论文部分内容阅读
切削参数的优化选择是高速加工工艺技术研究中的重要内容,对高速加工技术的发展和应用有着重要的意义。切削参数的选择直接影响到产品的质量、生产率、加工成本等。由于影响切削参数的因素繁多且相互制约,因而确定最佳的切削参数较为困难。本文将统计分析和遗传算法运用于切削参数优化选择,建立了表面粗糙度预测模型和基于遗传算法的优化运算模块,可以提高加工工艺制定的智能化水平,为高速加工技术的发展应用奠定良好的基础。
在分析研究高速加工工艺技术的基础上,结合金属切削加工原理,针对不同刀具—材料组合设计并实施了高速切削实验,获得了大量的切削工艺数据。
通过对切削实验数据进行方差分析和回归统计分析,明晰了切削速度、每齿进给量和切削深度等切削参数对表面粗糙度的影响规律,并建立了置信度为95%的表面粗糙度预测模型。预测模型的预测值与实测值相比较,误差值小于4.7%。
应用遗传算法理论,以所建立的表面粗糙度预测模型的预测值为约束条件,以最大材料去除率为目标,经遗传运算,可搜寻到最大适应度的最优切削参数。在不同表面粗糙度期望值要求下进行多次遗传运算,结果显示对表面粗糙度的要求越高,所得到的最大材料去除率越小,每齿进给量越小,所获得表面粗糙值越低。可见,加工参数优化模块能有效满足加工后表面品质的要求,也有助于获得铣削加工的最大效益。