[发明专利]一种考虑不确定参数的车削加工参数优化方法在审
| 申请号: | 201710633143.X | 申请日: | 2017-07-28 |
| 公开(公告)号: | CN107480354A | 公开(公告)日: | 2017-12-15 |
| 发明(设计)人: | 黄贤振;胡明伟;张义民;李常有;朱丽莎 | 申请(专利权)人: | 东北大学 |
| 主分类号: | G06F17/50 | 分类号: | G06F17/50 |
| 代理公司: | 北京易捷胜知识产权代理事务所(普通合伙)11613 | 代理人: | 齐胜杰 |
| 地址: | 110819 辽宁*** | 国省代码: | 辽宁;21 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 考虑 不确定 参数 车削 加工 优化 方法 | ||
技术领域
本发明涉及车削加工参数优化技术,具体涉及一种考虑不确定参数的车削加工参数优化方法。
背景技术
高速高精度加工是现代制造的发展趋势,实现高性能切削的前提是稳定切削。车削过程中再生型颤振严重影响机床的加工效率、精度以及刀具的使用寿命。因此,车削加工参数优化必须考虑车削颤振因素。
再生型颤振被认为是目前研究最为广泛的机理。近年来,国内外学者提出多种方法来避免再生颤振以及车削加工参数优化。业内人士提出应用变转速和倾角等多变参数抑制再生型颤振。另外,业内人士还提出采用变主轴转速加工研究快速工具伺服辅助车削系统来抑制再生型颤振。
此外,在车削加工参数优化方面,业内人士还提出了基于人工蜂群算法的多目标车削加工参数优化方法和薄壁圆柱壳车削加工参数优化方法,该薄壁圆柱壳车削加工参数优化方法中考虑工件变形和刀具振动。,
上述方法使用中,车削加工参数被认为是确定性的,然而受载荷和环境条件影响,车削加工参数在实际工程中是随机的,因此上述研究存在一定的局限性。
发明内容
为解决现有技术中的问题,本发明提供一种考虑不确定性参数的车削加工参数优化方法,该方法能够将可靠度作为衡量指标作为优化条件,分析不确定因素对车削过程的影响,以获得最佳车削加工参数。
第一方面,本发明提供一种考虑不确定性参数的车削加工参数优化方法,包括:
步骤S1、依据设定的车削加工系统的振动初始条件和车削加工系统稳定临界状态信息,对车削加工系统动力学模型进行处理,获取车削加工系统的稳定性极限状态函数,所述稳定性极限状态函数包括:极限切削深度和该极限切削深度对应的主轴转速、机械切削宽度的最小值;
步骤S2、基于所述稳定性极限状态函数,采用AFOSM获取用于评价车削加工系统稳定性的可靠度指标;
步骤S3、以单位时间的材料去除率作为优化目标,预设的约束条件,建立车削加工系统中车削工艺参数可靠性的优化模型;
所述约束条件包括:可靠性约束条件和随机设计变量边界约束。
其中,可靠性约束条件包括:可靠度约束、车削加工系统稳定性约束、切削力约束、表面粗糙度约束和切削功率约束等;
随机设计变量边界约束条件包括:切削深度约束、切削加工系统振动角频率约束和进给量约束等。
步骤S4、采用SORA方法,并结合所述可靠度指标,优化处理所述优化模型,获取优化收敛且符合可靠度约束的目标函数值,此时所述目标函数值对应的确定性参数、随机设计变量和随机参数作为输出的车削加工参数。
可选地,步骤S1包括:
S11、根据再生型颤振机理,建立车削加工系统的动力学模型;
S12、依据设定的切削厚度变化量,获取动态切削力的表达式;
S13、将动态切削力的表达式和所述动力学模型整合,在振动初始条件为零时对整合后的表达式进行拉普拉斯变换;
S14、将车削加工系统稳定临界状态信息应用在拉普拉斯变换后的表达式中,获得极限切削深度和该极限切削深度对应的主轴转速、机械切削宽度的最小值;
S15、根据极限切削深度和该极限切削深度对应的主轴转速、机械切削宽度的最小值,建立稳定性极限状态函数。
可选地,
子步骤S11中的车削加工系统的动力学模型的振动微分方程为:
其中,m为等效质量;c为等效阻尼;k为等效刚度;表示动态切削力ΔFd(t)与刀具振动方向夹角;α表示刀具主振方向q(t)与振动方向夹角;
子步骤S12中的动态切削力的表达式为:
ΔFd(t)=kcapa(t)=kcap[ηy(t-T)-y(t)]
其中,a(t)=ηy(t-T)-y(t),车削前后两次加工的重叠系数为η,y(t)为本次刀具振动位移,T为主轴旋转周期,kc为切削刚度系数;ap为切削深度;
子步骤S13中拉普拉斯变换后的表达式为:
子步骤S14中的极限切削深度为:
极限切削深度对应的主轴转速为:
在重叠系数η=1时,机械切削宽度的最小值为:
子步骤S15中的稳定性极限状态函数为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710633143.X/2.html,转载请声明来源钻瓜专利网。





