首页> 中文学位 >2A14铝合金薄壁件高速铣削参数优化研究
【6h】

2A14铝合金薄壁件高速铣削参数优化研究

代理获取

目录

中文摘要

英文摘要

目录

第1章 绪 论

1.1课题来源及研究的背景和意义

1.2国内外研究现状

1.3本文的主要研究内容

第2章 2A14铝合金高速铣削实验

2.1铝合金高速铣削实验

2.2实验数据处理

2.3本章小结

第3章 表面粗糙度预测模型的建立

3.1表面粗糙度影响因素分析

3.2表面粗糙度回归建模

3.3表面粗糙度ANN建模

3.4本章小结

第4章 铣削力建模与加工变形预测

4.1铣削力分析

4.2铣削力回归建模

4.3铣削力ANN模型

4.4薄壁零件加工变形分析

4.5本章小结

第5章 高速铣削加工参数优化

5.1遗传算法优化

5.2铣削参数优化系统开发

5.3参数优化效果验证

5.4本章小结

结论

参考文献

声明

致谢

展开▼

摘要

在合理选择铣削参数的前提下,提高切削速度可以使铣削力降低,减小工件表面残余应力,切削热量跟随切屑快速发散到环境中,并提高加工效率。铝合金薄壁件由于刚度低的特点在切削力作用下易产生变形,同时薄壁件切削加工需要去除大量的材料。因此高速铣削有利于薄壁类零件的加工,既能保证高精度、高加工表面质量,又能提高加工效率。由于理论欠缺和经验不足,目前高速加工技术在实际生产中选择合理的铣削参数较为困难,难以充分发挥其优越性。为了提高铝合金薄壁类零件高速铣削加工的加工质量及加工效率,开展合理选择铣削参数的相关研究工作具有重要的意义。
  首先,介绍了通过实验建模的流程,设计了铝合金高速铣削正交实验的水平、因素和实验方案,测量了切削过程中的三向铣削力和加工后的表面粗糙度值,并对数据进行分析处理,得到了用于建立铣削力和表面粗糙度预测模型的100组输入输出样本。
  然后,分析了铣削参数对表面粗糙度Ra和铣削力的影响规律,分别用回归方法和人工神经网络(artificial neural network, ANN)方法建立表面粗糙度和三向铣削力的预测模型,对比两种方法的预测效果,总的说来网络结构选择合理的人工神经网络模型预测效果比回归模型好,更适合作为表面粗糙度和铣削力的预测模型,但是人工神经网络预测模型在相对误差较大的区域预测效果不如回归预测模型。分析了薄壁件加工变形机理,研究了某薄壁零件铣削加工中的变形规律,为进一步研究控制薄壁件加工变形提供了依据。
  最后,基于上述研究结果,为了寻找最优的切削条件以实现最优的加工性能,对铝合金的加工提出了合理的切削参数选择方法,并以人工神经网络预测模型为基础,以加工变形量、铣削力等为约束,以最小的表面粗糙度和最大的材料去除率为优化目标,运用遗传算法(genetic algorithm, GA)技术对铣削参数进行优化。将预测建模和参数优化集成到铣削参数优化系统中,以便于实际生产加工操作。经实验验证,优化后的参数在保证零件加工质量的同时充分发挥了机床性能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号