基于数据挖掘技术的钛合金铣削工艺参数优化

来源：计算机集成制造系统杂志2022年第8期北京时间：

作者：刘献礼, 孙庆贞, 岳彩旭, 李恒帅

单位：哈尔滨理工大学先进制造智能化技术教育部重点实验室

摘要：随着大数据时代的来临,传统数据挖掘技术已不能满足智能制造背景下海量数据处理的要求。针对海量数据在挖掘过程中出现的计算能力不足、挖掘效率低下的现状,提出在云计算环境下,以分步聚类理念为基础,对经典K-means聚类算法进行改进,并将改进的算法与Hadoop平台的MapReduce计算架构相结合,实现算法计算并行化,从而形成能够应对海量数据挖掘任务的新算法T.K-means。为了验证新算法的实用性能,以虚拟铣削Ti-6Al-4V(TC4)钛合金加工运行数据为挖掘对象,利用T.K-means算法挖掘加工工艺参数与工件表面粗糙度之间的关系,得到可调控工艺参数的优化值以指导实际加工。挖掘结果表明,T.K-means算法可用于TC4钛合金铣削工艺参数优化目标值的确定,其所挖掘出的工艺参数能够反应机床铣削加工TC4钛合金表面粗糙度的最佳运行状态。

关键词：数据挖掘,分步聚类,T.K-means算法,MapReduce架构,铣削参数优化

基金资助：国家自然科学基金国际(地区)合作与交流研发资助项目(51720105009);国家重点研发计划资助项目(2019YFB1704800);黑龙江省自然科学基金资助项目(YQ2019E029)。