高速铣削表面粗糙度预测及铣削参数优化研究

《高速铣削表面粗糙度预测及铣削参数优化研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

　　高速铣削表面粗糙度预测及铣削参数优化研究第1章绪论1.1课题研究的背景和意义随着越来越激烈的市场竞争的开始，先进制造技术作为机械制造领域的先导，从20世纪末开始，就出现了前所未有的发展速度及广度。高速切削技术被称为先进制造领域典型代表，已逐渐成为切削技术发展导向，而且以后也必将成为该领域的主流技术[1]。高速切削加工技术最早在航空制造业中受到重视。飞机上很多重要的零部件都是整块的航空合金铣削而成的，特别是一些薄壁构件，材料去除率达到90%以上，使用传统的普通速度切削不但加工效率低，而且加工质量达不到要求。高速铣削不仅可以提高加工效率，并且可以有效抑制机床振动，达到更好的加工质量。高速切削技术由于其汇集诸多优点优质、高效、低耗、节能、清洁等于一身，因而在航空航天、汽车、兵器、模具等重大领域都有着广泛的应用[2]。随着制造业的发展，机器的整机性能对零部件的使用性能要求越来越高，比如对疲劳寿命、配合质量、耐腐蚀性和耐磨性等要求。零件的使用寿命很大程度上决定于加工质量。在某些特定的使用场合，比如高速、高压、高温以及承受高频循环载荷的环境中，加工质量对零件的使用寿命有直接影响[3]。在高速铣削过程中，表面粗糙度常常被用来评价零件质量的优劣，它表示的是切削参数以及系统变量在整个铣削进程中的耦合影响结果，而且对零件在装配过程的精度及在使用中的一些性能有着不可忽视的影响[4]。表面粗糙度过大会导致零部件过快磨损，配合质量差以及产生疲劳断裂。这些都将极大地影响到机器的可靠性和使用寿命，因此有必要对高速铣削表面粗糙度进行深入研究。近年来，由于越来越激烈的市场竞争，使得对于加工质量和加工效率方面有了更高的要求。如何正确的选取切削参数使得能够在满足零件质量的同时提高效率，越来越得到重视[5]。针对高速铣削的复杂性，优化铣削加工参数是一个较难的问题，存在着许多方面的影响与约束。许多工艺人员确定切削参数，只是单纯的依靠经验公式或者通过查阅手册，这样得到的数据常常因为过于保守而无法达到精度要求，甚至有时会破坏机床的安全性，使得加工过程十分不平稳，不仅导致刀具的严重磨损，加工质量也无法控制，使得高速切削的优越性不能得到充分发挥[6]。 1.2国内外研究现状针对高速切削过程中，表面粗糙度形成机理和预测方面的研究，在工业发达国家是比较早且比较深入的。其中，K.Y.Lee[7]等针对高速铣削加工质量进行了研究，在此基础上考虑了主轴振动的影响，应用表面粗糙度模拟的方法实现了表面粗糙度预测模型的建立；Y.Mizugaki[8]针对高速铣削过程中刀具轨迹的特点，进行了模拟和仿真，并以此为基础对形成表面粗糙度的原理进行了研究；Yaldiz[9]针对车削加工，提出采用模糊系统的方法，实现对车削力的预测；Abburi[39]等针对车削过程，提出利用知识系统的方法，对表面粗糙度实现了预测；Cus[10]等针对加工状况问题，提出并运用人工神经网络的方法，对其进行了优化方面的研究；Benardos[11]等针对车削过程中工件直径误差产生原因，通过神经网络学的方法实现了误差的预测，并针对网络结构，采用遗传算法进行了优化；Umbrello[12]等针对硬态车削过程中残余应力的产生进行研究，不仅实现了通过神经网络学的方法对其进行预测，而且对其做了改进结合了有限元对其实现预测。在国内，针对高速铣削的表面粗糙度预测方面的研究虽然开始的比较晚，但是随着近些年科学技术的快速发展，国内很多单位及科学工大量针对性的研究也取得了一些成果。张斌[13]对于相应数控加工问题，不仅获得能够实现表面粗糙度精确预测模型，还完成对残留面积高度的仿真；肖鹏[14]针对超高速磨削加工，以钛合金材料零件为例，实现了表面完整性的分析与研究；庞俊忠，王敏杰[15]等针对高速侧铣，以钛合金涂层的硬质合金刀具进行了切削试验的研究，通过对不同材料钢的切削研究，获得了表面粗糙度的预测模型。..第2章基于模糊系统高速铣削表面粗糙度预测模型建立2.1高速铣削表面粗糙度影响因素分析 针对高速铣削加工来说，表面粗糙度不仅反映了零件加工表面上微观的形状误差，更重要的是，它可以被用来控制并监测整个铣削加工过程表面的形成，从而达到控制零件加工质量的目的[37]。在切削加工过程中，铣刀与零件表面发生碰触时必然出现相对不同程度的摩擦；切屑分离的时候也会伴随着塑性变形以及金属之间的撕裂变形；机床或者整个系统也会在高速的加工过程中产生高频率的相对振动，等等的这些都对表面粗糙度的形成产生了重要的影响[4]。这些影响不仅导致了零件的耐磨性、耐蚀性以及疲劳强度等相应性能的降低，甚至使得零件在配合过程中的稳定性也有所下降。在铣削表面轮廓时，为了能够获得较好使用性能及较长寿命的零件，必须要对表面粗糙度在一定程度上进行控制[38]。除了一些常见因素如加工方式、工件材料及刀具材料等外，在实际的切削加工过程中，还会出现一些随机的非几何因素以及有着一定变化规律的几何因素，如切削热、铣削力，刀具磨损、振动以及工件材料、刀具几何参数、刀具耐用度等等，都对高速铣削零件表面粗糙度的形成有着不同程度的影响[39]。表面粗糙度影响因素如图2-1所示。其中，非几何因素对于常规的铣削加工有着很大的影响，但是对于高、中速铣削加工，相对于非几何因素，几何因素的影响相对的会更加明显[40]。.2.2基于模糊系统的高速铣削表面粗糙度预测模型建立工件的许多性能如疲劳强度、配合性能以及工作精度等都由于表面粗糙度所达到的精度不够而受到限制。对于如何获得更加合理，精确度更加高的预测模型变得十分重要[43]。理论建模法、回归分析建模法以及智能建模法都是表面粗糙度预测常用的建模方法，在智能建模法中，神经网络学理论应用的最为广泛，对于模糊系统理论的研究还不是很深入且应用的范围也相对较少。模糊系统具有能够提取数据信息的优点，除此外它还可以利用专家经验。本文将运用智能建模法中相应的模糊系统理论针对高速加工实现表面粗糙度的精确预测。模糊理论从开始的纯模糊系统发展至今，有了很大程度的改进。本文将采用Mamdani类型的模糊系统实现高速铣削表面粗糙度的预测。Mamdani类型模糊系统解决了纯模糊系统中，所有输入以及输出参数都是模糊集合的缺陷[44]，以及TSK类型模糊系统中，对于相对规则模块为一个数学式,很大程度上不能通过给予一个自然的体系来表述人类相应知识的缺陷[45]，这些方面的改进使其在控制、通信等领域都获得了广泛的应用。第3章高速铣削加工参数优化研究.....183.1基于动态蚁群遗传算法最优解寻优流程设计....183.1.1动态蚁群遗传算法结构设计.......183.1.2基于动态蚁群遗传算法寻优流程设计.....203.2高速铣削加工参数数学优化模型建立.........213.2.1模型决策变量选择.........213.2.2目标函数的确定......223.2.3约束条件的确定......23 3.3基于动态蚁群遗传算法高速铣削加工参数优化.......243.4本章小结........31第4章高速铣削表面粗糙度预测及参数优化系统研究........324.1系统开发........324.1.1系统开发环境及工具的选择.......324.1.2VC++与MATLAB接口的实现.......324.2系统的运行....344.2.1表面粗糙度预测系统模块的运行......344.2.2铣削参数优化系统模块的运行..........394.3本章小结........41第4章高速铣削表面粗糙度预测及参数优化系统研究4.1系统开发基于大多数软件的开发环境都是在ATLAB却克服了这些缺点。它虽然在执行速度上比较慢，有着无法脱离其本身环境且界面不够美观等缺点，但是它的数值计算功能、库函数以及绘图功能都是十分强大的[47]。所以，如果将VisualC++和MATLAB结合使用，将会克服各自的缺点，结合它们的优点，在保留了VisualC++中相应设计所获得的简单便利、灵活快速等优点的同时，获得了MATLAB功能所带来的简洁高效。结论以国内外学者针对高速铣削表面粗糙度预测方面以及铣削参数优化方面相应的成果为理论依据，本文将模糊系统理论应用于表面粗糙度预测上，并在分析递推最小二乘法的基础上，进行了改良，将基本蚁群算法结合使用，获得了表面粗糙度的预测模型。此外，在铣削参数优化方面，以多目标优化为基础，在分析了遗传算法的优缺点的基础上，采用动态混合蚁群算法建立了铣削参数优化模型。具体的研究内容如下：1．分析了高速铣削表面粗糙度的影响因素，提出采用模糊理论的方法，建立更加精确的预测模型，在递推最小二乘法的基础上，提出结合基本蚁群算法实现模糊系统的训练，对比试验显示改进算法训练的模糊系统最终收敛误差最小，效果最优。通过实验对所建模型进行了测试，测试结果显示基于两种算法所建的预测模型在精确度及收敛性上均优于传统算法。 2．在以加工精度和加工效率为优化目标的基础上，加入了残余应力及刀具耐用度等约束建立了铣削参数优化数学模型。3．采用动态蚁群遗传算法进行优化计算，实现了优化过程的动态调控，使得优化计算不仅具有较强的鲁棒性而且收敛效果更好，对于不同的要求，能更加快速得到精确铣削参数组合。通过实际加工对铣削参数优化结果进行了验证，证明了铣削参数组合的精确性及算法的可行性。4．以VisualC++6.0作为软件开发的平台，实现MATLAB软件调用，开发了铣削参数优化系统，可以完成高速铣削表面粗糙度的快速预测，减少实际生产过程中的浪费，节约了时间，提高了效率，具有一定的快捷性。