高速铣削过程动力学建模及其物理仿真研究

论文摘要

高速切削技术作为先进制造技术的重要基础技术,因其具有高效率、高精度、低成本等诸多优势在航空航天、汽车及模具行业得到了广泛应用,但因国内缺乏对高速切削机理及工艺的深入研究,使得实际生产中未能充分发挥高速切削的优越性。本文结合高速切削技术的发展趋势,以高速切削理论、机床动力学、切削试验、人工智能控制和计算机仿真技术为基础,对微量润滑条件下高速铣削过程进行动力学建模,针对切削力、切削稳定性与振动、以及高速切削参数优化等问题进行了深入的研究。取得如下创造性成果:一.高速切削辅以微量润滑条件下球头铣刀铣削力建模首次将微量润滑与切削速度因子通过铣削力系数引入铣削力模型。采用中心复合试验设计,并分别利用响应曲面法和BP神经网络对铣削力系数建模。在球头铣刀几何建模中,考虑铣刀残余高度的影响,推导了不同轴向切深时对应的切入角与切出角范围。结合铣刀几何建模与铣削力系数模型建立了适于微量润滑条件下的高速铣削力模型,并通过实验验证了仿真结果。二.针对球头铣刀推导了考虑再生颤振的铣削力模型,并根据动态切削力公式系统地研究了高速铣削的切削稳定性问题,利用李雅普诺夫一次近似理论,分析给出了高速切削过程自激振动的稳定性判据和极限轴向切削深度的计算公式。并利用龙格库塔公式求解时域颤振模型,仿真了不同切削参数对切削颤振的影响。三.根据试验优化技术,利用Taguchi参数设计方法,结合方差分析(ANOVA),详尽地分析了各加工参数以及微量润滑对铣削力的影响大小,并得出影响铣削力的主要因素从大到小依次为:轴向切深、切削速度、润滑油流量、进给量和径向切深。四.综合采用BP神经网络与基于ALM算法的神经网络对考虑最高生产率、最低生产成本、以及加工质量目标函数的多目标函数进行优化,其中利用BP神经网络对加工参数与多目标评价函数值建模,而通过ALM神经网络对BP神经网络进行寻优,以实现数控切削加工工艺参数的多目标优化;此外通过对高速铣削过程进行神经网络建模,并通过使用模糊控制策略调节机床进给速度实现了恒切削力控制。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 高速切削技术的发展历史
• 1.2.2 高速切削机理研究现状
• 1.2.3 铣削过程物理仿真的国内外研究现状
• 1.2.4 研究热点及现存的主要问题
• 1.3 本研究的主要内容
• 第二章 考虑微量润滑的球头铣刀高速铣削力建模
• 2.1 引言
• 2.2 球头铣刀刃线几何模型
• 2.2.1 微段瞬时螺旋角与相位滞后角的推导
• 2.2.2 切削面积的推导计算
• 2.2.3 残余高度与切削区间计算
• 2.3 铣削力模型
• 2.4 铣削力系数识别与建模
• 2.4.1 铣削力系数的识别
• 2.4.2 铣削力系数的建模
• 2.4.3 铣削力试验与铣削力系数求解
• 2.5 铣削力仿真结果
• 2.5.1 基于响应曲面法铣削力系数模型的铣削力仿真
• 2.5.2 基于神经网络铣削力系数模型的铣削力仿真
• 2.6 本章小结
• 第三章 高速铣削过程稳定性分析及时域颤振仿真
• 3.1 动态铣削过程建模
• 3.1.1 动态再生切屑厚度模型
• 3.1.2 考虑再生颤振的铣削力模型
• 3.2 高速铣削加工动态稳定性分析
• 3.2.1 动态铣削力推导
• 3.2.2 高速切削稳定性判据
• 3.2.3 高速切削颤振稳定性极值估算
• 3.3 基于稳定性极限图的高速切削稳定性评价分析方法
• 3.3.1 切削稳定性极限图法
• 3.3.2 多自由度高速铣削过程极限轴向切深的推导
• 3.3.3 多自由度高速铣削稳定性极限图的绘制方法
• 3.4 高速铣削稳定性的影响因素分析
• 3.4.1 高速铣削系统频响特性的影响
• 3.4.2 球头铣刀几何参数对铣削稳定性的影响
• 3.4.3 铣削力系数对切削稳定性的影响
• 3.5 高速铣削过程时域颤振模型仿真
• 3.5.1 数值求解
• 3.5.2 仿真结果分析
• 3.6 本章小结
• 第四章 钛合金高速铣削过程影响因素分析
• 4.1 难加工材料钛合金的特点及加工性能
• 4.1.1 钛合金的物理机械特性
• 4.1.2 钛合金的可加工性
• 4.2 微量润滑技术
• 4.3 微量润滑对铣削力的影响
• 4.3.1 试验条件
• 4.3.2 结果与分析
• 4.4 基于田口方法（Taghchi Method）的铣削参数优化
• 4.4.1 Taguchi 参数设计方法
• 4.4.2 正交设计
• 4.4.3 最佳切削参数的确定
• 4.5 基于BP 网络的高速铣削表面粗糙度建模及影响因素分析
• 4.5.1 基于BP 网络的表面粗糙度模型描述
• 4.5.2 模拟与结果分析
• 4.6 本章小结
• 第五章 基于人工智能方法的高速切削加工参数优化
• 5.1 最优化方法概述
• 5.2 高速切削加工工艺参数优化的数学描述
• 5.2.1 选取模型决策变量
• 5.2.2 建立目标函数
• 5.2.3 约束条件
• 5.3 基于人工神经网络的多目标函数优化建模
• 5.3.1 BP 神经网络对多目标评估函数建模
• 5.3.2 基于ALM 算法的优化神经网络创建
• 5.3.3 优化切削参数的步骤
• 5.3.4 仿真算例
• 5.4 高速铣削过程恒力控制
• 5.4.1 模糊控制算法的设计
• 5.4.2 基于神经网络的高速铣削过程建模
• 5.4.3 基于模糊控制的恒力仿真
• 5.5 本章小结
• 第六章 全文总结与展望
• 6.1 全文总结
• 6.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢