[发明专利]一种数控机床铣削加工稳定性的动-静态优化方法有效
申请号: | 201710786443.1 | 申请日: | 2017-09-04 |
公开(公告)号: | CN107589723B | 公开(公告)日: | 2019-09-24 |
发明(设计)人: | 王家序;魏子淇;熊青春;周青华;黄彦彦;杨勇;周广武;蒲伟;王洪乐;向往;杨万友 | 申请(专利权)人: | 四川大学;成都飞机工业(集团)有限责任公司;中国航空工业集团公司 |
主分类号: | G05B19/4093 | 分类号: | G05B19/4093 |
代理公司: | 成都顶峰专利事务所(普通合伙) 51224 | 代理人: | 杨军 |
地址: | 610000 四川*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 数控机床 铣削 加工 稳定性 静态 优化 方法 | ||
本发明公开了一种数控机床铣削加工稳定性的动‑静态优化方法,本发明基于机床状态自决策专家系统和稳定性叶瓣图,实现对铣削加工工艺NC代码的静态和动态优化。具体步骤如下:利用分布无线传感系统对机床运行参数进行实时采集,并将得到的参数输入数据库中。机床状态自决策专家系统对实时数据信息进行学习、融合,并更新机床状态参数并针对NC代码建立加工稳定性叶瓣图。在此基础上,开展机床铣削加工工艺的静态和动态优化。该方法针对NC代码开展铣削加工工艺优化,相对传统优化方法更加快捷方便,并且可有效保证加工效率,对各种不同控制系统的多轴联动数控机床具有很好的通用性。
技术领域
本发明属于计算机数控铣削加工技术领域。本发明涉及一种数控机床铣削加工稳定性的动-静态优化方法。特别涉及基于稳定性叶瓣图优化NC代码的一种方法。
背景技术
在航空、航天、船舶、模具及汽车等领域的复杂零件制造中,零件加工精度、表面质量及刀具磨损等有依赖于加工工艺参数的合理选择。数控切削加工过程优化涵盖三方面的内容:数控切削加工工艺的优化,如通过选择合适的机床、装夹方案来达到提高加工效率的目的;刀具轨迹优化,在数控编程时通过刀具路径规划与优化来尽可能避免刀具轨迹的突然变化,尽可能保持住主轴运动的稳定性,尽可能使刀具路径最短;切削参数优化,在满足各种约束条件的前提下,通过切削参数优化使材料去除速率实现最大化。
目前有关切削参数优化的研究主要集中在把切削力、动静态变形等作为约束条件,对刀具几何、刀轴倾角、主轴转速、径向切深、轴向切深、每齿进给量进行优化。近年来,Budak等人提出了无颤振最大材料去除率目标下的最有轴向与径向切深的计算方法,Altinas等人提出基于铣削过程仿真和颤振稳定性预报的NC主轴转速和进给率的优化方法。张臣等人对加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题,提出了基于仿真数据的数控铣削加工多目标变参数优化方法,在求解问题时使用了离散方法,以切削力、转速等为约束条件,以加工效率和利益为目标函数。
但是上述使用方法都是从仿真入手,效果并不太明显。因为数控加工最终还是将会落脚到NC代码上面。
发明内容
针对上述的现象中存在的不足之处,本发明结合刀具轨迹优化和切削参数优化的特点,从NC程序代码入手提出一种数控机床铣削加工稳定性的动-静态优化方法。
为了实现上述目的,本发明采用的技术方案如下:
一种数控机床铣削加工稳定性的动-静态优化方法包括如下步骤:
S1、在机床主轴、刀身安装位移传感器、力传感器和加速度传感器采集机床动态参数;
S2、将采集的数据传输到数据库中;
S3、利用基于BP神经网络的自决策专家系统对采集的数据进行学习、融合和更新;
S4、对采集的数据进行特征信息提取,输出动态固有频率、模态参数和切削力系数,生成实时铣削加工的稳定性叶瓣图;
S5、查找NC代码获得加工工艺参数带入稳定性叶瓣图进行稳定域判断是否需要优化NC代码,若需要优化则择一或同时执行步骤S6、S7;
S6、以加工效率为目标函数,对离线输入的加工工艺NC代码进行静态离线优化,静态离线优化的目的是在加工工件之前,对待加工的NC代码进行优化而得到良好的加工效果;
S7、以加工效率为目标函数,对当前加工NC代码进行加工参数的动态在线优化,动态在线优化的目的是实现边优化边加工。
以稳定性叶瓣图曲线为优化条件,以加工效率为优化目标,使其最大化为优化目的地进行NC代码的优化。
若执行步骤S6,则所述步骤S5中查找NC代码为遍历所有的NC代码;
若执行步骤S7,则所述步骤S5中查找NC代码为识别当前运行的NC代码。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学;成都飞机工业(集团)有限责任公司;中国航空工业集团公司,未经四川大学;成都飞机工业(集团)有限责任公司;中国航空工业集团公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710786443.1/2.html,转载请声明来源钻瓜专利网。