[发明专利]基于刀具角度与切削用量参数变化的车削力预测方法

说明书

技术领域

本发明属于机械制造技术领域，涉及一种车削力的预测方法，特别涉及一种基于刀具角度与切削用量参数变化的车削力预测方法。

背景技术

在零件的切削加工中，切削力不仅对刀具的磨损、耐用度和被加工零件的表面质量有很大影响，而且影响到机床的性能和切削效率。因此，预估切削力对刀具刃磨、切削参数的合理选取和机床设计具有重要意义。

车削力受多种因素的影响，如刀具角度、刀具材料、切削用量条件、切削液、被加工材料的材质及其热处理条件等，这些影响因素中，有些因素可以定量表达，有些因素只能定性描述。因此，建立准确、通用的车削力模型具有一定的难度。

目前使用的车削力预报模型主要有以下四种：

1)基于实验数据的完全经验模型。这种模型需要做大量的切削实验，一般通过指数曲线拟合方法找到切削力与切削用量参数之间的关系，因此只能适用于切削用量参数变化，而刀具角度参数、刀具材料、工件材料和润滑条件等一定的特定切削条件下的车削力预测，其通用性较差。

2)基于切削机理和材料本构关系的物理模型。这种模型主要考虑主剪切区的材料屈服流动特性及刀具前刀面与切屑之间的摩擦行为，需要做大量实验以建立材料在高温、高应变环境下的材料本构模型，实验难度大，而且只适用于固定刀具和被加工材料及固定切削条件范围(刀具角度参数、刀具材料、工件材料、润滑条件等一定)。另外，刀具与切屑之间的摩擦行为很复杂，需要做许多简化处理，影响建模精度。该模型主要用于有限元法预测切削力，使用起来也不方便，需要操作者具备较好的有限元法知识。

3)单位切削力模型。单位切削力模型是指单位切削面积上的主切削力，这种模型是通过切削实验测出主切削力，然后用主切削力除以切削面积，得到单位切削力。使用时，再用切削面积乘以单位切削力，得到主切削力。这种模型的局限性在于仅适用于不同切削用量参数的主切削力预测；当刀具角度参数发生变化时，单位切削力模型需要重新建立。

4)基于人工智能的切削力预测模型。主要有神经网络模型、灰色系统模型等。这种模型可以考虑多种定量和定性因素，利用该方法要建立具有一定通用性的切削力模型，必须做大量的典型切削实验，以提供足够多的训练模型用样本。这种模型的缺陷是建立具有一定通用性的切削力模型所需的实验数据工作量太大，其适用范围主要在其切削条件范围内。对于神经元网络模型来说，其模型的有效性还取决于神经网络的拓扑结构，且通用性越高，训练神经网络模型效率较低，需要花费大量的训练时间。

综上所述，现有的车削力预测方法，需要做大量的切削实验，才能获得在一定范围内使用的车削力预测模型；而且预测模型的精度要求越好、使用范围要求越宽，需要做的切削实验量越大，导致建立该预测模型的难度也越大。另外，现有的车削力预测模型还主要适用于切削用量参数变化的情况。众所周知，切削实验需要耗费大量的人力和物力，尤其对于一些采用贵重材料和稀有材料制作的工件，不允许做大量的切削实验来预测其切削力，因此采用常规的方法几乎难以实现。

发明内容

本发明的目的是提供一种基于刀具角度与切削用量参数变化的车削力预测方法，该预测方法通过很少的实验次数即可建立切削力预测模型，所建立的预测模型具有较宽的使用范围。

本发明所采用的技术方案是，一种基于刀具角度与切削用量参数变化的车削力预测方法，通过一次车削实验得到的数据，来进行不同刀具角度、不同切削用量参数时的车削力预测，该方法按以下步骤进行：

步骤1：用车刀1车削工件2，以车刀1的刀尖为坐标原点，建立三维坐标系UVW，利用三向测力仪，测出沿该三维坐标系UVW的坐标轴分布的三向车削力值F_u、F_v、F_w，车刀1的刀具角度参数为前角γ₀、刃倾角λ_s、实际主偏角K_r和实际副偏角K_r′，切削用量参数为切削深度t和进给量f；

步骤2：根据步骤1建立的三维坐标系UVW，保持坐标系原点与V轴不变，将U轴和W轴构成的平面绕V轴顺时针转动实际主偏角K_r的余角的角度，建立三维坐标系U₁V₁W₁；