[发明专利]碳纤维增强复合材料铣削力预测模型的建立方法

摘要

本发明碳纤维增强复合材料铣削力预测模型的建立方法属于机械切削加工技术领域，涉及一种碳纤维增强复合材料多向层合板的铣削力预测模型的建立方法。该方法首先获取铣削力系数数据，创建和训练BP神经网络模型，分析非同向层合效应对多向层合板中单向层铣削力的影响，将90°和135°铺层的铺层状态分为单侧意向支撑和双侧异向支撑两种，并获得对应的修正系数，进而得到CFRP多向板不同铺层方式的铣削力预测模型。该方法使得铣削力预测模型具有更高的预测精度，为工程实际提供可靠数据支撑，具有一定的工程实用价值。

主权项

1.一种碳纤维增强复合材料铣削力预测模型的建立方法，其特征在于，该方法先获取铣削力系数数据，然后创建和训练BP神经网络模型，分析非同向层合效应对多向层合板中单向层铣削力的影响，将90°和135°铺层的铺层状态分为单侧异向支撑和双侧异向支撑两种，并进行工艺实验获得对应的修正系数，进而得到CFRP多向板不同铺层方式的铣削力预测模型；方法的具体步骤如下：第一步，获取铣削力系数数据对碳纤维增强复合材料单向板进行铣削实验，加工方式为侧铣加工，获得不同参数下的铣削力数据，根据铣削力时域曲线与切削过程的对应的关系，计算得到纤维切削角，瞬时切削面积、切削速度所对应的铣削力系数数据；设刀刃的瞬时切削厚度ac为：其中，f_z为铣削过程中的每齿进给量，为刀齿旋转角；在逆铣过程中，测力仪所采出的切削力信号为沿进给方向的铣削力Fx和垂直于进给方向的铣削力Fy，为将其转化为沿切削速度方向的力Fc和垂直于切削速度方向的力Ft，进行坐标变换，坐标变换的公式为：将刀具沿刀刃方向分割为若干个微元，每个微元上在某一时刻对工件微元进行切削，此时的纤维切削角、瞬时切削厚度、切削速度被定量表述，假设此时的切削力与切削面积的大小成线性比例关系，最后将各个时刻的切削力进行积分即可得到最终的铣削力，计算公式为：其中，Kc、Kt是沿切削速度方向的铣削力系数和垂直于切削速度方向的铣削力系数，dAc是微元上瞬时切削面积，即这一时刻未变形切屑的横截面积；在铣削加工过程中，切削刀具做摆线运动，同时随着刀具的运动，瞬时切削厚度ac不断发生变化，轴向切削厚度ap用式(1)来计算，整体瞬时切削面积为：则：铣削试验中测力仪所使用的采样频率为f＝20000HZ，因此对应的采样间隔时间Tr为：因此一个单齿切削周期Ts内可以获得采样点的数量m是：记第k,k＝1,2,3,4,5…,m个采样点对应的刀齿旋转角为：则第k个采样点对应的纤维切削角θk为：ψ为纤维方向角；第k个采样点对应的瞬时切削厚度ack为：第k个采样点对应的瞬时切削面积Ack为：第二步，使用BP神经网络预测铣削力系数：基于已获得的铣削力系数数据源，首先对其进行归一化处理，方法如下式所示其中,为归一化处理后的数值，x为原始输入数值；创建BP神经网络输入层的神经元数量为3，分别为纤维切削角、瞬时切削面积、切削速度，隐藏层的神经元数量为18，输出层的神经元数量为2，分别为沿切削速度方向的铣削力系数和垂直于切削速度方向的铣削力系数，传递函数均采用S型正切函数Tansig(x)：对BP神经网络进行训练，然后利用获得数据样本对BP神经网络模型进行训练，数据样本分为80％训练样本，10％确认样本和10％测试样本，训练函数采用基于Levenberg‑Marquadt反传算法的TRAINLM，适应型学习函数采用具动量的梯度下降法LEARNGD；通过上述步骤可以获得对宽范围切削参数下铣削力系数预测值的BP神经网络模型；第三步，由于非同向层合效应对多向层合板中单向层铣削力的影响，将90°和135°铺层的铺层状态分为单侧意向支撑和双侧异向支撑两种，并进行工艺实验获得对应的修正系数，进而得到CFRP多向板不同铺层方式的铣削力预测模型；利用式(2)和(5)计算纤维方向角是0°、45°、90°、135°的纤维铺层铣削力沿进给方向的铣削力分量Fx0Fx45Fx90Fx135，和垂直于进给方向的铣削力分量Fy0、Fy45、Fy90、Fy135；CFRP多向板的铣削力计算公式为：其中，m1、n1分别是纤维方向角是0°、45°的单向铺层的数量，p1是单侧异向铺层支撑的90°纤维方向铺层的层数，p2是双侧异向铺层支撑的90°纤维方向铺层的层数，q1是单侧异向铺层支撑的135°纤维方向铺层的层数，q2是双侧异向铺层支撑的135°纤维方向铺层的层数，l'1x和l”1x分别为90°纤维方向铺层的单侧异向支撑和双侧异向支撑的修正系数，l'2x和l”2x分别为135°纤维方向铺层的单侧异向支撑和双侧异向支撑的修正系数，Fx和Fy是CFRP多向层合板的铣削力沿进给方向的铣削力和沿垂直于进给方向的铣削力；对修正系数进行拟合，使用与CFRP单向板试验相同的加工方式和加工参数对CFRP多向层合板进行铣削工艺实验，取切削周期段0.2Ts‑TS铣削力数据的平均值作为拟合数据，使用最小二乘法，以方差最小为目标，对实验结果数据进行处理，最终获得修正系数的具体值。