热门关键词:

数控铣削加工表面形貌建模及预测技术研究

  • 该文件为pdf格式
  • 文件大小:540.88KB
  • 浏览次数
  • 发布时间:2014-10-12
文件介绍:

本资料包含pdf文件1个,下载需要1积分

动的作用下,最终残留在工件表面上的痕迹。表面形貌-般包括表面粗糙度、波纹度、形状误差和加工纹理及方向四个方面。作为表面相貌重要评价标准--表面粗糙度的研究正在从车削加工向铣削加工转变,从基于加工理论向人工智能手段转变,从只考虑切削速度、进给率和切削深度基本影响因素的预测模型到综合考虑到了机床震动、刀具变形等更多影响因素的预测模型转变。

在切削过程中,影响表面形貌的因素有很多,如图1所示 :图1影v向表面形貌的因素Fig.1 Factors affecting surface morphology以上各种影响因素 ,从客观上讲 ,具体到设计囊括所有影响因素的仿真系统很难,在-个仿真系统中全部表现出来是非常困难的,也将是非常庞大的,所以目前的表面形寐真系统都没有考虑周全。根据实际操作情况,-般认为影响表面粗糙度的主要因素包括:切削参数、切削用量等 J。

目前,国内外对表面形貌预测及预测方法的研究较活跃。对于表面形貌预测,大量的研究都集中在车削加工,相比之下,在铣削操作中表面形貌预测的研究还不多。比较典型的有:Antoniadi等口 提出的MSN(Miling Software Needle)算法,该算法通过- 个功能强大的图形用户界面来实现球头铣刀铣削表面形貌和表面粗糙度的预测。B.H.Kim等4 提出的- 种纹理叠加法,通过有效的残留面积得出表面粗糙度,基本思路是按照给定的切削条件和刀具形状通过纹理叠加程序构成 维表面纹理。非线性回归法(RSM:Response Surface Methodology) 是用于表面粗糙度预测的-种很成功的方法,它结合数学和统计学原理,用于建模和分析多个独立变量影响-个独立响应-类问题的方法。在应用于加T表面粗糙度预测的研究中,多个独立变量就是切削速度、进给率和切削深度等加工过程参数,而相应形成的表面粗糙度就是-个独立响应;Bouzakis等 提出的BALL-MILL算法,研究了球头刀精铣 自由曲面的表面粗糙度预测,对切削力、切削力引起的相应刀具弯曲偏移以及切屑形成机理进行了充分的研究。

基于智能控制的表面粗糙度预测也是近年来发展较快的-个领域。实现智能控制的途径主要有f收稿日期2013-1-20[作者简介]陈慧群 (1982-),男 (汉),江西高安人,硕士,主要研究方向:数字化设计及制造技术,逆向工程;E-mail:chenhuiq###szit.edu-第1期 陈慧群:数控铣削加工表面形貌建模及预测技术研究 45人工智能方法fAI)的人工神经网络控制 、模糊逻辑控制、专家智能控制等方法。人工智能应用在工程问题中是通过开发人工神经网络(ANN)、遗传算法(GA)、模糊逻辑和专家系统的发展,并通过仿真人类处理信息和做出决定。这-方面用于表面粗糙度预测研究的论文文献中,研究比较成熟的是人工神经网络(ANN)t7]和遗传算法(GA) 的应用。

由于数控加工质量研究还处于发展阶段 ,尽管前人在铣削加工过程表面粗糙度预测方面作了大量的研究工作,并

正在加载...请等待或刷新页面...
发表评论
验证码 验证码加载失败