萤火虫算法优化电火花加工和磨料水射流加工的先进工艺参数选择

工程科学与技术，国际期刊20（2017）212完整文章基于萤火虫算法的先进加工工艺参数选择Dinesh Singh Rajkamal ShuklaSardar Vallabhbhai国家技术学院机械工程系，印度古吉拉特邦，Surat阿提奇莱因福奥文章历史记录：2016年1月19日收到2016年5月12日修订2016年6月5日接受2016年6月18日在线发布保留字：萤火虫算法电火花加工磨料水射流加工优化A B S T R A C T先进加工工艺（AMP）广泛应用于加工复杂几何形状和复杂轮廓的工业中。在本文中，两个重要的过程，如电火花加工（EDM）和磨料水射流加工（AWJM）被认为是获得最佳值的响应给定的工艺参数范围内。用萤火虫算法（FA）对所考虑的过程进行了优化，并将所得结果与前人的结果进行了比较。绘制工艺参数相对于响应的变化，以确认使用FA获得的最佳结果。在电火花加工过程中，性能参数6.21lm~3.6767lm，产率为6.21%~ 6.324× 10- 5%。在AWJM工艺中，"在这两个过程中，所获得的结果显示出显着改善的响应。©2016 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍先进加工工艺被认为是制造业中最具发展潜力的先进加工方法之一。高精度的材料加工是当今的需求，因此，他们的研究导致了难以加工，极限强度，温度和耐腐蚀材料与其他品质的演变使用常规加工工艺加工这些材料增加了加工时间，同时能源利用率高，成本高[1因此，AMP广泛应用于大多数制造业。为了成功地应用这些工艺，最大限度地要求具有理想的参数组合以提高性能。很少有人研究工艺参数对电火花加工和磨料水射流加工性能的影响。本文在总结前人采用响应面法对电火花加工工件表面完整性进行建模和分析，以确定*通讯作者。电 子 邮 件 地 址 ： rajkamalshukla2013@gmail.com （ R. Shukla ） ， gmail.com（D.Singh）。由Karabuk大学负责进行同行审查加工参数[2]。Yang等人尝试使用模拟退火（SA）算法优化EDM工艺中的性能特征，如材料去除率（MRR）和Ra。[3]。电参数如“脉冲形状”和“放电能量”对电火花加工性能特性的影响对铝基复合材料和EN-31工具钢进行了电火花加工试验，研究了工艺参数（即，‘‘pulse on time”,‘‘pulseofftime”,‘‘dischargecurrent”and‘‘voltage”)ontheperformance char- acteristics 采用方差分析（ANOVA）确定工艺参数的贡献[5]。应用优化技术通过在煤油电介质中加入铝粉，使用EDM制造铝基复合材料，以提高所考虑工艺的输出特性[8]。通过电火花加工实验，研究了放电电流、脉冲时间、刀具升降时间和刀具工作时间等参数对加工效果的影响表面完整性[9]。各种工艺参数的影响，即，Kolli和Kumar[10]报道了使用Taguchi方法的放电电流、表面活性剂浓度和粉末浓度对性能特性的影响。结合田口方法学和理想解相似性排序法（TOPSIS法）确定了该工艺http://dx.doi.org/10.1016/j.jestch.2016.06.0012215-0986/©2016 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchR. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）212213参数对混粉电火花加工工艺性能特征的影响[11]。在环氧复合材料层压板上进行AWJM工艺特性研究，将Ra和切口锥度比作为性能参数[12]。已经提出了AWJM过程的数值模拟工作，其过程参数与切削深度之间的模拟结果[13]。已尝试集成SA和遗传算法（GA）优化AWJM工艺，将Ra视为性能参数[14];另一项工作报告了使用集成ANN-SA 算法估计AWJM 中的Ra以获得最佳AWJM参数[15]。报道了AWJM切割材料AA 5083- H32的实验工作，并确定了“水射流横向速度”、“压力”、“磨料流量”和“间隔距离”参数的最佳设置报道了工艺参数如“水压”、“射流进给速度”、“磨料质量流率”、“表面速度”和“喷嘴倾斜角”对响应"MRR“和" Ra“的影响，采用几种切削工艺来切削AA6061材料，以研究材料的显微组织和硬度变化[18]。提出了一种基于混沌的元启发式优化算法--萤火虫算法（FA），Gandomi等人[19]描述了一种基于萤火虫的闪烁和吸引特性来模拟萤火虫的mization算法。Fister等人[20]回顾了FA的应用，并观察到来自不同领域的许多问题，如图像处理，无线传感器网络，天线设计，工业优化语义网，化学，土木工程和商业优化，机器人已经成功尝试。蚁群优化（ACO）与FA的杂交用于非约束优化问题已经在几个基准问题上进行了测试[21]。Nayak等人提出了一种基于FA变体的模型，用于对数据进行分类，以保持快速学习并避免处理单元的指数增长。[22]。在本文中，所考虑的算法FA被应用到两个广泛使用的AMP，“EDM”和“AWJM”，以获得一组最佳的操作参数。与其他算法相比，FA具有独特的特性，即，遗传算法、模拟退火算法、粒子群优化算法、人工蜂群算法等。该算法具有多模态特性，收敛速度快，控制参数少。它可以作为全局问题求解器应用于每个问题域[20]。此外，在许多基准问题上，该算法已被尝试，并证明其适用性和有效性比其他算法以前的研究人员[20，23]。2. 萤火虫算法萤火虫是一种奇妙的上帝创造物，其生活方式与其他生物截然不同，基于它们的行为，Yang和Xingshi在2008年开发了一种算法，称为萤火虫算法（FA）[23]。萤火虫是由他们闪烁的灯光描绘的，这种灯光有两个目的，一个是吸引繁殖伙伴，随后是阻止潜在的猎物[20，23]。这种闪烁的光遵循光的强度（I）随着距离（r）的增加而减小的物理规律，根据等式I= 1/r2。它们充当LC振荡器，以规则的时间间隔h= 2p对光进行充电和放电[20]。在大多数情况下，第一个信号员是飞行的雄性，他们试图吸引土壤上或附近的雌性萤火虫。这些信号的反应是由女性发出恒定或闪烁的光[20，23]。雌性萤火虫关注雄性萤火虫发出的信号中的行为改变，吸引到那只闪烁着乐观光芒的雄性萤火虫。萤火虫之间的距离会影响繁殖伴侣之间的吸引力，因为光线强度会随着距离的增加而降低。两个繁殖伙伴都产生离散信号模式来加密物种身份和性别等信息[20]。FA的方法是基于物理定律，即，萤火虫的光强度（I）随着两个萤火虫之间的距离（r2萤火虫内的强度和吸引力的变化在所考虑的优化技术的制定中起着重要的作用。随着雌萤火虫离光源的距离增加，即，随着雄性萤火虫数量的增加，对光线的吸收越来越弱。光强度相对于距离的这些现象与待优化的目标函数相关联在算法中该关系是为各种控制开发的影响FA性能的算法因素主要控制因素是吸收因子（c）、随机因子（a）和类似于模拟退火过程的随机性降低元启发式算法易于实现，并且在复杂性方面简单FA在确定萤火虫与最佳萤火虫的距离时具有很小的复杂性，此外，随着给定问题中变量和约束的数量增加，相关的复杂性也会增加但这种复杂性是与所有的元分析算法。FA是一种基于群体智能的算法，因此它与其他基于群体智能的算法（如遗传算法（GA）、人工蜂群算法（ABC）、粒子群优化（PSO）等）具有非常相似的优点[23]。然而，与其他基于群的算法相比，FA有两个主要优点这种自动细分能力使其适用于高度非线性的多峰优化问题[23]。近年来，FA引起了许多研究者的关注，并得到了不同的应用。该算法的应用领域广泛，如工业优化、图像处理、天线设计、土木工程、机器人、语义网、气象学和无线传感器网络等。该算法的能力不限于这些领域，它具有解决优化问题应用的能力，例如连续、组合、约束、多目标、高度非线性、多模态设计问题等。这项研究背后的动机是由于FA的广泛应用。本文根据FA优化算法的应用和适应性，采用FA优化算法处理所本文对加工过程的参数优化进行了尝试，EDM和AWJM。在FA中，萤火虫种群在过程参数的范围内随机初始化。在每次迭代的初始化之后，通过随机因子（a）、吸收系数（b）和萤火虫之间的距离（r）来更新参数。这样，这些工艺参数被改变，并通过目标函数进行评估。将目标函数值与先前迭代获得的值相关联，并且执行所有迭代以找到性能参数的最优结果。最大迭代次数（tmax）控制搜索过程。2.1. Firefly算法步骤1. 在给定问题变量的范围内初始化萤火虫的随机位置，并定义FA算法的控制参数。214R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）21200sik-sjk我我0IJJ我k¼12. 为给定的问题定义目标函数和约束变量。3. 评估光的强度（即，目标函数值）。4. 选择最好的萤火虫具有高强度值。5. 计算每个萤火虫与最佳萤火虫的距离，并更新萤火虫的位置。6. 评估萤火虫的强度。7. 萤火虫强度和位置的排序和排名8. 选择当前迭代的最佳萤火虫，如果发现它比前一次迭代的“最佳萤火虫强度值”更好，则替换它，9. 更新结果，如果迭代达到最大生成限制，则转到步骤10，否则转到步骤5。10. 在试验结束时获得的萤火虫的强度值是优化问题的最优最佳解。在FA中，强度（I）表示适应度函数（f）的解。强度相对于Eq.（1）在[20]中给出。IrIe-cr21其中，I0是光源的光强，c是光的吸收系数。萤火虫的吸引力（b）与它们的光强度（I）成正比。（1）可以被定义为描述吸引力b，如等式（1）所示（二）、b<$be-cr22在电场的存在下与电介质分子一起被加速。EDM工艺可应用于任何导电材料。然而，该过程涉及局部点处的温度升高，这可能使局部材料蒸发以进行加工。在这个过程中，没有加热散装材料。然而，围绕局部区域的热影响区（HAZ）在本体中延伸到约几微米的深度。此外，处理表面的高加热和冷却速率使表面发生一定程度的表面硬化，这成为该工艺的一个优点，这强调了EDM工艺在现代工业中的重要性[4考虑了一个基于Tzeng和Chen[24]工作的Tzeng和Chen [24]开发了一种电火花加工装置，以获得工艺参数的影响，并使用铜电极工具对JIS SKD 61钢工件进行了实验。他们在实验工作中考虑了诸如“放电电流（I）"、”间隙电压（V）"、“脉冲接通时间（t on）"和”脉冲关断时间（t off）”等工艺参数他们开发了一个数学预测回归模型，如方程中所示（5）- （表1使用FA的EDM初始化结果。人口数萤火虫的初始位置强度其中，b0是距离r= 0处的吸引力。萤火虫' i '和' j '之间的空间（三）、vutX其中，n表示模型的维数。吸引力较低的萤火虫（ith）将向最吸引人的萤火虫（j）移动。以这种方式，FA参数将根据Eq. （四）、st1stbe-cr2st -staeð4Þ其中，ei是随机数。萤火虫位置的更新涉及到三个方面：第i只萤火虫的当前位置、对另一只美丽萤火虫的期望、随机化约束（a）和随机数（ei）。在接下来的章节中，FA算法被应用到两个非传统的加工过程中，EDM和AWJM与演示步骤的第一次迭代的EDM过程。重排强度强度指数根据亮度值重新排列萤火虫的位置x1x2x3x4最佳距离3. FA在AMP过程在 本 节 中 ， FA 算 法 被 尝 试 用 于 两 个 AMP 过 程 （ 即 ， EDM 和AWJM），以验证所考虑的算法在确定参数的最佳值。3.1. 电火花加工在热能加工手段中，电火花加工是一种最适合加工复杂几何形状的高精度加工方法，这突出了电火花加工在现代工业中的重要性。电火花加工的基本概念是从工件上腐蚀掉不需要的材料。在这个过程中，温度升高到工件的熔点当合适的脉冲电压施加在由介电流体隔开的两个电极上时，介电流体击穿。释放的电子(b)初始化排序169.24181012.324446.7119125.468745.15020162.02031212.353045.3183117.970345.08568.531159.9715912.287551.5548120.936542.98595.895156.4009212.029045.357188.155845.10198.338149.45761312.285847.7692115.509856.28578.103148.81671812.078748.171084.038645.02177.626144.75262012.297545.344572.381249.46589.084137.5428810.234448.9223114.631342.77258.021136.8718412.066954.3399129.520053.98157.142128.99241911.461054.5022108.526852.32097.358126.6353111.573651.557493.874455.02539.923125.8593179.608851.9483145.974443.93196.620110.63291511.501445.971361.899858.58534.352109.8565149.926945.461766.261244.87055.762100.505138.134953.4913126.551750.1198.98099.783578.892552.431394.558650.94437.52999.4146168.209453.234699.836446.999710.20996.1021510.661851.787468.687357.81814.15679.845167.987752.577498.976459.18589.45975.3832118.288152.060577.602556.81437.987rij¼ð3ÞX1X2X3X4(a)初始化P1（0）11.573651.557493.874455.0253126.6353P2（0）12.029045.357188.155845.1019156.4009P3（0）8.134953.4913126.551750.119100.5051P4（0）12.066954.3399129.520053.9815136.8718P5（0）10.661851.787468.687357.818196.1021P6（0）7.987752.577498.976459.185879.8451P7（0）8.892552.431394.558650.944399.7835P8（0）10.234448.9223114.631342.7725137.5428P9（0）12.287551.5548120.936542.9859159.9715第10页（0）12.324446.7119125.468745.1502169.2418第11页（0）8.288152.060577.602556.814375.3832第12页（0）12.353045.3183117.970345.0856162.0203第13页（0）12.285847.7692115.509856.2857149.4576第14页（0）9.926945.461766.261244.8705109.8565第15页（0）11.501445.971361.899858.5853110.6329第16页（0）8.209453.234699.836446.999799.4146第17页（0）9.608851.9483145.974443.9319125.8593第18页（0）12.078748.171084.038645.0217148.8167第19页（0）11.461054.5022108.526852.3209128.9924第20页（0）12.297545.344572.381249.4658144.7526我R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）2122152相对电极磨损率（REWR）。在本文中，同样的模型被认为是应用FA得到最佳结果。所考虑的参数的界限如下所示放电电流（x1）：（7.5 A，12.5 A）间隙电压（x2）：（45 V，55 V）脉冲开启时间（x3）：（50l s，150ls）脉冲关闭时间（x4）：（40l s，60l s）MRR1- 253：15米 39： 7x1米 4： 277x2米 1： 569x3- 1：375x4-0： 0059x3-0： 536x1x25电话：+86-510- 88888888传真：+86-510-88888888粤ICP备16018888号-1REWR¼196： 564- 24： 19x1- 3： 135x2- 1： 781x3 0： 153x43.2. 基于萤火虫算法的电火花加工工艺单目标优化本节演示了FA的步骤以及使用FA对所考虑的EDM工艺获得的结果。FA被证明为所考虑的EDM的例子，最大限度地提高MRR。FA算法的相应Matlab®代码是使用以下算法参数开发的，这些参数是基于一定数量的试运行来选择的，以实现平滑收敛。迭代次数100，萤火虫数量20，初始随机性（a0）0.90，随机因子（a）0.91，吸收系数（c）1，随机性降低（b）0.75。2 2 2表2粤ICP备05016888号-1粤ICP备15044888号-1粤公网安备44010502000014号-0：017x2x4- 0： 003385x1x2x3ð7Þ所考虑的算法的控制参数选择的基础上试运行和获得的结果是在给定的问题的最优结果接近。FA的演示步骤如下所述。使用控制参数初始化FA的过程，使用FA的EDM第一次迭代结果。萤火虫初始位置的随机生成。 整个人口参数更新更新号X1X2X3X4强度(a)迭代1P1（1）12.245651.0330134.348047.9924154.6174P2（1）12.265946.614092.372046.5083157.3506P3（1）11.164651.3545104.475151.1078131.6605P4（1）9.423453.4394102.796745.9084115.4177P5（1）7.700452.822768.510847.322475.1897P6（1）10.414747.645758.169046.9810104.8271P7（1）10.323648.147096.409452.6045120.2982P8（1）9.275946.832053.055553.288875.9248P9（1）11.901049.474793.498459.8419128.1659第10页（1）10.622748.2668105.786558.8872119.1712第十一条（1）10.620147.7982113.878247.0070138.3431第12页（1）8.978754.317653.421743.860080.8862第十三条（1）7.873448.9969120.990058.391585.3872第十四条（1）8.968548.794266.932445.773892.6795第十五条（1）8.673750.9285109.338251.0172103.1147第十六条（1）9.229545.6851110.806558.3865103.7847第十七条（1）10.065253.826275.032854.134696.3384第十八条（1）10.316049.242580.791758.9481101.9231第十九条（1）8.913853.3495146.694847.6463111.6972第20条（1）9.404148.494370.880353.858190.6780重排强度强度指数根据亮度值重新排列萤火虫的位置x1x2x3x4最佳距离（rij）（b）迭代1排序Fig. 1.萤火虫算法流程图。157.3506212.265946.614092.372046.50830154.6174112.245651.0330134.348047.992442.2340138.34311110.620147.7982113.878247.007021.6073131.6605311.164651.3545104.475151.107813.8320128.1659911.901049.474793.498459.841913.6880120.2982710.323648.147096.409452.60457.7193119.17121010.622748.2668105.786558.887218.4016115.417749.423453.4394102.796745.908412.7940111.6972198.913853.3495146.694847.646354.8531104.8271610.414747.645758.169046.981034.2718103.7847169.229545.6851110.806558.386522.1586103.1147158.673750.9285109.338251.017218.4309101.92311810.316049.242580.791758.948117.307896.33841710.065253.826275.032854.134620.387992.6795148.968548.794266.932445.773825.755390.6780209.404148.494370.880353.858122.970385.3872137.873448.9969120.990058.391531.387480.8862128.978754.317653.421743.860039.928575.924889.275946.832053.055553.288840.009375.189757.700452.822768.510847.322425.0880216R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）212初始化和第一次迭代的结果分别示于表1和表2首先，在决策变量的范围内产生萤火虫的随机初始位置将针对自变量x1、x2、x3和x4获得的值插入目标函数即MRR中，并且对应于萤火虫的位置，获得称为强度的F（x）值（参见表1a）。由于MRR要被最大化，在初始化结束时获得的最佳F（x）值（即强度）是169.2418，其对应于第10个萤火虫位置，具有决策变量值12.3244、46.7119、125.4627和45.1502（表1b）。在初始化结束时，所有萤火虫相对于最佳萤火虫（第10个）的距离通过使用等式（1）获得（三）、这将结束初始化。第一次迭代开始更新萤火虫的位置，通过使用初始萤火虫的位置，距离和控制参数，使用（四）、萤火虫的最新位置（即x1、x2、x3和x4的值）和函数值F（x）（即，强度）得到的结果见表2。使用决策变量获得的第一次迭代时的更新强度值在表2a中给出。得到的最佳函数值（强度）为157.3506，对应的自变量x1、x2、x3和x4分别为12.2659、46.614、92.372和46.5083。可以观察到，在第一次迭代结束时获得的最佳强度值小于在初始化期间获得的最佳强度值。如果获得的强度值优于上一次迭代阶段，则接受该强度值，否则拒绝该强度值。 表2b显示了强度指数和相应的独立变量值。所有萤火虫相对于获得的最佳萤火虫的距离在表2b中给出。这结束了第一次迭代，并且过程将继续，直到满足终止条件。该算法在工程和优化的几乎所有领域都有应用[20]，因此证明了它作为一种全局优化算法的图二. （R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）212217××图2（续）优化工具算法控制因子的选择通常，基于算法的试运行，用户可以容易地理解问题相对于控制参数的行为，并且可以针对所考虑的问题对其进行(See 图第一章FA优化的有效性是衡量采用Eqs。（5）所考虑的工艺参数相对于性能参数（即MRR、Ra和REWR）的变化如图所示。 二、用FA得到的MRR、Ra和REWR分别为181.6723（gm/min）、3.6767（lm）和6.32410- 5（%）分别提出了相应的工艺参数最佳值MRR，Ra和REWR的参数（I，V，ton，toff）为（12.4945 A，45.2750V，131.8870ls，40.6882l s），（7.5000 A，47.1798伏，50.6393l s，59.3475l s）和（9.6716 A，54.1823 V，107.5143l s，42.5727升（秒）分别与Tzeng和Chen[24]针对RSM和BPNN/GA的结果相比，使用FA获得的EDM过程的结果;发现FA的结果明显更好MRR、Ra和REWR的值见表3。性能参数MRR由159.70 gm/min提高到 181.6723 gm/min ， Ra 由 7.04lm 降 低 到 3.6767lm ， REWR 由6.21%降低到6.324 10- 5%。结果表明，在所考虑的电火花加工过程的参数优化问题中，FA具有更好的性能使用FA获得的结果的最优性可以从图2（a）-（d）中描绘的曲线图中确认，图2（a）表3基于FA的EDM单目标优化结果比较算法MRR（gm/min）Ra（lm）REWR（%）[第24话]157.397.837.63BPNN/GA[24]159.707.046.21FA181.67233.6766.324 ×10-5218R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）212目标函数MRR、Ra和REWR对所考虑的电火花加工工艺参数的依赖性。在此基础上，对工艺参数进行了四舍五入。现在，通过改变一个过程变量（即，工艺参数）并同时保持其它参数不变，绘制所考虑的性能参数的曲线图（即，MRR、Ra和REWR），以查看单个过程变量的影响。表4给出了常量值和变量值表4用于绘制EDM图形趋势的过程变量值对于在绘制参数的变化图期间使用的过程变量。这些参数对响应的影响可以通过观察图形趋势来研究。如图2（a）-（d）MRR值随脉冲开启时间的增加而增加（图2（c）），但随脉冲关闭时间的增加而减小（图2（d）），因此，放电电流和脉冲开启时间的最大可能值将是性能参数MRR的最佳解。此外，MRR随着间隙电压和脉冲关断时间的增加而减小，因此间隙电压的最小值工艺参数范围（使用作为变量）用作常量时响应的过程变量值脉冲关断时间是MRR的最优解。而平均粗糙度（Ra）随着放电电流的增加而增加（图1）。 2（a）），并增加非常轻微的增加间隙电压年龄（图。 2（b））。 Ra值随着脉冲开启时间的增加而增加（图11）。 2（c）），但它随着脉冲关断时间的增加而减少（图2）。 2（d））。因此，放电电流、间隙电压和脉冲接通时间需要最小值，脉冲断开时间需要最大值，以获得Ra的最佳结果。图三. （MRRRAREWR放电电流（A）7.5-12.512.57.510间隙电压（V）45–55454754Pulse on time（s）50–15013251108脉冲关闭时间（ls）40–60415943R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）212219×图3（续）现在，考虑REWR ，它随着放电电流的增加而增加（图1）。 2（a）），并随间隙电压的增加而减小（图2（a））。 2（b））。然而，它随着脉冲接通时间的增加而减小（图1）。 2（c）），并随着脉冲关断时间的增加而增加（图。 2（d））。REWR的最佳性能参数为等于6.324 10- 5，其对应于9.6716 A、54.1823 V、107.5183ls、42.5723ls。REWR的解与图2（a）-（d）所示的图形结果具有良好的一致性。这些性能参数的变化趋势证实了用FA方法得到的电火花加工过程的最优解。4. 磨料水射流加工磨料水射流加工（AWJM）是水射流和磨料射流加工工艺的结合。在AWJM工艺中，通过使用增压器，水在大约200-600 Mpa的非常高的压力下被泵送由于水的高压，从孔口出来的水流将较高的势能转化为动能;这种水流可以切割任何材料。磨料颗粒，如沙子和玻璃珠被添加到水流中，以增加AWJM工艺的切割能力AWJM具有多种应用，如切割软材料，铣削和核电厂拆除等。钢及其合金、金属和陶瓷基复合材料、石材-花岗岩和混凝土等材料可以通过该工艺进行非常精细的加工[25]。一个基于Kechagias工作的例子”[26]这是一个考虑。Kechagias等人[26]在AWJM工艺上测试了选择为“TRIP 800 HR-FH”和“TRIP 700 CR-FH”的TRIP钢，并考虑了四个工艺参数（即，‘‘thickness”, ‘‘nozzlediameter”, ‘‘stand-off distance” and ‘‘transverse speed”) using L为实验选择的性能参数是切口和Ra。所考虑的不同工艺参数的界限与Kechagias等人给出的相同。[26]其值如下所示厚度（x1）：（0.9 mm，1.25 mm），喷嘴直径（x2）：（0.95 mm，1.5 mm），220R. 舒克拉山，巴西-地Singh/Engineering Science and Technology，an International Journal 20（2017）2122×支架距离（x3）：（20 mm，96 mm），横向速度（x4）：（200 mm/min，600 mm/min）。Kechagias等人的同一案例研究[26]考虑使用FA优化工艺参数使用Kechagias等人的实验结果[26]，使用MINITAB软件中的RSM和工艺参数的实际值获得的等式表6用于绘制AWJM图表趋势的过程变量值。工艺参数范围（用作变量时）响应的过程变量值（用作常量时）克夫岭在《易经》中，有“道”和“道”之（8）、（9）。锯口1/4：15146mm 0： 70118x1mm 2：72749x2mm 0： 00689x3厚度（mm）0.9喷嘴直径（mm）0.95最大行程（mm）202 2横向速度（mm/min）200-0：00025x4- 0： 93947x2- 0： 0000x3- 0：25711x1x2-0：00314x1x3- 0： 00249x1x4 0：00386x2x30： 00196x2x4- 0： 00002x3x4Ra¼ -23：309555 16： 6968x1 26： 9296x2 0：0587x30： 0146x4- 5： 1863x2-10： 4571x1x2-0：0534x1x3- 0： 0103x1x4- 0： 0113x2x3- 0：0039x2x44.1.基于萤火虫算法的AWJM过程单目标优化ð8Þð9Þ溶液 而Ra随着厚度的增加而增加（图 3（a）），喷嘴直径（图 3（b）），间距（图 3（c）），横向速度（图3（d））。因此，应使用这些工艺参数的最小值来获得Ra的最佳结果。因此，针对工艺参数获得的值，即厚度（0.90 mm）、喷嘴直径（0.95 mm）、间隔距离（20.0647 mm）和横向速度（206.3457 mm/min）是针对性能参数Ra的最佳解决方案。性能参数的这些由此可见，他认为算法是一种元启发式算法采用FA对AWJM工艺进行工艺参数优化FA的有效性是通过采用方程来衡量的（8）和（9）。工艺参数的变化对性能参数"切口“和"Ra“的影响如图所示。 3（a-d）. 表5显示了使用FA的切口和Ra的AWJM结果，获得的值分别为0.3704 mm和4.4430μ m。获得的切口 和 Ra 的 相应 工 艺参 数 值（ 厚 度和（ 0.9000 ， 0.9500 ，20.0647，206.3457）分别这些FA结果与Kechagias等人[26]的实验和回归模型结果进行了比较，如表5所示。性能参数kerf从0.858 mm降低到0.3704 mm，Ra从5.41 mm降低到发现使用FA获得的结果远优于Kechagias等人[26]给出的实验和回归模型结果。因此，可以观察到FA对于所考虑的AWJM过程有效地执行使用FA获得的解决方案可以从图3（a）-（d）中所示的所考虑的性能参数kerf和Ra的图表趋势中得到确认表6列出了在绘制变异图期间使用的工艺变量的常量和变量值通过观察AWJM获得的图表趋势来研究响应的影响，如图3（a）-（d）所示。性能参数kerf随厚度的增加而减小（图3（a）），但随喷嘴直径的增加而增大（图3（b））。此外，切缝值随着间距（图3（c））和横向速度（图3（d））的增加而减小。因此，获得的厚度（1.2484mm）、喷嘴直径（0.9636 mm）、间距（94.2335 mm）和横向速度（399.9542 mm/min）的值与这些事实一致。因此，对于切口获得的值是最佳的算法，在有效地解决优化问题中具有广泛的应用范围。每种算法的特点各不相同，因此对问题的求解也各不相同.因此，它有理由声称，算法的性能随问题的性质而变化。在所考虑的案例研究中，FA被发现是合适的，因为所考虑的加工过程的性能参数被增强。因此，验证了FA可以应用于其他加工过程，以提高各种AMP的性能参数。通常，所有的元启发式算法都依赖于它们的控制因素，这些因素对获得最优解起着至关重要的作用，而考虑FA算法也有同样的局限性。如果没有选择适当的控制因素，那么结果可能是次优的。如果算法的种群规模很大，则可以避免这种情况，但这可能会导致更多的计算时间。5. 结论本文采用非传统的优化技术FA来获得电火花加工和AWJM工艺的最优解。得到了性能参数和相应工艺参数的最佳值。与以往的研究结果相比，使用FA作为EDM和AWJM的性能参数的单目标优化的结果被发现更好。在电火花加工过程中，性能参数"MRR“、" Ra“和"REWR“分别从159.70 gm/min提高和6.21%至6.32410- 5%。 在AWJM过程中，性能参数使用FA，可以确定最佳集合-不同的AMP过程，以增强响应。应用-FA的能力和有效性可以扩展到其他AMP表5过程，以获得最佳结果。AWJM的FA结果比较结果切口（mm）Ra（lm）引用实验[26]0.85805.8000回归结果[26]0.90105.4100[1]Y. Keskin，H.S.哈尔卡奇湾克孜尔，测定FA0.37044.4430电火花加工参数对表面粗糙度的影响加工（EDM），Int. J. Adv. 制造商Technol. 28（11）（2005）1118-112