在数控加工中，小线段表示的刀具轨迹G1、G2不连续，导致速度和加速度不平滑，从而降低零件的加工质量与效率。为了提高加工质量与效率，通常使用连续性更好的参数曲线如B样条曲线，对刀具轨迹进行拟合。基于能量因子的渐进迭代逼近最小二乘拟合（Progressiveand IterativeApproximation for Least Square incorporating Energyterm，ELSPIA）算法是一种高效的样条拟合算法，且适用于工业加工，但是ELSPIA算法具有如下缺点：（1）只适用于三轴刀具轨迹拟合，（2）没有解决B样条曲线弧长与参数之间的非线性关系，（3）缺乏刀具轨迹质量评估和改进措施。 针对五轴样条轨迹实时插补中存在的问题和ELSPIA算法中存在的缺陷，本文的主要研究内容为：（1）建立了加工误差和刀位点误差、刀轴误差之间的关系，确保刀位点误差和刀轴误差能准确高效的转换成五轴B样条刀具轨迹的加工误差。（2）对ELSPIA算法进行扩展，提出六维空间的ELSPIA算法，保证ELSPIA算法适用于五轴刀具轨迹B样条拟合。（3）提出了基于刀轴稳定性的弧长参数化五轴B样条刀具轨迹算法，解决五轴B样条刀具轨迹中弧长与参数之间的非线性关系，和刀轴剧烈变化的问题。（4）提出了一套五轴B样条刀具轨迹质量评估方法，和刀具轨迹不满足加工要求时的改进措施，保证最终得到的五轴B样条刀具轨迹满足加工要求。（5）开发离线智能B样条轨迹优化软件，支持五轴B样条刀具轨迹输出。 介绍了自主研发的离线智能B样条轨迹优化软件，并利用自主研发的软件对五轴叶身精加工轨迹进行仿真分析，仿真分析结果证明了本课题算法的有效性，且适用于五轴叶片加工。最后进行了加工实验和粗糙度测量，用于检测加工质量与加工效率，实验结果证明，本文提出的算法能提高加工质量和加工效率，且适用于工业加工。
展开▼
