[发明专利]一种基于多层感知机的数控机床多工况切削参数优化方法

说明书

本发明涉及一种基于多层感知机的数控机床多工况切削参数优化方法，属于数控机床智能制造装备领域。针对数控机床的机床坐标以及刀具参数的不确定性问题，会导致数控机床在切削加工过程中出现强烈的颤振，提出了一种基于多层感知机的数控机床多工况切削参数优化方法，该方法首先需在锤击模态实验下获取基于不同主轴坐标、刀具直径、悬伸长度的刀尖频响函数曲线，并结合模态理论公式和铣削颤振稳定性数学模型分析，绘制出铣削稳定性叶瓣图；根据切削颤振稳定性预测方法构建以各向运动部件位移、刀具直径、悬伸长度、主轴转速、切削宽度、每齿进给量为输入的极限切削深度MLP预测模型；采用该回归预测模型作为切削稳定性约束建立材料去除率和刀具寿命的多目标优化模型，通过带精英策略的非支配排序的NSGAII算法来求解最优加工参数配置。并以一台加工中心展开实例研究分析，本发明能够表明所获取的优化配置能满足机床稳定性切削，并验证该方法的可靠性和有效性。

技术领域

本发明属于数控机床智能制造领域，涉及一种基于多层感知机的数控机床多工况切削参数优化方法。

背景技术

高速铣削过程中的颤振问题是影响数控机床加工效率和加工精度的重要因素，根据其产生的原因通常分为自由振动、受迫振动和自激振动(即颤振)。其中，自激振动是由振动系统受到自身产生的激励所维持的振动。铣削加工过程中，刀具与工件之间出现的强烈自激振动，将急剧恶化工件表面质量和尺寸精度，降低刀具和数控机床使用寿命，是制约高档数控装备实现高效、高精加工的关键因素。因此，对加工机床进行相关动态特性研究，是保障高档数控装备实现高性能、高精度铣削加工的重要技术手段。在实际的切削加工过程中，工件与刀具之间在没有周期性外力作用下，由系统内部产生的交变力激发和维持的周期性自激振动称为切削颤振现象。这一现象通常会导致加工部件与机床刀具之间出现偏移，对被加工工件的质量与性能产生非常不利的影响。目前避免切削颤振最有效的方法是绘制铣削稳定性叶瓣图，而机床刀尖频响函数是绘制稳定性叶瓣图的主要输入。然而，在整个加工过程中，机床刀尖点频响函数对机床结构的变化十分敏感，刀尖动态特性往往随着机床空间坐标、刀具悬伸长度，刀具直径等参数的不断变化而变化。因为，要得到准确的稳定性叶瓣图，须得到机床全工作空间下、各种刀具/刀柄组合下的刀尖频响函数。如何准确地预测在各因素影响下的刀尖动态特性已成为颤振抑制研究和工业界具有挑战性的课题之一，同时也为后续加工空间切削稳定性叶瓣图的准确绘制奠定基础。

影响机床切削稳定性的因素有很多，刀具几何参数(悬伸长度和直径)、工件材料和铣削加工系统刀尖点频响函数等均会对加工系统稳定性产生影响。分析加工系统稳定性的影响因素，有助于了解数控切削加工过程中，刀具及其夹装等对切削动态过程的作用特点和规律，并在机床和工件以确定的情况下，通过选择合适的铣刀直径、刀具安装长度和优化切削参数等措施来获得更大的稳定区域，以达到提高切削效率的目的。

本文提出了一种基于多层感知机的数控机床多工况切削参数优化方法，与之前研究的不同在于，本文不仅考虑了机床加工空间位置的变化，还考虑了铣削加工过程中刀具的几何参数变化会对机床刀尖频响函数产生影响。为了绘制准确的稳定性叶瓣图，保障机床切削加工过程中的稳定性。本文主要以机床极限切削深度值为研究对象，通过建立铣削加工过程中的动力学模型，采用零阶频域解析法求解颤振稳定域理论模型，获取对应的极限切削深度和主轴转速组合，为实际铣削加工过程中的铣削参数合理选择奠定理论基础。凭借多层感知机神经网络算法等现代算法在大数据处理和特征提取方面的独特优势和潜力，利用此算法去预测切削加工过程中的机床空间坐标、刀具参数、切削参数等因素对切削稳定性的影响，建立预测模型，分析该因素对颤振稳定性的影响，结合带精英策略的非支配排序的遗传优化算法 NSGAII求解优化模型得出加工位置、刀具直径、悬伸长度和切削参数的最优组合，为铣削过程中参数的选取作出了理论指导和实际价值。

发明内容