汽车覆盖件淬硬钢模具切削数据库及数据挖掘技术研究

发布时间：2020-04-25 15:25

【摘要】：随着德国“工业4.0”和中国“制造2025”的提出,制造业信息化、智能化成为当今制造业主流。智能数据库作为智能制造业发展的必然趋势,已成为提高制造业加工效率、加工质量、降低生产成本的重要途径之一。汽车行业是制造业的支柱行业,而汽车车身的主体是汽车覆盖件,车型的更新周期缩短,更新换代常伴随着大量模具的更换。本文针对汽车覆盖件模具型面复杂、加工工序多的特点且在制造过程中信息共享程度低、参数选择依赖经验性强、难以预测结果、加工效率低等问题,建立了基于WEB的汽车覆盖件淬硬钢模具加工智能数据库,研究了数据挖掘技术的理论和应用,为提高加工效率、降低生产成本提供理论指导和数据支持。首先,对数据库数据前处理的整体流程进行研究。针对切削数据种类多,相互影响因素复杂的特点,结合实例研究了切削数据的前处理流程,得到了数据来源、数据探索、数据预处理的方法和流程。其次,对切削数据预测方法进行了研究。采用有限元软件建立了铣削仿真模型,根据Cr12Mo V平面铣削实验验证了有限元仿真的可信度;结合回归分析法和GA-BP神经网络预测法,建立了铣削力预测模型,将预测结果和实验结果对比分析,验证了预测模型的可信度。再次,进行了切削数据优化研究。采用NSGA-Ⅱ算法建立了切削过程优化模型,通过Cr12Mo V模具钢曲面铣削实验,分析了铣削参数对铣削力及表面粗糙度的影响规律,以铣削力、表面粗糙度和材料去除率为目标函数,采用NSGA-II算法进行多目标优化,并通过实验证实了模型的有效性,最后,通过分析汽车覆盖件模具数据库的整体功能需求,结合数据挖掘技术的理论和方法,以JAVA和MYSQL为基本开发工具,以JAVA中的轻量级框架组合Spring MVC+Spring+Mybatis为基本框架,开发了WEB智能汽车覆盖件模具数据库系统,阐述了数据库系统的各功能模块和操作流程。
【图文】：

图 1-1 汽车覆盖件模具Fig.1-1 The mold of automotive cover大型汽车覆盖件模具如图 1-1 所示，，可以看出汽车覆盖件型面复杂，表面有大量的沟槽、凸起、凹陷、转角，结构尺寸大，尺寸精度和表面精度要求高，且模具钢硬度高(55HRC-62HRC)。因而为保证大型覆盖件的完整性及

Fig.2-1 The whole process of data processing2.1 切削数据来源优质的数据源对数据质量至关重要，也是数据挖掘模型有效性的重要保证，对于切削数据来说，数据一般来源于生产现场、实验数据、知识经验、
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG54;U466

【参考文献】

相关期刊论文 前10条

1 赵凯;刘战强;;铣削力预测方法和影响因素综述[J];机械科学与技术;2015年08期

2 王雅轩;顼聪;;数据挖掘技术的综述[J];电子技术与软件工程;2015年08期

3 胡成龙;;多目标粗加工数控车削优化[J];机械强度;2014年06期

4 陈薇薇;张华;向琴;张业祥;;基于支持向量机数控机床切削能耗预测方法研究[J];机械设计与制造;2014年11期

5 朱清香;于欣;刘晶;刘彦凯;尹佳;;基于加权关联增量更新模型的设备故障诊断研究[J];燕山大学学报;2014年04期

6 吉根林;赵斌;;面向大数据的时空数据挖掘综述[J];南京师大学报(自然科学版);2014年01期

7 戴健伟;吉华;杨岗;樊刚;王彬;;基于GA_BP算法的化工设备设计人工时预测[J];计算机集成制造系统;2013年07期

8 刘春艳;凌建春;寇林元;仇丽霞;武俊青;;GA-BP神经网络与BP神经网络性能比较[J];中国卫生统计;2013年02期

9 刘献礼;丁明娜;刘铭;孙雷;王义文;;切削数据库技术现状及发展趋势[J];工具技术;2013年04期

10 汪雪锋;赵晨晓;衡晓帆;王有国;张琪;;基于时间序列的关联分析在技术监测中的应用研究[J];情报杂志;2013年04期

相关会议论文 前1条

1 周渠;于启勋;;涂层硬质合金的切削性能及其数据库[A];中国科学技术协会首届青年学术年会论文集（工科分册·上册）[C];1992年

相关博士学位论文 前4条

1 王沛栋;改进蚁群算法及在路径规划问题的应用研究[D];中国海洋大学;2012年

2 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年

3 刘鹏;超硬刀具高速铣削钛合金的基础研究[D];南京航空航天大学;2011年

4 陈建岭;钛合金高速铣削加工机理及铣削参数优化研究[D];山东大学;2009年

相关硕士学位论文 前9条

1 谢宝剑;基于卷积神经网络的图像分类方法研究[D];合肥工业大学;2015年

2 孙雷;重型切削数据库系统的研究[D];哈尔滨理工大学;2014年

3 孙慧慧;基于GA-BP神经网络的车内声品质评价研究[D];吉林大学;2012年

4 郝传海;汽车行业金属切削数据库系统的研究与开发[D];山东大学;2011年

5 陈龙;高速铣削数据库共享技术研究[D];哈尔滨理工大学;2009年

6 朱国俊;基于NSGA-II算法的轴流式叶片优化设计[D];西安理工大学;2009年

7 胡绕脖;高速切削工艺数据库的研究开发[D];同济大学;2007年

8 刘雁;面向航空类的切削数据库系统的研究与开发[D];西北工业大学;2006年

9 彭修广;模具高速切削数据库与专家系统的研究[D];山东大学;2005年

本文编号：2640389