料去除率和 加工能耗， 具体如下： (1.1)进行直线激光切割正交试验， 试验的因素包括激光功率、 切割速度、 气体压力、 脉 冲频率以及离焦量， 设第n 次试验所测得的切缝表面粗糙度为rn、 材料去除率为hn和加工能 耗为en； (1.2)计算 直线切割优化指标； (1.3)将直线的评价指标合 为极限学习机标签集D＝[ S Sc]； (2)通过K折交叉验证法将激光切割数据集划分为训练集Ct、 验证集Cv和测试集Cp； 其 中， 训练集Ct和验证集Cv用于反复调试模 型将其参数调整至较优水平， 测试集Cp用于评估训 练后模型的泛化能力； 具体如下： (2.1)划分激光切割初始数据集 为训练集Ct和测试集Cp： (2.2)通过K折交叉验证法将训练集Ct进一步划分为K组由训练集Cti‑m和验证集Cti‑v组 成的子训练集Ct1,Ct2,…,Ctk； (3)通过步骤(2)所得的试验数据训练基于烟花算法优化极限学习机的激光切割多目 标预测模型， 具体如下： (3.1)设极限学习机模型输入层输入向量 为： X＝(x1,x2,...,x5)    (1) 其中， x1至x5为极限学习机网络的5个输入节点， 分别接收激光功率、 切割速度、 辅助气 体压力、 离焦量和脉冲频率数据的输入； 输出层输出向量 为： Y＝(y1,y2,y3)    (2) 其中， y1至y3为极限学习机网络的3个输出节点， 分别输出切面粗糙度、 切割能耗、 和材 料去除率； (3.2)初始化极限学习机的权值和阙值， 设置烟花算法的群体规模Q、 变异火花数R、 迭 代次数计数器t＝0以及最大迭代次数Iter_Max； 对极限学习机中的数据进行设置， 该设置 主要包含种群大小、 隐含层节点数和迭代次数； (3.3)设置烟花 算法的初始群 体， 并计算群 体内个体的适应度值； 将初始群体中每个个体对应的权值和阙值分别代入极限学习机中， 通过训练集Cti‑m进 行训练， 并利用验证集Cti‑v计算训练后的极限学习机模型的预测准确率， 根据预测准确率 计算个体适应度值f(Xi)； (3.4)生成爆炸火花， 引入高斯变异策略， 生成变异火花； 首先， 对群体中的每个烟花个体， 采用基本烟花中的方法计算爆炸火花 半径Ai和爆炸火 花数量Si： 式中， Amax为常数， 用于调节整体振幅大小； f(Xi)表示第i个个体Xi的适应度值， fmax表示 最大适应度值； fbest表示最优烟花个 体的适应度值； δ 为 一个极小的值， 以保证分母不 为0；权　利　要　求　书 1/8 页 2 CN 114297802 A 2式中， Si表示第i个火花将 要产生的正 常火花数； Smax为常数， 用于调节爆炸火花数目； 从 火花数计算式可以看出适应度值越好的火花能够产生更多的正常火花， 反之， 火花适应度 越差， 能够产生的火花数越少； 由于火花数计算公式计算出的值 为小数， 使用下式将其 转化为整数: 式中， a,b分别为爆炸火花数下限系数和 爆炸火花数上限系数， 用于取整； Sall是产生正 常火花的总数， 为一个 常数； 从火花数计算公 式(2)中可以看出， 在每一代中将会产生出Sall 个正常火花； 产生的正常火花的位置与当前火花的振幅有关， 可以从振幅计算 公式中看出， 适应度越优的火花的振 幅越小， 那么它产生的正常火花将在它自己周围， 而适应度越差的 火花的振幅越大， 它产生的正常火花将会出现在离自己较 远的位置； 生成爆炸火花； 当前火花每次爆炸会从d维搜索空间内随机选择z维进行更新从而产生 新的火花； 正常火花的位置由如下公式产生: 式中， 为当前火花的位置； 为爆炸产生的新的火花的位置； z为取值1～d的均匀 随机正整数， r and(‑1,1)表示 ‑1到1内的均匀随机数； 从位置公式中可以看出， 正常火花的 位置与其振幅有直接关系， 振幅越大产生的新火花距当前火花的距离越远； 然后， 随机 选择R个烟花， 对其分别采用高斯变异策略生成R个 变异火花： 式中， randGaus s(1,1)表示在符合均值 为1、 方差为1的高斯分布中取到的随机数； 对生成的每 个爆炸火花和变异火花， 计算个 体适应度值； (3.5)根据选择 策略从烟花、 爆炸火花和变异火花中选择Q个作为下一代烟花； 首先根据个体适应度值， 从候选群体中选取适应度最大的一个进入下一代烟花群体 中， 然后采用基于适应度值的轮盘赌选择策略从候选群体中选取Q ‑1个烟花、 爆 炸火花或变 异火花进入下一代烟花群 体； 选择某个火花的概 率如下： 式中， p(Xi)表示该火花被选择保留至下一代的概率， R(Xi)表示该火花距其他所有 火花权　利　要　求　书 2/8 页 3 CN 114297802 A 3