[发明专利]一种加工TC4钛合金工件的车削参数预测方法

说明书

本发明公开了一种加工TC4钛合金工件的车削参数预测方法，包括：(1)将车削转速、进给量、背吃刀量作为加工TC4钛合金工件的待预测车削参数，以车削温度最低、工件表面粗糙度最小、材料去除率最大为目标，在满足车削参数上下限的条件下，构造车削参数预测模型；(2)将所述车削参数预测模型改变为编码优化模型；(3)设置将待预测加工工件的车削参数上下限，输入步骤(2)建立好的编码优化模型，并使用自适应随机简化粒子群优化算法对所述编码优化模型进行求解，得到车削转速、进给量、背吃刀量的最优配置。本发明可以快速预测到TC4钛合金工件的车削参数。

技术领域

本发明涉及机械加工数据预测，尤其涉及一种加工TC4钛合金工件的车削参数预测方法。

背景技术

车铣刨磨是现代机械加工的四种方式，其水平在一定程度上决定了国家的工业水平。车削作为其中一种重要手段，是目前的研究热点。

其他学者已经对车削参数优化做出了大量宝贵工作。Miodragovic[文献：Miodragovic G.R,Dordevic V,Bulatovic R.R,et al.Optimization of multi-passturning and multi-pass face milling using subpopulation firefly algorithm[J].The institution of mechanical engineers part C-journal of mechanicalengineering science,2019,233(5):1520-1540.]等考虑最小加工成本、最短加工时间和最大利润，使用改进的萤火虫算法优化了多道次车削和多道面铣削加工中的加工参数，萤火虫算法使用双种群策略并加入交叉算子，结果显示该优化方法可以应用于复杂的车削铣削优化设计；Mia[文献：Mia M,Gupta M.K,Lozano J.A,et al.Multi-objectiveOptimization and Life Cycle Assessment of Eco-friendly Cryogenic N2 assistedTurning of Ti-6Al-4V[J].Journal of Cleaner Production,2018,210:121-133.]等使用低温液氮辅助钛合金材料的加工，并使用Gray-Taguchi集成方法对相应进行优化，优化内容包括比热容、温度、表面粗糙度和材料去除率，研究发现低温液氮双喷头辅助加工最有效；Solarte-Pardo[文献：Solarte-Pardo B,Hidalgo D,Yeh SS.Cutting Insert andParameter Optimization for Turning Based on Artificial Neural Networks and aGenetic Algorithm[J].Applied sciences-basel,2019,9(3):479.]等训练用人工神经网络评估进给速率和切削速度参数，并使用遗传算法进行对训练后的人工神经网络模型进行优化。Struzikiewicz[文献：Struzikiewicz G, W,B.Cutting parametersselection for sintered alloy AlSi10Mg longitudinal turning[J].Measurement,2019,138:39-53.]等使用田口方法开发了一种进给量选择的算法，在主轴转动的应用中显示初始进给量和车削力均降低了0.5倍。切削参数优化目前依然是热门问题，且有逐渐使用智能算法替代传统方法的趋势，故研究改进粒子群优化算法并在车削参数优化中使用具有一定实际意义。

粒子群优化方法(Particle Swarm Optimization，简称PSO)是Kennedy和Eberhart在1995年提出的一种全新启发式优化方法，该优化方法一经提出便得到了非常广泛的专注，它具有参数设置少、结构简单、运行时间短、可塑性强等众多优势。基本粒子群算法的迭代公式有两个，分别是速度迭代公式和位置迭代公式，如下：