[发明专利]基于监测加速度的薄壁件侧铣加工表面粗糙度预测方法

说明书

本发明公开了一种基于监测加速度的薄壁件侧铣加工表面粗糙度预测方法，用于解决现有薄壁件侧铣加工表面粗糙度预测方法实用性差的技术问题。技术方案是在侧铣加工时使用一个加速度传感器，通过监测得到薄壁件铣削时的加速度信号，然后采用修正系数，计算得到整个侧铣加工过程中的振动加速度，之后离线测量薄壁件被加工区域的表面轮廓高度变化曲线，通过计算得到加工区域的表面粗糙度Ra值，建立表面粗糙度与加速度的耦合预测模型，实现对加工时表面粗糙度的预测。本发明考虑了在同一组加工参数下的振动对表面形貌的影响，方法简单，数据量较少，预测准确度较高，因此实用性好。

技术领域

本发明涉及一种薄壁件侧铣加工表面粗糙度预测方法，特别涉及一种基于监测加速度的薄壁件侧铣加工表面粗糙度预测方法。

背景技术

随着机械行业的发展，人们对机器的使用性能提出了越来越高的要求，这就使得零部件在加工过程中需要具有较高的质量，更重要的一点则表现为加工表面质量的好坏，这直接影响到零件的使用寿命。例如在一些高温高压及承受高频交变载荷的环境下，加工表面质量直接决定了零件的使用时间。好的加工质量不仅可以提高机器的使用寿命和加工效率，对于零件的成形精度也起到决定性作用。零件的加工表面质量不仅受加工方法的影响，加工参数、刀具几何形状、加工振动、装夹等因素均会影响零件表面质量，这使得表面质量的研究变得格外复杂。

表面质量是加工过程中切削系统的加工参数和系统动力学特性的综合反映，建立精确的表面质量预测模型对于切削时的成本及效率会有极大的提升作用。目前，国内外学者对于表面粗糙度的预测主要集中在车削方面，对于铣削表面的研究较少。表面粗糙度的预测方法主要有三种，理论建模方法，实验探究法及人工智能法。对于理论建模方法，主要是通过研究切削过程中表面形貌产生的机理展开的，考虑在不同的切削方式下，将刀具和工件作为刚体，分析在不同刀具几何形状及加工参数下的表面残留高度，以此来预测工件加工表面质量。实验探究法主要是通过设计切削实验，对实验数据进行分析，包括回归分析法、Taguchi分析法和响应曲面法，进而实现对表面粗糙度的预测。通过人工智能方法对表面粗糙度进行预测也是近年来发展很快的领域，人工智能途径实现表面预测的方法主要有人工神经网络、模糊算法、遗传算法和支持向量机等。例如，陈明和等人(参见专利“一种基于铣削加工的钛合金材料表面粗糙度预测方法-CN201510673774.5”)采用多元回归模型，考虑铣削速度、每齿进给量、铣削深度、铣削宽度、刀具后刀面平均磨损量对表面粗糙度的影响，根据实验数据，建立钛合金铣削加工表面粗糙度预测方法。该方法虽然考虑影响因素较多，但需要试验得到的数据量庞大，且实验耗时耗力，通用性较差。同时假定在相同加工参数下工件表面质量是不变的。然而实际在薄壁件的加工中，工件与刀具的振动对表面粗糙度的影响更具有直接的影响。因此考虑实际加工过程的振动，建立加速度与表面粗糙度的耦合关系，更能够实现对加工表面粗糙度的预测。

发明内容

为了克服现有薄壁件侧铣加工表面粗糙度预测方法实用性差的不足，本发明提供一种基于监测加速度的薄壁件侧铣加工表面粗糙度预测方法。该方法在侧铣加工时使用一个加速度传感器，通过监测得到薄壁件铣削时的加速度信号，然后采用修正系数，计算得到整个侧铣加工过程中的振动加速度，之后离线测量薄壁件被加工区域的表面轮廓高度变化曲线，通过计算得到加工区域的表面粗糙度Ra值，建立表面粗糙度与加速度的耦合预测模型，实现对加工时表面粗糙度的预测。本发明考虑了在同一组加工参数下的振动对表面形貌的影响，方法简单，数据量较少，预测准确度较高，因此实用性好。

本发明解决其技术问题所采用的技术方案：一种基于监测加速度的薄壁件侧铣加工表面粗糙度预测方法，其特点是包括以下步骤：

步骤一、判断薄壁件加工方式是否为侧铣，若是侧铣加工，则进行第二步；否则，该方法不适用。

步骤二、将薄壁件6安装在机床工作台5的夹具7上，其中，薄壁件6满足宽厚比大于10。