Tối ưu hoá chế độ cắt phục vụ điều khiển thích nghi quá trình gia công

Trần Văn Khiêm Tạp chí KHOA HỌC & CÔNG NGHỆ 181(05): 131 - 136 
131 
TỐI ƯU HOÁ CHẾ ĐỘ CẮT PHỤC VỤ ĐIỀU KHIỂN THÍCH NGHI 
QUÁ TRÌNH GIA CÔNG 
Trần Văn Khiêm* 
Trường Đại học Sư phạm Kỹ thuật Nam Định 
TÓM TẮT 
Điều khiển thích nghi (ĐKTN) là dạng điều khiển thông minh, linh hoạt; cho phép hệ thống tự 
thích ứng, duy trì hiệu năng công tác trước những biến động của các tham số hệ thống và nhiễu 
loạn của môi trường. Ứng dụng CNC có ĐKTN là xu hướng tất yếu, giúp nâng cao hiệu quả sản 
xuất trong khi đảm bảo chắc chắn chất lượng sản phẩm. Tuy nhiên, ứng dụng ĐKTN cũng gặp 
những trở ngại, trong đó có yêu cầu khắt khe về thời gian xử lý, tính toán, ra quyết định, trong đó 
có tối ưu hoá (TƯH) trực tuyến quá trình gia công. 
Nhằm tìm kiếm giải pháp TƯH trực tuyến khả dụng trong ĐKTN, tác giả đã thử nghiệm các 
phương pháp khác nhau. Trong công trình này, tác giả đã thử nghiệm mô hình TƯH chế độ cắt 
dùng giải thuật bầy đàn (PSO) và nhận được kết quả khả quan: kết quả tính toán tương đồng, trong 
khi thời gian tính toán được rút ngắn một cách ấn tượng, chỉ mất 0,196 giây, bằng 6,7% so với 
2,848 giây của phương pháp tốt nhất trước đây, là giải thuật di truyền (GA). 
Bài báo này giới thiệu tóm tắt cơ sở thuật toán, mô tả chi tiết quá trình và kết quả giải bài toán 
bằng PSO trong môi trường Matlab. 
Từ khóa: điều khiển thích nghi, tối ưu hóa, giải thuật bầy đàn, giải thuật di truyền, hợp kim Titan 
ĐẶT VẤN ĐỀ* 
Trong quá trình gia công, trạng thái của hệ 
thống, như kích thước và cơ tính của vật liệu 
phôi, khả năng cắt của dao,... luôn biến động 
khiến chất lượng và tính kinh tế của quá trình 
không ngừng xấu đi. Để thích ứng, đảm bảo 
sự tiến triển bình thường và hiệu quả của quá 
trình, chế độ cắt cần được hiệu chỉnh kịp thời. 
Xu hướng hiện nay là dần dần thay thế các hệ 
CNC truyền thống, có cấu trúc và tham số cố 
định bằng CNC có ĐKTN, có khả năng tự 
thích ứng với sự biến động và nhiễu loạn của 
các tham số hệ thống và của môi trường 0. 
Các hệ ĐKTN được trang bị hoặc ghép với 
modul tính toán, hiệu chỉnh trực tuyến hoặc 
TƯH chế độ cắt. Hệ ĐKTN theo giới hạn 
(Adaptive Control with Constraints – ACC), 
có thể được ghép với modul TƯH tĩnh, ngoại 
tuyến (Off-line) như trong Hình 1, việc TƯH 
được thực hiện trước khi gia công 0. Trong 
trường hợp này, vấn đề thời gian không đáng 
quan tâm nên hầu hết các phương pháp TƯH, 
từ truyền thống, như Taguchi, quy hoạch 
tuyến tính (QHTT),... đến hiện đại như mạng 
*
 Tel: 0913 290074, Email: tranvankhiemspkt@gmail.com 
nơ ron nhân tạo, logic mờ, giải thuật di truyền 
(Genetic Algorithm-GA), hay TƯH bầy đàn 
(Particle Swarm Optimization - PSO),... đều 
có thể được sử dụng. 
Hình 1. Cấu trúc ĐKTN có TƯH ngoại tuyến 
Trong các hệ ĐKTN có TƯH (Adaptive 
Control with Optimization – ACO), chế độ cắt 
được TƯH theo một tiêu chí kinh tế, kỹ thuật 
nào đó nhờ một modul TƯH như trong Hình 2. 
Quá trình TƯH được thực hiện trực tuyến (On-
Line), hoàn toàn tự động theo thời gian thực. 
Vì vậy, ngoài yêu cầu về độ chính xác, tin cậy, 
quá trình tính toán phải được tự động hoá 
(TĐH) hoàn toàn và phải nhanh. Thường chu 
kỳ điều khiển trong ACO được chọn từ 5 đến 
30 giây. Trừ thời gian cho thu nhận dữ liệu, 
phân tích, ra quyết định, truyền thông, tác động 
Trần Văn Khiêm Tạp chí KHOA HỌC & CÔNG NGHỆ 181(05): 131 - 136 
132 
điều khiển,... thời gian dành cho TƯH thường 
chỉ được vài giây. 
Hình 2. Sơ đồ ĐKTN có tối ưu hoá 
Nhằm đáp ứng các yêu cầu của ACO, góp 
phần đưa nó vào thực tiễn công nghiệp, cần 
tìm kiếm mô hình và phương pháp TƯH chế 
độ cắt vừa đảm bảo độ chính xác, tin cậy, vừa 
đáp ứng được yêu cầu về TĐH và thời gian 
của ACO. 
Trong các bài báo đã công bố, chúng tôi đã 
trình bày phương pháp Taguchi 0, QHTT 0 và 
GA 0. Hai phương pháp đầu không đáp ứng 
được yêu cầu về TĐH và thời gian tính toán 
nên chỉ dùng được trong TƯH tĩnh. Phương 
pháp GA được TĐH hoàn toàn nhưng thời 
gian tính toán đến 2,848 phút 0 và còn có thể 
thay đổi tuỳ theo bài toán và năng lực của 
máy tính, chưa thật sự tin cậy. PSO được cho 
là phương pháp có nhiều triển vọng, hứa hẹn 
kết quả tin cậy và khả năng TĐH như GA hay 
thuật toán đom đóm (Firefly Algorithm – FA) 
0 nhưng thực hiện nhanh hơn, từng được ứng 
dụng nhiều trong TƯH tĩnh 0, trong đó có 
TƯH ngoại tuyến trong các hệ ACC 0, 0. Tuy 
nhiên, chưa thấy công trình nào thử nghiệm 
ứng dụng PSO trong ACO. 
Bài báo này sẽ trình bày thuật giải PSO, ứng 
dụng nó cho cùng một bài toán đã giải trong 0 
và 0 để so sánh về khả năng ứng dụng trong 
nghiên cứu ACO. 
KHÁI QUÁT VỀ GIẢI THUẬT BẦY ĐÀN 
Ý tưởng tự nhiên của PSO 
Giải thuật bầy đàn lấy ý tưởng từ hoạt động 
của một số loài động vật sống theo bầy đàn, 
như bầy chim, đàn cá. Cảnh kiếm mồi của 
đàn chim (Hình 3) được cho là nguồn ý tưởng 
đầu tiên về PSO. Đầu tiên, các con chim bay 
tuỳ ý. Khi có con nào đó phát hiện ra mồi, nó 
sẽ phát tín hiệu. Một số con sẽ nhận được và 
phát tín hiệu tiếp,... Theo thông tin nhận được, 
các con chim sẽ điều chỉnh hướng và tốc độ bay 
để nhanh tiếp cận mục tiêu. Vị trí và tốc độ bay 
của mỗi con chim luôn được cập nhật, cho đến 
khi đa số tiếp cận được mồi. 
Hình 3. Cảnh đàn chim kiếm mồi 
Mô hình toán học của PSO 
PSO là thuật toán hoá quá trình kiếm mồi của 
đàn chim tự nhiên, hiện đã khá phổ biến và 
được trình bày trong nhiều tài liệu chuyên 
ngành 0, 0. Thuật toán có thể được tóm tắt 
như sau: 
Ký hiệu S là không gian nghiệm n chiều, 
f:S→R là hàm mục tiêu và N là số cá thể (số 
con) trong đàn. Tại mỗi thời điểm, con thứ i 
có một vị trí nhất định, tương ứng một điểm 
trong không gian nghiệm 
;
; ..
i i1, i2 ij inx = (x x ,...,x ,...x ) S
i = 1..N j 1 n
 (1) 
và di chuyển với vận tốc 
 i i1, i2 ij in
v = (v v ,...,v ,...v ) S 
 (2) 
Trong số các vị trí mỗi con từng đi qua luôn 
tồn tại một vị trí tốt nhất của nó (personal-
best hay pbest) 
, ;i i1 i2 ij inp =(p , p ,..., p ,... p ) S (3) 
Trong không gian S có một vị trí g tốt nhất 
(global-best hay gbest) với cả đàn, tương ứng 
với giá trị nhỏ nhất của hàm mục tiêu 
 i
f(g) f(p ) i N  
 (4) 
Chú ý rằng x, v, p, g là các đại lượng vector 
trong không gian n chiều. 
Trần Văn Khiêm Tạp chí KHOA HỌC & CÔNG NGHỆ 181(05): 131 - 136 
133 
Trong quá trình tìm kiếm, dựa vào thông tin 
nhận được về vị trí của cả đàn, các cá thể 
luôn cập nhật vận tốc di chuyển và vị trí của 
mình. Đó là quá trình lặp với số lần lặp tối 
đa T cho trước. 
Vận tốc của con thứ i ở bước lặp thứ (t+1) được 
xác định theo vận tốc và vị trí ở bước thứ t: 
 i i 1 1 i i
2 2 i
v (t +1)= wv (t)+c r [p x (t)]
+c r [g x (t)]
 (5) 
Trong đó, thành phần thứ nhất thể hiện quán 
tính (inertia), tỷ lệ với vận tốc vi(t); thành phần 
thứ hai (nhận thức - cognitive) tỷ lệ với sai 
khác giữa vị trí tốt nhất của mỗi con pi và vị trí 
tức thời xi của nó; thành phần thứ ba (xã hội - 
social) tỷ lệ với sai khác giữa vị trí tốt nhất của 
đàn g và vị trí tức thời xi của con thứ i. Các hệ 
số w, c1, c2 lần lượt là các hệ số quán tính, nhận 
thức và xã hội; r1 và r2 là các hệ số ngẫu nhiên 
trong khoảng (0,1). Vị trí của con thứ i ở bước 
lặp thứ (t+1) 
;i i ix (t+1)= x (t)+v (t 1) t = 1..T (6) 
Quá trình cập nhật vận tốc và vị trí của các cá 
thể theo (5) và (6) được minh họa bởi Hình 4. 
Vector wvi(t) cùng phương với vector vi(t); 
vector c1r1[pi-xi(t)] cùng phương với vector pi-
xi(t); vector c2r2[g-xi(t)] cùng phương với vector 
g-xi(t); vector vi(t+1) bằng tổng của 3 vector 
trên. Cuối cùng, nhận được xi(t+1) như (6). 
Hình 4. Mô tả giải thuật cập nhật vận tốc và vị trí 
Vị trí tốt nhất của con thứ i ứng với giá trị nhỏ 
nhất của hàm mục tiêu (bài toán cực tiểu) mà 
nó đạt được: 
 ( )i if p = min[f(x )] (7) 
Hay 
i i i
i
i i i
x khi f(x )< f(p )
p
p khi f(x ) f(p )
 (8) 
Vị trí tốt nhất của đàn ứng với giá trị nhỏ nhất 
của hàm mục tiêu trong cả đàn 
 if(g)= min[f(p )] i N (9) 
Thuật toán cơ bản của PSO được trình bày 
tóm tắt trong Hình 5. 
Hình 5. Sơ đồ thuật toán tổng quát của PSO 
MÔ HÌNH TỐI ƯU HOÁ CHẾ ĐỘ CẮT 
Hàm mục tiêu 
Mô hình TƯH chế độ cắt được trình bày chi 
tiết trong 0, ở đây chỉ tóm tắt để đảm bảo tính 
hệ thống. Hàm mục tiêu là tổng chi phí gia 
công 1 đơn vị thể tích phôi (ng.đ/cm3): 
1
d
e
d
e
CK A
V Z ZT
C A
( A ) min
Z T Z

 (10) 
trong đó, K (ng.đ) - chi phí nguyên công; 
V (cm
3
) - thể tích vật liệu phôi được cắt; A 
(ng.đ/ph) - chi phí cho 1 phút chạy máy; 
Z=v.s.a (cm
3
) - năng suất bóc vật liệu; Cd 
(ng.đ) - chi phí mua và mài dụng cụ; Te (ph) - 
tuổi bền của dụng cụ, tại đó chi phí gia công 
thấp nhất, được gọi là tuổi bền kinh tế: 
 1de
C
T ( m )
A
 (11) 
Các điều kiện ràng buộc 
- Điều kiện lực cắt không vượt ngưỡng cho 
phép, đảm bảo không gây biến dạng quá mức 
của phôi, hoặc đảm bảo an toàn cho hệ thống 
Trần Văn Khiêm Tạp chí KHOA HỌC & CÔNG NGHỆ 181(05): 131 - 136 
134 
1
mf nf kf
maxF F v s a F (12) 
- Điều kiện giới hạn cho phép của độ nhám bề 
mặt gia công 
1
mr nr kr
a maxR R v s a R (13) 
- Điều kiện tuổi bền của dụng cụ bằng tuổi 
bền kinh tế (Te): 
1
mt nt kt
eT T v s a T (14) 
- Điều kiện công suất cắt không vượt quá giá 
trị danh định Pm của động cơ trục chính 
 ( 1)mf nf kf1
m
F
P v s a P
60.1000
 (15)
- Miền giới hạn tốc độ cắt 
 vmin≤v ≤ vmax (16) 
- Miền giới hạn lượng chạy dao 
 smin≤s ≤ smax (17) 
- Miền giới hạn chiều sâu cắt 
 amin≤a ≤ amax (18) 
Phương pháp giải 
Rút cuộc, bài toán chi phí được phát biểu như 
sau: TƯH chế độ cắt (v, s, a) theo hàm mục 
tiêu (10), với các điều kiện ràng buộc (12) 
đến (18). Tuy PSO có thể xử lý các mô hình 
phi tuyến, nhưng xử lý mô hình tuyến tính vẫn 
nhanh và tin cậy hơn. Ở đây, hàm mục tiêu và 
các điều kiện ràng buộc đều có dạng hàm mũ, 
dễ dàng lấy logarit để chuyển thành tuyến tính 
nên mô hình tuyến tính vẫn được dùng. 
NGHIÊN CỨU THỰC NGHIỆM 
Mô hình thực nghiệm 
Số liệu thực nghiệm thu được khi tiện phôi từ 
hợp kim Titan Ti-6Al-4V, dùng dao gắn 
mảnh hợp kim cứng BK6, trên trên máy tiện 
CNC kiểu Hyperturn 45 của hãng EMCO - 
CH Áo. Các thông số đo được gồm: lực cắt Fz 
(dùng lực kế áp điện 3 thành phần kiểu 
9257BA của hãng Kistler - Thuỵ Sĩ); độ nhám 
bề mặt Ra (dùng thiết bị SJ-201 của Mitutoyo 
– Nhật); tuổi bền T, tương ứng với chiều cao 
trung bình của vùng mòn mặt sau h=0,3mm. 
Các yếu tố đầu vào với 3 mức như trong bảng 1. 
Bảng 1. Các yếu tố đầu vào và các mức 
Yếu tố Mức 1 Mức 2 Mức 3 
v (m/ph) 30 45 60 
s (mm/v) 0,15 0,30 0,45 
a (mm) 0,50 0,10 0,15 
Dùng quy hoạch thực nghiệm đa yếu tố toàn 
phần (L27) với 27 thí nghiệm, nhận được 
bảng số liệu (đã ẩn một số hàng cho gọn) như 
bảng 2. 
Bảng 2. Số liệu thí nghiệm 
Thí
nghiệm v(m/p) s(mm/v) a(mm) F(N) Ra T(ph)
1 30 0,15 0,50 350,32 1,48 194,31
2 30 0,15 1,00 471,96 1,62 76,75
... ... ... ... ... ... ...
25 60 0,45 0,50 1382,19 9,97 4,66
26 60 0,45 1,00 1862,14 10,91 1,84
27 60 0,45 1,50 2216,82 11,50 1,07
Số liệu đoChế độ cắt
Dùng phương pháp hồi quy tuyến tính, nhận 
được các phương trình ràng buộc sau: 
 0,95 0,65 0,4364.zF v s a (19) 
 0,45 1,45 0,135,5.aR v s a (20) 
 2,45 1,85 1,349546.T v s a (21) 
Từ (15) và (19) nhận được 
 1,95 0,65 0,430,013.P v s a (22) 
Từ thực tế, xác định được Cd=35 (ng.đ); 
A=2,5 (ng.đ/ph); từ (21) có m= -2,45. Theo 
(11) có tuổi bền kinh tế Te=20,30ph. Theo 
(10), tính được A=4,224. 
Giá trị giới hạn của các thông số như sau: 
- Lực cắt cho phép: Fmax=800N; 
- Công suất danh định của động cơ trục chính: 
Pm=5,5kW; 
- Độ nhám bề mặt lớn nhất cho phép: 
Rmax=2,5μm; 
- Giới hạn tốc độ cắt: v = (2050)m/ph; 
- Giới hạn lượng ăn dao: s = (0,11,2)mm/v; 
- Giới hạn chiều sâu cắt: a = (0,151,50)mm. 
Với các số liệu đã cho, có mô hình toán sau: 
xác định bộ tham số chế độ cắt v, s, a để đạt 
mục tiêu (a) với các điều kiện ràng buộc (b): 
1 1 1
0,95 0,65 0,43
0,45 1,45 0,13
1,95 0,65 0,43
2,45 1,85 1,34
4, 224. ( )
64. 800
5,5. 2,5
0,013. 5,5
50
1, 2
( )
1,5
20
0,1
0,15
9546. 20,3
v s a a
v s a
v s a
v s a
v
s
b
a
v
s
a
v s a
 (23) 
Trần Văn Khiêm Tạp chí KHOA HỌC & CÔNG NGHỆ 181(05): 131 - 136 
135 
Giải bài toán 
Logarit 2 vế các phương trình (23), đặt 
x1=ln(v), x2=ln(s), x3=ln(a), được mô hình 
tuyến tính sau: 
1 2 3
1 2 3
1 2 3
1 2 3
1
2
3
1
2
3
1 2 3
1,44 -x -x -x (a)
4,16 +0,95x +0,65x +0,43x 6,68
1,70 +0,45x +1,45x +0,13x 0,92
-6,62 +1,95x +0,65x +0,43x 1,25
x 3,91
x 0,18
(b)
x 0,41
x 3,00
x -2,30
x -1,90
9,16 -2,45x -1,85x -1,34x = 3,01
(24) 
Chương trình PSO được lập trong Matlab với 
các tham số như sau: số cá thể N=100; số vòng 
lặp 50; w=(0,4-0,9); c1=c2=2. Hình 6 cho thấy 
bài toán hội tụ sau khoảng 20 vòng lặp. Theo 
kết quả in ra màn hình, với bộ thông số chế độ 
cắt tối ưu: v=35,24m/ph; s=0,19mm/vòng; 
a=1,5mm, chi phí gia công nhỏ nhất 
K/V=0,432ng.đ/cm3. 
0 10 20 30 40 50
-2
-1
0
1
2
3
4
So vong lap
H
a
m
 m
u
c
 t
ie
u
PSO - DIEN BIEN CUA HAM MUC TIEU
Hình 6. Quá trình TƯH nhờ PSO 
====== TOI UU HOA CHE DO CAT VOI PSO ====== 
 Toc do cat toi uu : v = 35.24 (m/ph) 
 Luong an dao toi uu : s = 0.19 (mm/vg) 
 Chieu sau cat toi uu : a = 1.50 (mm) 
 Nang suat gia cong : Z = 9.783 (cm^3/ph) 
 Do nham be mat : Ra = 2.48 (μm) 
 Luc cat : F = 724.40 (N) 
 Cong suat truc chinh : P = 0.53 (kW) 
 Tuoi ben tinh toan : T = 20.30 (ph) 
 Tuoi ben kinh te : Te = 20.30 (ph) 
 Chi phi truc tiep : K1 = 0.255 (ng.d/cm^3) 
 Chi phi dung cu : K2 = 0.176 (ng.d/cm^3) 
 Chi phi gia cong : K/V= 0.432 (ng.d/cm^3) 
 Thoi gian tinh toan : tt = 0.196 (s) 
========================================= 
Tổng hợp kết quả 
Bài toán TƯH chế độ cắt khi gia công hợp 
kim Ti-6Al-4V theo tiêu chí tổng chi phí gia 
công thấp nhất (10), có tính đến đầy đủ chi 
phí mua và mài dao và các điều kiện ràng 
buộc (12)÷(18), trong đó có các các ràng buộc 
đặc trưng cho gia công các vật liệu khó gia 
công như HKTi, là độ nhám bề mặt và tuổi 
bền của dụng cụ. Bài toán được giải bằng 3 
phương pháp: QHTT 0 để nhận được kết quả 
chính xác; GA 0 và PSO (trong bài báo này) 
để đánh giá về thời gian giải. Kết quả được 
tổng hợp trong bảng 3. 
Bảng 3. Tổng hợp kết quả TƯH bằng QHTT, GA 
và PSO 
v(m/ph) s(mm/v) a(mm)
K/V 
(ng.đ/cm
3
)
Tuổi bền 
(phút)
Thời gian 
giải (giây)
QHTT 35,26 0,19 1,5 0,431 20,3 không tính
GA 35,07 0,19 1,5 0,431 20,3 2,848
PSO 35,24 0,19 1,5 0,432 20,3 0,196
Chế độ cắt tối ưu Kết quảPhương 
pháp 
TƯH
Ta thấy, so với QHTT thì GA và PSO cho kết 
quả (chế độ cắt tối ưu, chi phí gia công (K/V) 
và tuổi bền) tương đương, nghĩa là đủ chính 
xác. Tuy nhiên, chỉ GA và PSO là có thời 
gian TƯH nhỏ, trong đó thời gian của PSO 
được rút ngắn một cách ấn tượng: 0,196 giây, 
chỉ bằng 6,7% so với 2,848 giây của GA, xấp 
xỉ thời gian giải bài toán tương tự được công 
bố khá gần đây (2017): 0,2147 giây khi giải 
bằng PSO và 0,1578 giây khi kết hợp FA với 
PSO 0. 
KẾT LUẬN 
Bài báo này kết thúc loạt 3 bài báo, trình bày 
kết quả tìm kiếm giải pháp phần mềm cho 
modul TƯH trực tuyến của hệ ĐKTN có tối 
ưu hoá (ACO). Một bài toán TƯH chế độ cắt 
khi tiện hợp kim Titan Ti-6Al-4V (một trong 
những vật liệu khó gia công điển hình vì lực 
cắt lớn, dao mòn nhanh và chất lượng bề mặt 
thấp) có tính đến đầy đủ các chi phí mua, mài 
dao và các điều kiện ràng buộc cơ bản đã 
được giải bằng 3 phương pháp khác nhau: 
một phương pháp kinh điển từng được đánh 
giá là tin cậy, là QHTT và 2 phương pháp dựa 
trên trí tuệ nhân tạo, là GA và PSO. Đối chiếu 
với 3 yêu cầu cơ bản của TƯH trực tuyến cho 
ACO như đã nêu trong phần đặt vấn đề thì 
PSO có triển vọng nhất: độ chính xác so sánh 
được với QHTT đồng thời có thể TĐH hoàn 
toàn và thời gian giải ngắn nhất. 
Trần Văn Khiêm Tạp chí KHOA HỌC & CÔNG NGHỆ 181(05): 131 - 136 
136 
Kết quả nghiên cứu đánh dấu một bước hoàn 
thiện mô hình ACO và mở ra khả năng hiện 
thực hóa nó trong công nghiệp, phát triển ứng 
dụng ĐKTN trong công nghệ gia công cơ. 
TÀI LIỆU THAM KHẢO 
1. Đào Văn Hiệp (2016), Giám sát và điều khiển 
thông minh quá trình gia công cơ, Nxb Quân đội 
nhân dân, Hà Nội. 
2. Trần Văn Khiêm (2017), “Phương pháp 
Taguchi và ứng dụng trong tối ưu hoá chế độ cắt”, 
Tạp chí Cơ khí Việt Nam, số 4, trang 76-82. 
3. Trần Văn Khiêm (2017), “Tối ưu hoá chế độ cắt 
khi tiện hợp kim Titan Ti-6Al-4V”, Tạp chí Cơ khí 
Việt Nam, số 6, trang 55-63. 
4. Trần Văn Khiêm (2017), “Tối ưu hoá chế độ 
cắt khi tiện hợp kim Titan Ti-6Al-4V nhờ giải 
thuật gen”, Tạp chí Cơ khí Việt Nam, số 6, trang 
76-82. 
5. Krusienski, D.J., Jenkins, W.K. (2005), “Design 
and Performance of Adaptive Systems Based on 
Structured Stochastic Optimization Strategies”, 
IEEE Circuits and Systems Magazine, p.8-20. 
6. Vikas Pare, Geeta Agnihotri & C.M. Krishna 
(2011), “Optimization of Cutting Conditions in 
End Milling Process with the Approach of 
Particle Swarm Optimization”, International 
Journal of Mechanical and Industrial 
Engineering (IJMIE), ISSN No. 2231 –6477, 
Volume-1, Issue-2, pp. 21-25. 
7. Cus, F., Zuperl, U. et al (2006), “Adaptive 
Controller Design For Feedrate Maximization of 
Machining Process”, Journal of Achie-vements in 
Materials and Manufacturing Engineering, Vol. 
17, p. 237-240. 
8. Johari, N.F., Zain, A.M., Mustaffa, N.H. & 
Udin, A. (2017), "Machining Parameters 
Optimization using Hybrid Firefly Algorithm and 
Particle Swarm Optimization", Journal of Physics: 
Conf. Series 892 (2017) 012005, pp.1-11. 
SUMMARY 
OPTIMIZATION OF MACHINING PARAMETERS 
FOR ADAPTIVE CONTROL OF MACHINING PROCESS 
Tran Van Khiem
*
Nam Dinh Universty of Technology Education 
Adaptive Control (AC) is an intelligent and flexible control type, which allows the system to 
self-adapt and maintain the control performance against the un-certainties in system parameters 
and environment disturbances. The application of CNC with AC is the inevitable trend that helps 
improve production efficiency while definitely guarante product quality. However, the application 
of AC also encounters many obstacles including the strict requirements on processing time, 
computing, making decision including online optimization of machining process. 
In order to find the useful online optimization solution for AC, different methods have been 
examined. In this work, the author examines the optimization model for cutting parameters using 
PSO and obtains satisfactory results: The obtained results are similar, while the executing time is 
dramatically shortened in comparison with the best of recently used method, ie. GA, only 0.196, 
equalled 6.7% against 2.848. 
This article briefly introduces the algorithmic basis, describes the problem solving process and it’s 
results by using PSO in Matlab. 
Key words: adaptive control, optimization, particle swarm algorithm, genetic algorithm, titanium 
alloy. 
Ngày nhận bài: 04/4/2018; Ngày phản biện: 19/4/2018; Ngày duyệt đăng: 31/5/2018 
*
 Tel: 0913 290074, Email: tranvankhiemspkt@gmail.com