[发明专利]一种薄壁件铣削加工参数优化方法

权利要求书

1.一种薄壁件铣削加工参数优化方法，其特征在于，包括以下步骤：

步骤1、以薄壁件铣削加工参数为输入，利用BP神经网络构建薄壁件铣削加工变形预测模型；

步骤2、以薄壁件铣削加工变形预测模型和机床设备性能参数为约束条件，确定薄壁件铣削加工优化变量和优化目标，建立薄壁件铣削加工参数优化的多目标优化模型；

步骤3、利用加权求和法将薄壁件铣削加工参数优化的多目标优化模型转换为单目标优化模型，以实现多目标的综合；

步骤4、利用遗传算法作为优化算法对薄壁件铣削加工参数优化单目标优化模型进行优化求解，实现薄壁件铣削加工参数的优化。

2.根据权利要求1所述的一种薄壁件铣削加工参数优化方法，其特征在于，所述步骤1中的加工变形预测模型通过BP神经网络来实现。即构建BP神经网络，以薄壁件铣削加工参数作为输入，以薄壁件的最大加工变形作为输出，通过有限元模拟或加工实验的方法得到不同铣削加工参数下的薄壁件最大加工变形作为样本数据训练BP神经网络，进而完成待优化铣削加工参数作用时薄壁件最大加工变形的预测，并利用最大加工变形作为薄壁件铣削加工参数优化的约束条件；

3.根据权利要求1所述的一种薄壁件铣削加工参数优化方法，其特征在于，所述步骤2中的优化变量包括切削速度v_c、每齿进给量f_z、轴向切深a_p和径向切宽a_e。

4.根据权利要求3所述的一种薄壁件铣削加工参数优化方法，其特征在于，所述步骤2中的约束条件包括切削力约束、机床功率约束、每齿进给量约束、轴向切深约束、径向切宽约束、主轴转速约束、刀具寿命约束和加工变形约束。

5.根据权利要求4所述的一种薄壁件铣削加工参数优化方法，其特征在于，所述步骤2中的优化变量是指加工时间t_w和切削能耗E_C；

加工时间t_w目标函数为：

式中，t_w为工序的加工时间；t_o为工序的辅助时间；t_m1为工序间的换刀时间；t_mt为一次换刀所需要的时间；V为要去除材料的体积；Z为刀具齿数；C_T为与切削条件有关的常量，t₁、t₂、t₃、t₄为刀具寿命系数。D为刀具直径；

切削能耗E_C目标函数为：

式中，C_F为切削力系数，x₁、y₁、z₁、w₁分别为切削力模型中切削深度、切削宽度、切削速度和每齿进给量的指数，其大小与工件材料和切削条件有关。

6.根据权利要求5所述的一种薄壁件铣削加工参数优化方法，其特征在于，所述步骤2中的薄壁件铣削加工参数优化的多目标优化模型为：

式中，X为薄壁件铣削加工参数优化模型中的输入优化变量；f(X)为归一化之后的目标函数；F_max表示机床允许的最大切削力；η表示机床功率的有效系数，P_额表示机床的额定加工功率；f_zmin、f_zmax分别表示机床允许的最小进给量和最大进给量；a_pmin、a_pmax分别表示机床允许的最小切削深度和最大切削深度；a_emin、a_pmax分别表示机床允许的最小切削宽度和最大切削宽度；n_min、n_max分别表示机床允许的最小主轴转速和最大主轴转速；T_min、T_max分别为机床所允许的刀具寿命的最小值和刀具寿命的最大值；sim为所述步骤1中的BP神经网络仿真函数，net为所述步骤1中训练完成的网络，y_max为加工工艺所允许的最大加工变形。

7.根据权利要求1所述的一种薄壁件铣削加工参数优化方法，其特征在于，所述步骤3将薄壁件铣削加工参数优化的多目标优化模型转换为单目标优化模型，薄壁件铣削加工参数优化的单目标评价函数为：

F(X)＝λ₁t_w^*+λ₂E_C^*

式中，F(X)为单目标优化的目标函数值；λ₁、λ₂分别为加工时间和切削能耗在目标函数中所占权值，t_w^*和E_C^*分别为归一化之后的加工时间函数和切削能耗函数。