[发明专利]基于迭代学习的深孔加工深度优化方法

说明书

本发明公开了一种基于迭代学习的深孔加工深度优化方法，用于解决现有深孔加工深度优化方法实用性差的技术问题。技术方案是首先基于经典切削力经验公式建立切削力预测模型，然后在深孔加工循环过程中，每完成一个加工循环即根据实测钻削力数据修正模型系数，并更新预测的加工深度，实现模型的迭代学习过程，不断提高模型的预测精度；最后利用学习后的模型优化加工深度，得到最终优化结果。本发明利用深孔加工循环通过迭代学习方法实时修正模型系数，不断提高模型预测精度，使之保持与真实加工过程相吻合，解决了现有基于解析模型的深孔加工深度优化方法预测精度不足的问题，实用性好。

技术领域

本发明涉及一种深孔加工深度优化方法，特别涉及一种基于迭代学习的深孔加工深度优化方法。

背景技术

文献“Modeling Chip-Evacuation Forces and Prediction of Chip-Cloggingin Drilling,Journal of Manufacturing Science&Engineering,2002,Vol124(3),p605-614”公开了一种基于钻削力模型的深孔钻削深度优化方法，该方法对深孔钻削过程中钻杆的受力情况进行了分析，在此基础上建立了钻削轴向力和扭矩随钻削深度变化的解析模型，并结合模型系数标定试验通过模型预测了深孔钻削过程中钻杆发生断裂时的钻削深度，优化了深孔钻削深度。该方法基于理论模型，结合模型系数标定试验，能够在进行深孔钻削前预测最大钻削深度，为深孔钻削深度的设定提供了一种有效方法。然而，文献所述方法的建模过程基于大量前提假设，导致模型精度不足；模型系数通过不同切削参数下的试验数据拟合得到，直接用于预测难以与真实加工过程吻合，不能随加工过程实时调整从而提高模型预测精度。这两方面原因造成该方法对深孔钻削深度的预测误差较大，导致采用该方法优化后的钻削深度超过理论最大钻削深度而发生断刀，或距理论最大钻削深度较远而加工效率低下。此外，该模型只能用于特定几何特征的钻削刀具，适用性不强，导致该方法在生产实践中难以推广应用。

发明内容

为了克服现有深孔加工深度优化方法实用性差的不足，本发明提供一种基于迭代学习的深孔加工深度优化方法。该方法首先基于经典切削力经验公式建立切削力预测模型，然后在深孔加工循环过程中，每完成一个加工循环即根据实测钻削力数据修正模型系数，并更新预测的加工深度，实现模型的迭代学习过程，不断提高模型的预测精度；最后利用学习后的模型优化加工深度，得到最终优化结果。本发明利用深孔加工循环通过迭代学习方法实时修正模型系数，不断提高模型预测精度，使之保持与真实加工过程相吻合，解决了现有基于解析模型的深孔加工深度优化方法预测精度不足的问题，实用性好。

本发明解决其技术问题所采用的技术方案：一种基于迭代学习的深孔加工深度优化方法，其特点是包括以下步骤：

步骤一、建立深孔加工切削力预测模型。在给定进给速度和主轴转速的情况下，深孔加工中以加工深度为自变量的切削力经验模型表达为

F(z)＝C·zⁿ

其中，F为深孔加工切削力，z为加工深度，模型系数C和n通过试验数据拟合得到。

步骤二、设定初始加工深度，以该深度进行孔加工试验并采集加工过程的切向力数据。

步骤三、将试验获取的切向力信号按切削力经验模型进行拟合，标定模型系数。

步骤四、结合刀具制造厂商提供的刀具最大许用扭矩，计算出刀具最大许用切向力F_max。利用标定后的模型计算最大加工深度

步骤五、利用推导得到的深孔加工深度的迭代学习公式