变截面涡旋盘精密铣削参数多目标优化

doi:10.3969/j.issn.1004-132X.2025.12.006

摘要/Abstract

摘要：

提出了一种基于改进NSGA-Ⅱ算法的变截面涡旋盘精密铣削参数多目标优化方法。利用多因素正交试验法设计实验，分析了铣削参数交互作用对表面粗糙度和主铣削力的影响。建立了目标函数的回归模型，并通过拟合度检验和残差分布分析等方式验证了其有效性。基于表面粗糙度最小、主铣削力最小和材料去除率最大三个优化目标构建了多目标优化数学模型，并在NSGA-Ⅱ算法中引入自适应交叉变异算子，以获取Pareto最优解集，最终确定了最佳铣削加工参数组合。最后通过涡旋盘加工实验验证了算法的有效性。实验结果表明，改进后的NSGA-Ⅱ算法显著优化了加工效果，与优化前相比，涡旋盘表面粗糙度减小8.19%，铣削力减小12.61%，材料去除率增大25.81%。

关键词: 变截面涡旋盘, 正交试验, 铣削参数, 改进NSGA-Ⅱ算法, 多目标优化

Abstract:

A multi-objective optimization method for precision milling parameters of variable cross-section scrolls was proposed based on the improved NSGA-Ⅱ algorithm. The experiments were designed using the multi-factor orthogonal experimental method to investigate the interaction effects of milling parameters on surface roughness and main milling forces. The regression models of the objective functions were established and validated through goodness-of-fit tests and residual distribution analyses. A multi-objective mathematical optimization model was formulated based on three objectives： minimizing surface roughness， minimizing main milling forces， and maximizing material removal rates. An adaptive crossover and mutation operator was incorporated into the NSGA-Ⅱ algorithm to obtain the pareto-optimal solution set and determine the best combination of milling parameters. Finally， the effectiveness of the algorithm was validated through milling experiments on scrolls. The experimental results indicate that the improved NSGA-Ⅱ algorithm significantly enhances the machining performance. Compared with the non-optimized parameters， the surface roughness of the scroll is reduced by 8.19%， the milling force is reduced by 12.61%， and the material removal rate is increased by 25.81%.

Key words: variable cross-section scroll, orthogonal test, milling parameter, improved NSGA-Ⅱ algorithm, multi-objective optimization

中图分类号:

TG455

党旭, 刘涛, 闫敏, 徐智为. 变截面涡旋盘精密铣削参数多目标优化[J]. 中国机械工程, 2025, 36(12): 2854-2861.

Xu DANG, Tao LIU, Min YAN, Zhiwei XU. Multi-objective Optimization of Precision Milling Parameters for Variable Cross-section Scrolls[J]. China Mechanical Engineering, 2025, 36(12): 2854-2861.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2025.12.006

https://www.cmemo.org.cn/CN/Y2025/V36/I12/2854

图/表 13

表1 铣削参数及相应水平

Tab.1 Milling parameters and corresponding levels

水平	a_p/mm	f_z/mm	n/（r·min $- 1$ ）	a_e/mm
$-$ 2	1.0	0.25	4000	0.2
$-$ 1	1.5	0.20	3500	0.4
0	2.0	0.15	3000	0.6
1	2.5	0.10	2500	0.8
2	3.0	0.05	2000	1.0

表1 铣削参数及相应水平

Tab.1 Milling parameters and corresponding levels

水平	a_p/mm	f_z/mm	n/（r·min $- 1$ ）	a_e/mm
$-$ 2	1.0	0.25	4000	0.2
$-$ 1	1.5	0.20	3500	0.4
0	2.0	0.15	3000	0.6
1	2.5	0.10	2500	0.8
2	3.0	0.05	2000	1.0

图1 涡旋盘铣削原理及实验

Fig.1 Milling principle and experiment of scroll plate

图2 测量设备

Fig.2 Measuring equipment

表2 正交试验结果

Tab.2 Orthogonal test results

序号	a_p/mm	f_z/mm	n/（r·min $- 1$ ）	a_e/mm	Ra/μm	F_X /N	F_Y /N	F_Z /N
1	1.0	0.25	3500	0.6	0.722	149.72	85.61	41.64
2	1.0	0.20	3000	0.8	0.672	137.50	93.39	37.74
3	1.0	0.15	2500	1.0	0.632	115.05	102.14	34.11
4	1.0	0.10	2000	0.2	0.526	80.74	43.23	22.63
5	1.0	0.05	4000	0.4	0.401	58.32	42.61	14.95
6	1.5	0.25	3000	1.0	0.822	186.27	137.87	58.00
7	1.5	0.20	2500	0.2	0.729	141.75	68.83	45.08
8	1.5	0.10	4000	0.6	0.570	109.21	75.50	29.87
9	1.5	0.05	3500	0.8	0.461	85.54	79.48	22.68
10	1.5	0.15	2000	0.4	0.693	130.52	88.06	39.23
11	2.0	0.25	2500	0.4	0.880	202.56	117.26	65.32
12	2.0	0.20	2000	0.6	0.845	193.51	136.02	59.14
13	2.0	0.15	4000	0.8	0.730	157.62	126.93	46.20
14	2.0	0.10	3500	1.0	0.645	153.78	138.66	45.66
15	2.0	0.05	3000	0.2	0.482	78.94	49.37	23.34
16	2.5	0.05	2500	0.6	0.550	116.14	88.33	34.70
17	2.5	0.10	3000	0.4	0.678	157.88	88.79	49.43
18	2.5	0.15	3500	0.2	0.793	157.71	72.15	51.60
19	2.5	0.20	4000	1.0	0.869	217.12	167.33	64.78
20	2.5	0.25	2000	0.8	0.995	272.57	170.05	80.12
21	3.0	0.10	2500	0.8	0.745	176.38	139.78	55.61
22	3.0	0.15	3000	0.6	0.833	206.90	132.11	61.16
23	3.0	0.05	2000	1.0	0.593	132.29	124.19	39.78
24	3.0	0.20	3500	0.4	0.901	231.46	117.61	70.46
25	3.0	0.25	4000	0.2	0.945	237.26	91.69	73.69

表2 正交试验结果

Tab.2 Orthogonal test results

序号	a_p/mm	f_z/mm	n/（r·min $- 1$ ）	a_e/mm	Ra/μm	F_X /N	F_Y /N	F_Z /N
1	1.0	0.25	3500	0.6	0.722	149.72	85.61	41.64
2	1.0	0.20	3000	0.8	0.672	137.50	93.39	37.74
3	1.0	0.15	2500	1.0	0.632	115.05	102.14	34.11
4	1.0	0.10	2000	0.2	0.526	80.74	43.23	22.63
5	1.0	0.05	4000	0.4	0.401	58.32	42.61	14.95
6	1.5	0.25	3000	1.0	0.822	186.27	137.87	58.00
7	1.5	0.20	2500	0.2	0.729	141.75	68.83	45.08
8	1.5	0.10	4000	0.6	0.570	109.21	75.50	29.87
9	1.5	0.05	3500	0.8	0.461	85.54	79.48	22.68
10	1.5	0.15	2000	0.4	0.693	130.52	88.06	39.23
11	2.0	0.25	2500	0.4	0.880	202.56	117.26	65.32
12	2.0	0.20	2000	0.6	0.845	193.51	136.02	59.14
13	2.0	0.15	4000	0.8	0.730	157.62	126.93	46.20
14	2.0	0.10	3500	1.0	0.645	153.78	138.66	45.66
15	2.0	0.05	3000	0.2	0.482	78.94	49.37	23.34
16	2.5	0.05	2500	0.6	0.550	116.14	88.33	34.70
17	2.5	0.10	3000	0.4	0.678	157.88	88.79	49.43
18	2.5	0.15	3500	0.2	0.793	157.71	72.15	51.60
19	2.5	0.20	4000	1.0	0.869	217.12	167.33	64.78
20	2.5	0.25	2000	0.8	0.995	272.57	170.05	80.12
21	3.0	0.10	2500	0.8	0.745	176.38	139.78	55.61
22	3.0	0.15	3000	0.6	0.833	206.90	132.11	61.16
23	3.0	0.05	2000	1.0	0.593	132.29	124.19	39.78
24	3.0	0.20	3500	0.4	0.901	231.46	117.61	70.46
25	3.0	0.25	4000	0.2	0.945	237.26	91.69	73.69

图3 Ra随铣削参数交互作用变化

Fig.3 Ra varies with the interaction of milling parameters

图4 FX 随铣削参数交互作用变化

Fig.4 FX varies with the interaction of milling parameters

图5 表面粗糙度目标模型评估

Fig.5 Surface roughness target model evaluation

图6 主铣削力目标模型评估

Fig.6 Main milling force target model evaluation

图7 优化结果Pareto前沿解集

Fig.7 Optimization result Pareto frontier solution set

图8 多目标同时优化时的表面完整性分布

Fig.8 Surface integrity distribution in multi-objective simultaneous optimization

表3 Pareto部分最优解集及目标函数值

Tab.1 Pareto partial optimal solution set and objective function value

序号	方法	Ra/μm	降低百分比/%	F_X /N	降低百分比/%	φ_MRR/（mm³·min $- 1$ ）	增大百分比/%
A	NSGA-Ⅱ	0.490	0.204	91.509	2.519	899.145	4.786
A	改进NSGA-Ⅱ	0.489	0.204	89.203	2.519	942.174	4.786
B	NSGA-Ⅱ	0.758	1.187	189.085	3.195	4598.992	7.958
B	改进NSGA-Ⅱ	0.749	1.187	183.041	3.195	4964.975	7.958
C	NSGA-Ⅱ	0.955	1.361	270.562	1.668	9323.064	5.866
C	改进NSGA-Ⅱ	0.942	1.361	266.048	1.668	9869.984	5.866
D	NSGA-Ⅱ	0.624	1.122	123.858	3.427	2388.414	2.017
D	改进NSGA-Ⅱ	0.617	1.122	119.613	3.427	2436.581	2.017
E	NSGA-Ⅱ	0.889	1.349	243.257	3.188	7720.609	3.444
E	改进NSGA-Ⅱ	0.877	1.349	235.742	3.188	7986.509	3.444
平均			1.045		2.803		4.814

表3 Pareto部分最优解集及目标函数值

Tab.1 Pareto partial optimal solution set and objective function value

序号	方法	Ra/μm	降低百分比/%	F_X /N	降低百分比/%	φ_MRR/（mm³·min $- 1$ ）	增大百分比/%
A	NSGA-Ⅱ	0.490	0.204	91.509	2.519	899.145	4.786
A	改进NSGA-Ⅱ	0.489	0.204	89.203	2.519	942.174	4.786
B	NSGA-Ⅱ	0.758	1.187	189.085	3.195	4598.992	7.958
B	改进NSGA-Ⅱ	0.749	1.187	183.041	3.195	4964.975	7.958
C	NSGA-Ⅱ	0.955	1.361	270.562	1.668	9323.064	5.866
C	改进NSGA-Ⅱ	0.942	1.361	266.048	1.668	9869.984	5.866
D	NSGA-Ⅱ	0.624	1.122	123.858	3.427	2388.414	2.017
D	改进NSGA-Ⅱ	0.617	1.122	119.613	3.427	2436.581	2.017
E	NSGA-Ⅱ	0.889	1.349	243.257	3.188	7720.609	3.444
E	改进NSGA-Ⅱ	0.877	1.349	235.742	3.188	7986.509	3.444
平均			1.045		2.803		4.814

图9 实际加工的涡旋盘

Fig.9 The actual processing of the scroll plate

表4 铣削参数优化结果

Tab.4 Milling parameter optimization results

参数	优化前	优化后	对比/%
Ra/μm	0.708	0.650	$-$ 8.19
F_X /N	155.470	135.863	$-$ 12.61
φ_MRR/（mm³·min $- 1$ ）	2100	2642	25.81

表4 铣削参数优化结果

Tab.4 Milling parameter optimization results

参数	优化前	优化后	对比/%
Ra/μm	0.708	0.650	$-$ 8.19
F_X /N	155.470	135.863	$-$ 12.61
φ_MRR/（mm³·min $- 1$ ）	2100	2642	25.81

参考文献 11

[1]	WANG J， LI Z， HOU R， et al. Geometric and Thermodynamic Analysis of a Novel Fully Meshing Double-scroll Compressor［J］. International Journal of Refrigeration， 2024， 164： 109-299.
[2]	MARCHANTE-AVELLANEDA J， CORBERAN J， NAVARRO-PERIS E， et al. A Critical Analysis of the AHRI Polynomials for Scroll Compressor Characterization［J］. Applied Thermal Engineering， 2023， 219： 1-18.
[3]	刘涛，张文超，张文帅. 变截面涡旋盘齿面粗糙度的双预测模型［J］. 表面技术， 2019， 48（8）： 323-329.
	LIU Tao， ZHANG Wenchao， ZHANG Wenshuai. Double-predictive Model of Tooth Surface Roughness of Variable-section Scroll［J］. Surface Technology， 2019， 48（8）： 323-329.
[4]	徐江雁，仲高艳，杨守峰. 改进NSGA-Ⅱ算法及其在切削加工参数优化中的应用［J］.计算机工程与应用， 2017， 53（13）： 227-234.
	XU Jiangyan， ZHONG Gaoyan， YANG Shoufeng. Improved NSGA-Ⅱ Algorithm and Its Application in Optimization of Machining Parameters. Computer Engineering and Applications， 2017， 53（13）： 227-234.
[5]	FAN M， ZHOU X， SONG J. Experimental Investigation on Cutting Force and Machining Parameters Optimization in In-situ Laser-assisted Machining of Glass–ceramic［J］. Optics & Laser Technology， 2024， 169： 110109.
[6]	韩江，李振富，田晓青，等. 内啮合强力珩齿工件齿面珩削纹理预测与控制方法研究［J］. 中国机械工程， 2023， 34（1）： 10-16.
	HAN Jiang， LI Zhenfu， TIAN Xiaoqing， et al. Research on Prediction and Control Method of Workpiece Tooth Flank Texture during Internal Gear Power Honing［J］. China Mechanical Engineering， 2023， 34（1）： 10-16.
[7]	TANG J， HAN J， TIAN X， et al. Flexible Modification and Texture Prediction and Control Method of Internal Gearing Power Honing Tooth Surface［J］. Advances in Manufacturing， 2024. .
[8]	CHENG D， XU F， XU S， et al. Minimization of Surface Roughness and Machining Deformation in Milling of Al Alloy Thin-walled Parts［J］. International Journal of Precision Engineering and Manufacturing， 2020， 21： 1597-1613.
[9]	RINGGAARD K， MOHAMMADI Y， MERRILD C， et al. Optimization of Material Removal Rate in Milling of Thin-walled Structures Using Penalty Cost Function［J］. International Journal of Machine Tools and Manufacture， 2019， 145（10）： 1-15.
[10]	LI M， HUANG J， DING W， et al. Dynamic Response Analysis of a Ball-end Milling Cutter and Optimization of the Machining Parameters for a Ruled Surface［J］. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2019， 233（2）： 588-599.
[11]	孙永吉，刘涛. 涡旋压缩机复杂变截面涡旋型线高速加工研究［J］. 现代制造工程， 2017 （7）： 25-30.
	SUN Yongji， LIU Tao. Research on High Speed Machining Complex Scroll Profiles of Scroll Compressor［J］. Modern Manufacturing Engineering， 2017 （7）： 25-30.

[1]	李明磊, 贾育秦, 张学良, 刘丽琴, 杜娟, 温淑花, 兰国生. 基于多目标差异演化算法的并联机构结构优化 [J]. J4, 201016, 21(16): 1915-1920.
[2]	刘建林, 黄海松, 范青松, 马驰, 张浪浪. 基于改进樽海鞘群算法的机械臂多目标轨迹规划研究[J]. 中国机械工程, 2025, 36(09): 2047-2056.
[3]	林述温, 陆哲, 危世佳, 陈剑雄, 顾天奇, 谢钰. 挖掘机工作过程动力特性仿真及主构件参数多目标优化设计方法[J]. 中国机械工程, 2025, 36(06): 1371-1379.
[4]	饶远1, 孙见君1, 闻兰2. 扩压式自泵送机械密封端面的液膜汽化及其结构优化研究[J]. 中国机械工程, 2025, 36(05): 933-941，953.
[5]	张道德, 卢子健, 赵坤, 杨智勇. 非平坦环境下履带机器人多目标路径规划方法研究[J]. 中国机械工程, 2025, 36(02): 305-314.
[6]	杨赫然1, 2, 张培杰1, 2, 孙兴伟1, 2, 潘飞1, 2, 刘寅1, 2. 利用改进卷积神经网络的螺杆砂带磨削表面粗糙度预测[J]. 中国机械工程, 2025, 36(02): 325-332.
[7]	刘桂源1, 王曾2, 杨子艺2, 胡明珠1, 刘怀举1. 航空发动机附件机匣齿轮传动设计分析软件开发与应用[J]. 中国机械工程, 2024, 35(11): 1938-1947.
[8]	党旭, 刘涛, 闫敏, 安锋. 薄壁复杂变截面涡旋盘精密铣削组合参数优选与铣削力准确预测[J]. 中国机械工程, 2024, 35(11): 1963-1970.
[9]	胡福清, 孙江宏, 孙英杰, 孙雨彤, 马超, 周福强, . 基于新型旋转直线往复机构的切片机设计分析及参数优化[J]. 中国机械工程, 2024, 35(04): 614-623，635.
[10]	祁瑁富, 孙远韬, 田春雷, 冯嘉琪. 基于正交试验的850吨冷剪机剪切失效机理分析及其优化设计[J]. 中国机械工程, 2024, 35(04): 752-759.
[11]	魏书鹏, 唐红涛, 李西兴, 杨冠宇, 张健. 考虑双资源约束的柔性机械加工车间逆调度问题研究[J]. 中国机械工程, 2024, 35(03): 457-471.
[12]	荣誉, 陈刚, 豆天赐, . 一种多指标综合最优的抗冲击轨迹规划方法[J]. 中国机械工程, 2024, 35(02): 305-316.
[13]	刘毅, 易旺民, 姚建涛, 王兴达, 余鹏, 赵永生. 狭长空间内重载调姿装配机器人的设计与研究[J]. 中国机械工程, 2024, 35(02): 324-336.
[14]	赵泽民, 王立华, 黄洪燚, 陈太茂, 蒋维. 动力稳定作业参数对道床稳定性的影响[J]. 中国机械工程, 2023, 34(19): 2313-2319，2369.
[15]	屈力刚, 苏岩, 邢宇飞. 基于SHO-NSGA混合算法的飞机油舱管路自动布局方法[J]. 中国机械工程, 2023, 34(15): 1864-1872.