基于切削状态的热室圆盘锯床切削优化研究

《基于切削状态的热室圆盘锯床切削优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文1绪论控研究的发展。在进行切削状态识别时，切削状态变化会直接导致切削力、切削温度、振动和声发射等信号发生相应变化，而切削力等信号的变化会体现为电机转矩、输出功率以及电流的变化。因此，根据不同的加工类型和工艺特点，选取合适的传感器，提取切削加工对象的各种信号，如力、温度、振动、图像、热力等，并依据某个判断准则将各传感器的信号进行融合，获得较全面的信息状态，提高切削过程中的切削状态检测的可靠性和准确性。[1]孟庆鑫等针对多传感器多特征量的信息融合技术在铣床控制中的应用展开了研究，将铣床的加工流程分为单工况和多工况两种情况，在单工况时，选择切削力和振动信号作为辅助变量，而

2、在多工况时，增加了切削速度，主轴转速以及切削深度这三个变量，并采用小波分解技术对其进行特征提取，最后分别讨论了小波神经网络、遗传神经网络以及遗传小波神经网络对刀具磨损量的预测效果。[2]文西芹等针对刀具磨损和工件表面粗糙度的预测问题，开发了一套基于切削力和神经网络的智能铣削加工系统。通过选取切削、进给速度、切削深度和切削力作为辅助变量，建立BP神经网络模型，并采用铣削系统的数据对模型的参数进行了训练。[3]李迎等针对金属切削工况和刀具磨损在线监控问题，以灰色理论、神经网络、小波分析为基础，采用LABVIEW软件设计了铣削力动态在线预测系统。该系统包含在线切削力方向显示模块、在线切削力预

3、测值和实际值显示模块、刀具磨损识别模块。通过系统实际运行显示，在进行铣削时，切削力预测值与实际值较为吻合，误差在5%左右，能够达到工程实际应用的需求，对于铣削加工的智能控制有一定的指导意义。[4]舒服华等将小波基函数神经网络应用到了刀具磨损状态的识别中，开发了一套状态检测系统。作者首先分析了切削状态变化时的各种表现形式，分析发现切削状态的变化会引起切削力的变化，切削力的变化又可以表现为电机转矩和电流的变化。在此基础上选取主轴电机、进给电机电流、声发射信号作为特征信号，通过构建小波神经网络，利用MORLET解析小波神经网络的非线性模型，对表征着刀具磨损状态的辅助变量进行特征提取，从而实现

4、磨损状态的智能识别和在线监测。[5]张春生等提取反映刀具磨损状态的特征参数声发射信号（AE），主轴电流，进给电流，利用小波神经网络的非线性模型，实现在线状态监测。同时针对多输入输出问题带来的网络规模大收敛速度慢等问题，提出了一种改进的遗传算法寻找最优小波基元，从而简化小波神经网络并加快收敛速度。1.2.2切削参数优化研究现状在切削加工中，由于工件的材质不均匀，加工余量在不断变化，切削刀具也2重庆大学硕士学位论文1绪论随着切削的进行而不断磨损，外界干扰因素随机变化，导致加工设备并没有处于最佳状态，这就会造成加工精度下降、加工故障频繁等负面影响。为了解决这些问题，减小工况变化带来的负面影响

5、，优化切削过程，提高其可靠性，就需要针对实时的工况调整参数，使其式中处于最优或次优的工作状态。[6]Sakakura等针对磨削加工的参数选取问题，建立了一个准确可靠的磨削参数数据库，但是这种方法只针对磨削加工有效，并且需要大量的磨削实例，实际加工中，数据库的磨削参数还需要根据生产环境进行一定的调整，这就给数据库的存储和管理维护带来了极大的困难。[7]徐德安等针对金属切削单步切削参数的优化问题进行了研究，采用正交实验法对其进行了优化，但是这种方法需要实验条件的覆盖面尽量广，保证当加工材料和加工环境变化时，系统也能得到快速的响应。[8]张臣、周来水等针对加工过程中复杂零件铣削加工工艺参数优

6、化问题，建立了相应的数学模型，提出了基于仿真数据的数控铣削加工多目标变参数优化方法。这种铣削加工的切削用量变化较大且频繁，因此作者引入了时段组合的概念，将连续问题离散化，从而将变参数优化问题转化成多参数优化问题。[9]张峰三、勾三利等针对企业生产经营目标多样化的问题，结合每道工序的特点，建立了通用的多目标非线性规划数学优化模型，通过模型的计算，得出每个工序的最优参数，并以此指导机床的工作流程，解决了单一机床对多个工序切削参数优化的问题。[10]李琦等提出了基于遗传算法的切削参数优化方法。遗传算法在处理切削参数优化问题时，它对空间进行多点搜索，避免收敛与局部最优解，并能很快达到最优值的9

7、0%-95%值域，是一种比较有效的优化算法，但是它要消耗很长的时间继续收敛到最优解。[11]刘国光等针对切削参数优化中遗传算法收敛速度慢的问题，提出了一种组合遗传算法，该算法以普通的遗传算法为基础，并吸取了模拟退火算法和进化策略的优点，采用浮点数编码，再提高了算法精度的同时加快了收敛速度。[12]武美萍等提出了一种变搜索域遗传算法，并将这种算法应用到了金属切削中，实现切削参数的动态优化。与通常的切削参数优化算法相比，新的算法计算速度更快，更能够