切削稳定性约束下的铣削参数优化技术研究
本文关键词: 切削稳定性 切削参数优化 目标函数 遗传算法 出处:《机械工程学报》2017年05期 论文类型:期刊论文
【摘要】:目前切削稳定性研究主要集中在不同加工方法及加工条件下的稳定性研究,以无颤振极限切深作为切削参数优化的推荐值,缺少对稳定性与优化模型的深度融合分析。针对这一问题,以材料切除率和刀具寿命构建优化目标函数,提出一种切削稳定性约束下的铣削参数优化模型。通过对铣削稳定性零阶解析算法的分析,论述了切削稳定区域的确定受切削力学模型、刀尖频率响应、及切削参数共同影响关系。在设定机床、工件和刀具的条件下,通过对稳定性叶瓣图形态随切削参数变化规律的研究,得出了极限切深不等效于最大材料去除率;以动态变化的稳定域及机床能效为约束边界,采用变化趋势相反的材料去除率和刀具寿命构建优化目标函数,通过遗传算法获取全局最优解。针对多目标优化中,各分目标权重难以量化设置的问题,提出以材料去除率期望值和刀具寿命期望值作为优化模型设置参数,实现优化参数的量化调节和优化方向的有效控制。在VMC850机床上进行了试验并采用遗传算法对多组参数设定状态进行优化,结果表明切削参数优化结果满足稳定性约束要求,且其优化方向可量化调节。
[Abstract]:At present, the research of cutting stability is mainly focused on the stability of different machining methods and processing conditions. The flutter free limit cutting depth is regarded as the recommended value for optimization of cutting parameters. There is a lack of depth fusion analysis of stability and optimization model. In order to solve this problem, the optimization objective function is constructed based on material cutting rate and tool life. This paper presents an optimization model of milling parameters under the constraint of cutting stability. By analyzing the zero order analytic algorithm of milling stability, the cutting force model for determining the stable region of cutting and the frequency response of cutter tip are discussed. Under the condition of setting machine tool, workpiece and cutting tool, the change law of stable blade shape with cutting parameter is studied. It is concluded that the ultimate cutting depth is not equivalent to the maximum material removal rate. Based on the dynamic stability region and the energy efficiency of the machine tool, the optimization objective function is constructed by using the material removal rate and the tool life of the tool with the opposite changing trend. The global optimal solution is obtained by genetic algorithm. Aiming at the problem that the weight of each sub-objective is difficult to set quantitatively in multi-objective optimization, the expected value of material removal rate and the expected value of tool life are proposed as the parameters of optimization model setting. The quantitative adjustment of the optimized parameters and the effective control of the optimization direction are realized. The experiments are carried out on the VMC850 machine tool and the genetic algorithm is used to optimize the setting state of the multi-group parameters. The results show that the optimization results of cutting parameters meet the requirements of stability constraints, and the optimization direction can be adjusted quantificationally.
【作者单位】: 四川大学制造科学与工程学院;四川普什宁江机床有限公司;
【基金】:国家科技支撑计划(2015BAF02B02) 四川省科技计划(2014GZ0119)资助项目
【分类号】:TG54
【正文快照】: 0前言1工艺参数的选择是工艺规划的关键步骤,如何*国家科技支撑计划(2015BAF02B02)和四川省科技计划(2014GZ0119)选择合理的工艺参数,在满足零件加工质量的前提下提高生产率降低生产成本是切削加工行业不断研究的问题。在切削加工质量的控制方面,机床刀具系统的动态行为影响最
【参考文献】
相关期刊论文 前10条
1 周志恒;张超勇;谢阳;黄拯滔;邵新宇;;数控车床切削参数的能量效率优化[J];计算机集成制造系统;2015年09期
2 吴石;刘献礼;宋盛罡;渠达;;铣刀磨损对铣削稳定性及表面位置误差的影响[J];振动.测试与诊断;2015年04期
3 黄华;张树有;刘晓健;何再兴;;基于响应面模型的广义空间切削稳定性研究[J];浙江大学学报(工学版);2015年07期
4 张正旺;李爱平;鲍进;刘雪梅;;基于主轴系统动态行为的高速铣削工艺参数优化[J];同济大学学报(自然科学版);2015年01期
5 汪博;孙伟;闻邦椿;;高速主轴系统切削稳定性预测及影响因素分析[J];机械工程学报;2013年21期
6 李勤良;汪博;赵斌;闻邦椿;;考虑非线性迟滞力的机床颤振系统稳定性研究[J];机械工程学报;2013年11期
7 曹宏瑞;陈雪峰;何正嘉;;主轴-切削交互过程建模与高速铣削参数优化[J];机械工程学报;2013年05期
8 李忠群;刘强;郑敏;王鑫;;基于Z-map的弱刚性系统高速周铣表面加工精度[J];华中科技大学学报(自然科学版);2012年S2期
9 谢书童;郭隐彪;;数控车削中成本最低的切削参数优化方法[J];计算机集成制造系统;2011年10期
10 ;Modeling and Analytical Solution of Chatter Stability for T-slot Milling[J];Chinese Journal of Mechanical Engineering;2010年01期
【共引文献】
相关期刊论文 前10条
1 刘晓初;赵传;张超;单士印;周文波;温溢恒;;强化研磨时工件转速对轴承套圈表面加工质量的影响[J];工具技术;2017年05期
2 胡韶华;何彦;刘飞;;高能效高速稳态铣削参数优化[J];沈阳工业大学学报;2017年03期
3 陈列;汪幸;张德生;余海涛;杨奇彪;娄德元;刘顿;盛凯;;冷却油温度对插齿机切削稳定性的影响[J];机床与液压;2017年08期
4 王宸;杨洋;袁海兵;王生怀;;基于混合粒子群算法的数控切削参数多目标优化[J];现代制造工程;2017年03期
5 孙会来;李丹;赵方方;于欣欣;;基于ABAQUS的航空7075铝合金切削二维仿真[J];天津工业大学学报;2017年01期
6 刘二亮;赵立国;刘霞;韩甲栋;;车削Inconel 625锯齿形切屑形成对颤振影响的试验研究[J];工具技术;2017年02期
7 刘琼;周迎冬;张漪;;面向低碳的切削参数与调度集成优化[J];机械工程学报;2017年05期
8 常红艳;;高速切削刀具磨损表面形态探究[J];科技经济市场;2016年12期
9 易敏;张华;鄢威;;一种基于工件几何特征优化的能耗模型及应用[J];制造技术与机床;2016年12期
10 邱辉;李国平;;基于Lempel-Ziv复杂度的车削颤振预报[J];机械设计与研究;2016年05期
【二级参考文献】
相关期刊论文 前10条
1 李聪波;崔龙国;刘飞;李丽;;面向高效低碳的数控加工参数多目标优化模型[J];机械工程学报;2013年09期
2 拓守恒;雍龙泉;邓方安;;“教与学”优化算法研究综述[J];计算机应用研究;2013年07期
3 彭芳瑜;方正隆;吴警;闫蓉;;基于点云的超精密铣削加工三维表面形貌仿真[J];华中科技大学学报(自然科学版);2012年08期
4 汪博;孙伟;闻邦椿;;考虑主轴—刀柄—刀具结合面的高速主轴系统动力学特性有限元建模[J];机械工程学报;2012年15期
5 孙伟;汪博;闻邦椿;;高速主轴系统静止及运转状态下动力学特性对比分析[J];机械工程学报;2012年11期
6 曹宏瑞;何正嘉;;机床—主轴耦合系统动力学建模与模型修正[J];机械工程学报;2012年03期
7 谢书童;郭隐彪;;数控车削中成本最低的切削参数优化方法[J];计算机集成制造系统;2011年10期
8 张辉;陈五一;;基于初期磨损统计规律的铣刀快速筛选[J];机械工程学报;2011年11期
9 刘路;王太勇;蒋永翔;胡淼;宁倩;;基于超球面支持向量机的刀具磨损状态识别[J];农业机械学报;2011年01期
10 田荣鑫;姚倡锋;黄新春;任军学;张定华;;面向加工表面粗糙度的钛合金高速铣削工艺参数区间敏感性及优选[J];航空学报;2010年12期
【相似文献】
相关期刊论文 前10条
1 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期
2 李华昌,谢淑兰,易忠胜;遗传算法的原理与应用[J];矿冶;2005年01期
3 冯锦春;杨林建;;遗传算法在机械工程方面的应用研究[J];煤矿机械;2008年08期
4 李凯;田双亮;耿丽君;张喜;;基于改进遗传算法在分析企业客户群中的应用[J];河南理工大学学报(自然科学版);2009年06期
5 刘铁男,姜建国,陈继刚,张长江,于镝;遗传算法的收敛性分析[J];大庆石油学院学报;2000年03期
6 乐慧丰,林家骏,俞金寿;投影遗传算法[J];华东理工大学学报;2000年05期
7 苑进,孙忠林,刘雪美;改进遗传算法在齿轮减速器优化中的应用[J];山东科技大学学报(自然科学版);2001年04期
8 李春利,郭章红,杨振生;基于遗传算法的分子设计初探[J];化学工业与工程;2002年01期
9 董军芳,曾颖,林金清;应用遗传算法推算多元溶液热力学数据[J];吉首大学学报(自然科学版);2002年01期
10 唐雪萍,何绪全;遗传算法在流体识别中的应用[J];天然气勘探与开发;2002年01期
相关会议论文 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
相关重要报纸文章 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
相关博士学位论文 前10条
1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年
2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年
3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年
4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
相关硕士学位论文 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
,本文编号:1467978
本文链接:https://www.wllwen.com/kejilunwen/jiagonggongyi/1467978.html