钛合金铣削表面粗糙度预测建模

论文摘要

表面粗糙度是衡量已加工表面质量的重要指标之一,通过建模预测粗糙度,可以为优化铣削参数提供依据,在实际加工前准确地预测工件的表面粗糙度,以提高产品的表面质量、节约生产成本。本文通过建立铣削表面粗糙度预测几何模型、BP网络模型、回归分析模型,并对钛合金TC4的铣削表面粗糙度进行了铣削试验研究,通过给定加工参数预测得出表面粗糙度,与试验数据对比分析。论文主要研究工作如下:1、综合考虑了铣刀的倾斜方向、倾斜角度、进给方式、主轴的回转偏心、轴向窜动等因素对加工表面的影响,以球头刀为例,运用坐标变换原理和矩阵运算法则,推导了球头铣刀多轴铣削过程中切削刃上任意点在工件坐标系的轨迹方程,以此建立了表面粗糙度的几何模型。2、以切削速度、进给量、径向切深三因素为变量,采用神经网络和回归分析法建立了表面粗糙度预测的经验模型。经验证,神经网络预测模型和回归分析模型预测精度高,泛化能力强,可以用于预测铣削参数对已加工表面粗糙度的影响,揭示已加工表面质量随铣削参数的变化规律,为切削参数的优选和表面质量控制提供依据。3、对钛合金TC4进行了三因素三水平正交铣削试验,并对试验结果进行了极差分析,为预测模型提供训练样本,同时,对所研究的模型可行性和准确性进行了对比分析。本文建立的粗糙度模型,经过试验数据验证,预测精度高,预测结果能够满足实际加工误差要求。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 关于表面粗糙度的研究现状
• 1.2.1 国内外对表面粗糙度预测研究的现状
• 1.2.2 钛合金铣削表面粗糙度研究现状
• 1.3 表面粗糙度预测存在的问题
• 1.4 本文的主要研究工作
• 1.5 本文主要内容的安排
• 第二章 球头铣刀加工残余表面几何模型
• 2.1 铣刀的类型及工艺特点
• 2.1.1 广义铣刀几何参数
• 2.2 预测模型构成
• 2.2.1 球形刃数学模型
• 2.2.2 刀具坐标系下刀刃的一般表达式
• 2.2.3 工件坐标系下刀刃的一般表达式
• 2.3 TC11 铣削试验与仿真
• 2.3.1 TC11 材料参数
• 2.3.2 仿真算法
• 2.3.3 仿真算例
• 2.4 本章小结
• 第三章 神经网络（BP 网络）预测模型
• 3.1 BP 人工神经网络
• 3.1.1 BP 神经网络学习算法
• 3.1.2 BP 神经网络算法实现
• 3.1.3 BP 神经网络的不足及改进
• 3.1.4 BP 神经网络在高速铣削表面粗糙度预测中的应用
• 3.2 BP 神经网络粗糙度预测模型设计
• 3.2.1 BP 神经网络层数设计
• 3.2.2 BP 神经网络各层节点数的确定
• 3.2.3 BP 神经网络传递函数选取
• 3.3 BP 神经网络粗糙度预测模型训练
• 3.3.1 BP 神经网络模型训练样本数据采集
• 3.3.2 数据预处理
• 3.3.3 网络训练
• 3.4 BP 神经网络预测模型的确定及数据处理
• 3.4.1 BP 神经网络模型的确定
• 3.4.2 数据处理以及误差计算
• 3.5 本章小结
• 第四章 回归分析模型
• 4.1 基于回归分析对表面粗糙度预测模型的研究
• 4.1.1 多元线性回归分析
• 4.1.2 多元线性回归分析在粗糙度预测中的应用
• 4.2 粗糙度预测回归模型建立
• 4.3 表面粗糙度预测模型的显著性检验
• 4.3.1 表面粗糙度预测模型的显著性检验
• 4.3.2 表面粗糙度预测模型回归系数显著性检验
• 4.3.3 回归分析模型预测结果的试验验证
• 4.4 本章小结
• 第五章 表面粗糙度预测实例验证
• 5.1 钛合金高速铣削试验方案
• 5.1.1 工件材料
• 5.1.2 试验仪器
• 5.1.3 TC4 试验方案
• 5.2 铣削表面粗糙度试验与建模预测结果的对比分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文