科研之友
微信
新浪微博
Facebook
分享链接
摘要
铣削过程再生颤振严重影响工件表面质量和生产效率，准确高效地识别铣削颤振稳定域并合理选择工艺参数是抑制颤振、提高生产效率的关键步骤。当前对考虑稳定性约束下的多目标铣削工艺参数优化研究仍然缺乏系统且完整的解决方案。为此，基于复化Cotes积分和神经网络并结合NSGA-Ⅱ遗传算法建立一种稳定铣削工艺参数多目标优化方法。其中基于复化Cotes积分法提出了一种新的铣削稳定域预测方法来获得二维稳定性叶瓣图(Stability lobe diagram,SLD)，收敛性分析表明新方法具有更快的收敛速度。考虑径向切深不确定性得到由离散三维SLD曲面构建的铣削稳定域神经网络预测模型。最后，分别以材料去除率、刀具寿命作为效率、成本目标，采用NSGA-Ⅱ遗传算法建立稳定铣削工艺参数的优化模型。与经验方法对比显示，优化后的铣削方案可以提高8.4%的材料去除率和16.3%的刀具寿命。结果表明不仅可以通过更加准确地判断铣削稳定性来保证加工质量，而且能够为高效率低成本的铣削确定工艺参数提供科学理论指导。
- 单位
