数控铣削参数优化的研究与开发

《数控铣削参数优化的研究与开发》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、数字化制造粥ITALMANuFAcTuRING数控铣削参数优化的研究与开发ResearchonOptimizationofNCMachiningCuttingParameter中航工业庆安集团有限公司邓清伟唐竞王文力西安建筑科技大学机电工程学院蔡安江豆卫涛【摘要】以DMC60H数控机床为试验平台，以壳体类铝合金零件加工为研究对象，提取数控铣削加工试验数据，采用BP神经网络建立数控加工铣削参数优化模型。生产验证表明，提出的数控加工铣削参数优化方法具有较强的实用性和一定的先进性，能有效提高n_z-效率，对实现数控机床综合应用效率最优化具

2、有重要意义。关键词：BP神经网络铣削加工样本参数优化【ABSTRACT】BytakingDMC60HHorizontalma-chiningcenterasatestplatform，processingoftheshelltoaluminumalloypartsasstudyobject，NCmillingtestdataisextracted，andBPneuralnetworkisusedtobuildoptimi-zationmodelforNCmillingparameters．ProductionprovesthatNC

3、millingparameteroptimizationmethodpresentedispracticalandadvanced．Itcanimprovetheprocessingefficiencyandisalsogreatlysignificantforrealizingeffi—ciencyoptimization．Keywords：BPneuralnetworkMillingSampleParameteropfimizafion传统的数控加工系统一般需要工艺编程人员先选取主轴转速、进给速度等切削参数，然后自动生成加工程序

4、，加工程序的质量较大地依赖于工艺编程人员的算，只要事先通过样本训练确定网络内部各单元之间的连接权值，即可准确地预测出所需加工参数，从而解决了数控加工切削参数不易选取这一技术难题。本课题以DMC60H数控机床为试验平台，以壳体类铝合金零件加工为研究对象，提取数控铣削试验数据，采用BP神经网络技术建立数控加工铣削参数优化模型，通过研究提出了数控加工铣削参数试验数据的清洗与处理原则。1试验数据的处理1．1试验数据的处理根据现场生产实际，应对表面粗糙度与尺寸精度的试验数据进行处理，以便全面地描述数控加工过程。(1)表面粗糙度的处理原则是根据

5、现场测量及加工实际要求，采用表面粗糙度第一系列进行处理，如表1所示。(2)尺寸精度的处理原则是以标准公差数值表为基础，将尺寸公差转换为标准公差IT。以标准公差IT值作为尺寸精度样本的输入数据。1．2样本数据的选取原则表1表面粗糙度处理原则歉第一系列O．4O．81．63．26．3掰测量值矗。≤0．40．4

6、提高以及降低成本有着至关重要的作用，是实现整个切削过程优化的关键ll-2l。数控加工切削参数的选取是复杂的多输入、多输出非线性问题，难以用常规数学方法进行处理。目前，在数控加工切削参数优化选取中，应用基于专家系统、模糊技术及人工神经网络等智能技术已成为研究热点13-41。其中，人工神经网络技术的自学习功能为解决这一问题提供了新思路，它避开了面向加工过程的定量描述和计56航空制造技术·2010年第22期样本数据的选取质量直接影响神经网络模型的收敛速度和预测精度。本课题通过对试验数据处理的研究与分析，结合数控加工铣削的特点，制定了以下样

7、本数据的选取原则：(1)其他加工条件相同的条件下，以表面质量较高者为样本数据；(2)以接近中间公差尺寸睁1的试验数据选为样本数据；(3)以加工效率最高即加工时间最短作为样本数据；DIG

8、TALMANuFAcTURING数字化制造(4)以表面粗糙度、中间公差尺寸、加工效率为相互作用的多目标选取样本数据。2人工神经网络模型建立2．1BP神经网络模型的建立在给定加工要求(尺寸精度、表面粗糙度等)和工况(机床、刀具、夹具等)的情况下，采用BP神经网络建模方法建立数控加工铣削工艺模型，通过试验数据、样本数据的优化选取和网络训练求解相关模型，可

9、以有效解决数控加工铣削参数优选的问题，使其能很好地指导生产实践IH。DMC60H数控机床的操作系统为Siemens840Dpowerline，可以选取的铣削参数有主轴转速刀和进给速度n，考虑对铣削加工效率的评价加入了加工时间，所以输出