对于现代模具制造业来说,数控加工是模具制造过程中的重要一环,也是模具制造周期长短的主要影响因素之一。数控加工的质量和效率在很大程度上依赖于加工方案和加工参数的选取。本文针对模具型腔数控加工的现状,以提高模具型腔数控加工效率为目标,进行了多方面的研究工作。 在模具型腔的数控加工过程中,大量的加工时间被耗于粗加工阶段。本文在分析模具型腔粗加工特点的基础上,应用人工神经网络技术来构建模具型腔数控加工的走刀方式选择模型,根据切削层几何形状的特点,采用BP网络进行走刀方式的优选,设计了BP网络的学习样本,并通过实例验证了方法的可行性和高效性。 切削力模型的建立是数控加工参数优化的关键技术,鉴于球头铣刀广泛应用于模具型腔的数控加工中,针对切削力解析模型的不足,采用人工神经网络建立球头铣刀的切削力模型,设计了切削试验来获得BP网络的学习样本集,最后对模型的正确性进行验证。 提出了基于平均切削力曲面模型的进给速度自动优化策略,基于切削试验建立了一个简易的平均切削力模型,根据刀位点的二维当量载荷对进给速度进行优化,在保证模具型腔加工质量的基础上,使切削力平稳,加工效率大幅度提高。其切削力平稳的特性更适合于模具型腔的高速数控加工,可以克服高速加工用刀具刚性差的不足。