论文部分内容阅读
金属车削加工是机械制造中重要的加工工艺,切削速度、进给速率、切削深度等切削参数都必须在切削操作时决定和选择。为了合理地优化切削参数,综合考虑加工能耗、加工效率和加工质量,提出了面向低能耗和高表面质量的数控车削参数优化方法。 切削参数的选择,直接关系到切削工况,影响机床电能利用情况。为了测量数控机床的功率,采用WB9128-1三相功率传感器,建立了数控机床的功率监测系统。利用功率监测系统,在CAK3665ni数控车床上对45钢进行了干式车削加工功耗测试实验。正交实验结果表明,切削速度、进给速度和切削深度对数控车床功率都有显著的影响。尽管增大车削参数会提高车床电能消耗速率,但由于材料去除率增大、加工时间缩短,增大车削用量仍会减小总电能消耗。为了量化分析数控车床的电能消耗速率,从电能去向方面分析,分别建立了固有功率、主传动系统功率、进给系统功率和负载功率的数学模型,有效预测了数控车床的功率。 不同的切削参数也会改变切削表面的微观形貌,影响工件的表面质量。为了合理地评价不同的表面质量,借鉴田口法中产品质量的损失函数公式,评价了工件的表面质量。使用Mitutoyo SV-3100表面粗糙度仪测量了车削表面。实验结果表明,提高切削速度会提高工件表面质量,提高进给量会降低表面质量。为了合理优化数控车削参数,考虑各因素的交互影响,建立了表面粗糙度的数学模型。 综合考虑数控车床加工过程中的能耗和工件表面质量,以切削比能低和表面粗糙度小为目标,建立了优化数控车削参数的数学模型。NSGA-Ⅱ多目标遗传算法鲁棒性高且优化性能好,利用该优化方法,对数控车削参数进行了优化。车削参数优化结果中,进给量在小于0.1mm/r时,电能消耗量会快速增大;切削深度大于0.4mm时,表面质量会迅速变差。采用线性加权和法,对优化结果进行了进一步评估,从而指导切削参数选择。经过评价后最终选取的车削参数为:车削速度243m/min,进给量0.09mm/r,车削深度0.45mm。实验结果表明,采用优化后的车削参数进行加工,与经验选取切削参数加工相比,切削比能从9.91J/mm3降低至7.33J/mm3,轮廓的算数平均偏差从1.19μm减小至0.88μm。 基于多目标遗传算法的低能耗和高表面质量的切削参数优化方法,可以有效地优化切削参数,为切削方案的选择提供借鉴。