汽车覆盖件模具切削物理数据库研究

吴雪峰,冯高成

(哈尔滨理工大学 机械动力工程学院，黑龙江 哈尔滨 150080)*



汽车覆盖件模具切削物理数据库研究

吴雪峰,冯高成

(哈尔滨理工大学 机械动力工程学院，黑龙江 哈尔滨 150080)*

近年来我国汽车制造业的迅速发展，导致汽车覆盖件模具需求很大.目前，很多发达国家学者进行了金属切削数据库的开发和研究，然而我国针对于汽车覆盖件模具切削加工的先进切削数据库系统比较少.本文以汽车覆盖件模具切削为研究对象，通过研究模具加工中的基础切削问题与基本加工工艺，以服务的角度出发，采用大数据、云计算技术建立汽车用淬硬钢模具切削基础数据库云平台，挖掘机床性能、加工工艺、刀具选择与加工质量的基本关系，提供标准模具工艺查询、工艺参数优化、刀具优选等服务，为智能机床装备的使用提供基础数据支持.

汽车覆盖件；模具；切削数据库；数据挖掘

0 引言

将计算机技术、工艺优化技术与切削技术结合最早通过切削数据库来实现.1964年美国空军加工性数据中心(AFMDC)将数据库技术引入金属切削领域，创建了世界上第一个金属切削数据库.随后，德国也建立了切削数据情报中心(INFOS)，成为当时世界上存储信息最多、软件系统最完整的切削数据库之一[1].国际生产工程学会(CIRP)曾通过调查证明了切削数据库可使企业的加工成本降低10%甚至更多，对其进行研究将会有效的提高切削生产效率[2-3 ].

我国从20世纪80年代开始建立切削数据库.成都工具研究所建成了我国第一个试验性车削数据库TRN10[4].南京航空航天大学在1991年开发了通用切削数据库系统KAIMDS，初步实现了数据库技术与专家系统技术的结合[5].山东大学自2001年开始对切削数据库进行研究，开发了针对高速切削、难加工材料等多个切削数据库[6-9].

近年来，金属切削数据库的专业化小型化成为了主流研究方向.2013年德国Zoller提出TMS刀具管理解决方案.将神经网络算法[8]、粒子群算法、遗传算法等优化方法应用于切削数据，实现刀具磨损预报、切削参数优化等功能.Wang Yiwen等人对航空典型材料刀具数据库进行了研究，开发了包括刀具设计、刀具仿真、实验管理、知识管理、系统管理、刀具解决方案等许多功能模块的切削数据库[10].

本文以汽车覆盖件模具切削为研究对象，通过研究模具加工中的基础切削问题与基本加工工艺，以服务的角度出发，采用大数据、云计算技术建立汽车用淬硬钢模具切削基础数据库云平台.用于提供标准模具工艺查询、工艺参数优化、刀具优选等服务，为智能机床装备的使用提供基础数据支持.

1 模具切削工艺基础数据库总体架构

在材料基础切削知识库的基础上，结合模具加工凸凹曲面多、曲率变化多、多硬度拼接的特点，在工件材料、刀具、机床夹具与工艺参数等技术的支撑下，基于加工特征分类，采用数据仓库技术建立工艺知识基础数据库，如图1所示.研究采用数据仓库、数据挖掘等技术，挖掘机床性能、加工工艺、刀具选择与加工质量的基本关系，提供标准模具工艺查询、工艺参数优化、刀具优选等服务.以刀具加工效率、使用寿命、制造成本等因素进行刀具性能评价，优化刀具工艺条件.

图1 淬硬钢模具切削工艺知识基础数据库

2 模具切削基础物理数据库关键技术

2.1 模具加工特征分类

汽车用模具型面结构复杂，不同加工阶段、加工零件、加工位置所采用的刀具、工艺都有所不同，需要将模具分解为基本特征元，基于特征提取数据才能有效的收集工艺信息与数据，建立数据库.

一般来说，需要切削加工的模具通常由平面、沟槽、曲面、台肩、钻孔等加工特征组成，再针对不同加工位置及粗加工半精加工精加工的加工特点而细化.通过基础工艺实验研究不同加工特征刀具及工艺参数的特点，确定基于特征所涵盖的信息，如图2所示.

图2 模具加工特征分类

2.2 切削及加工工艺仿真模拟

切削加工及工艺仿真是研究切削加工特性及工艺的重要方法，也是主要的数据来源之一.将CAD三维建模、有限元仿真及加工轨迹仿真技术结合，通过开发模拟仿真模块实现切削过程仿真、刀具轨迹仿真、机床及刀具动态性能仿真等功能，并在数据库中起到提供数据来源、工艺参数优化初步验证、刀具优选结果分析等作用，最终以工艺优化、刀具设计、机床选型等形式向工艺工程师、刀具设计企业及机床制造单位等提供服务.

将仿真模块作为数据仓库的一个应用，将所需要的数据由数据仓库提供给模拟仿真服务器，仿真完成后将结果传递给数据仓库，并接受其它应用所调用.仿真模块由UG建模模块，ANSYS、ABAQUS、3Dwave等有限元模块，Verycut、PowerMILL等刀路模拟模块，Matlab、Isight等优化模块及其他相关的模块所组成.各模块之间通过由Visual CJHJ串连，实现切削过程仿真、刀具轨迹仿真、机床及刀具动态性能仿真等功能.

2.3 基础工艺数据表达方式

由于切削物理及工艺所包含的信息较多，并且可不相同，所产生的加工条件组合也各种各样，因此单条加工信息需要包含材料、刀具、机床、工件特征、工艺参数等信息，给后续分类及数据处理带来复杂性，基于此提出材料基础标准信息的方式对工艺数据进行表述.根据加工材料、加工特征等特点分类建立标准工艺信息子数据库，新加入数据通过基于规则推理和基于实例推理的混合正向推理方法对工艺信息分类，这样新数据可以继承基础数据的一些特性，方便后续的挖掘分析,信息处理流程如图3所示.

图3 工艺信息处理流程

3 模具切削物理数据仓库建立与应用

模具切削基础物理数据仓库由工件信息库、刀具信息库、机床信息库、刀路信息库、加工特征库等数据部分组成，并具有切削基本数据、工艺规则等信息作为知识库与约束条件帮助数据优化与挖掘.由实验数据、仿真数据、知识经验、文献数据及现场加工数据提供基本数据，通过数据录入与数据加载输入进入数据仓库，输入之前需要通过ETL工具对数据进行抽取、清洗与转换，以便数据仓库储存与查询.根据客户具体需求可以从数据仓库中抽取一定的子集，用以满足客户应用程序分析和报告需求.也可以由一定的数据集市建立数据立方体，如加工特征-加工刀具-切削参数组成三维的数据立方体，通过对数据立方体进行钻取、上卷、切片、切块等联机分析处理(OLAP)操作.

模具加工质量关键之一是选用合适的刀具，而实现同一种特征加工可以选用不同的刀具.其对应不同的加工要求与不同的适应性，将刀具在不同特征加工中的使用特性作为基本原则输入数据仓库中，刀具的智能选配由此出发，根据评价标准将可用刀具按照适用性排序， 再通过调用数据仓库中所选刀具的加工信息，根据制定的优化目标进行优选，得到合适的刀具与工艺参数，选配流程如图4所示.

图4 刀具智能选配流程

在数据仓库建立的基础上，可以应用数据挖掘技术对数据进行分析，找到用户所关心的信息. 数据挖掘具有关联、分类、预测等分析方法，可以采用这些方法对数据仓库中存储的数据进行分析，如图5所示.可以通过关联规则挖掘得到加工零件、加工特征、加工刀具、加工机床、切削参数、走刀轨迹之间相互匹配信息，为工艺参数优化提供数据支持.采用分类预测方法，将相同加工特征的工艺参数根据加工要求及加工结果分类，当选择工艺参数时可以通过分类快速找到相关数据，提高工艺优选速度.采用聚类分析方法，可以在数据仓库的工艺信息中查找类似的信息并进行聚类，可将一个簇中的一条数据看做一个整体，减少数据优化量.采用回归预测方法 通过数据挖掘预测加工某零件采用某种工艺方法得到的加工结果.数据库将针对工艺优选、刀具优选及工艺优化等不同类型与不同优化目标灵活采用以上方法进行数据分析.

图5 数据挖掘方法与采用的算法

在数据仓库基础上，采用数据挖掘技术进行参数优化的最终目的是面向应用，面向应用的服务策略如图6所示.采用Visual Studio软件基于Windows Azure云平台开发软件，建立数据管理、存储并开发Web应用. 首先将通过监控采集与客户端得到工艺数据，将得到的工艺数据通过企业服务器处理，清理转化为标准数据传输至云端，由云端的处理器通过ETL工具存储进入数据仓库. 企业工程师或远程工程师通过云端向服务器提交所请求服务，云端服务器将需要的数据由数据仓库中查询、提取送入挖掘推理机处理完成后再发回客户端，通过客户端APP或报表工具得到优化的策略，并最终决策是否应用.决策规则及工艺数据最终存储在服务器中，为云制造、智能制造提供服务接口.

图6 数据库面向应用的服务策略框架

4 结论

汽车覆盖件模具加工难度大、成本高、加工效率低，一旦加工质量出现问题，会造成很大的经济损失和时间浪费. 利用汽车覆盖件淬硬钢模具数据仓库系统能够优选出符合实际加工要求的切削参数，指导汽车覆盖件模具的实际加工，并且能在一定程度上提高企业的规范生产管理水平.本文主要进行了以下的研究：

(1)在材料基础切削知识库的基础上，结合模具加工凸凹曲面多、曲率变化多、多硬度拼接的特点，在工件材料、刀具、机床夹具与工艺参数等技术的支撑下，基于加工特征分类，采用数据仓库技术建立工艺知识基础数据库;

(2)阐述了汽车用淬硬钢模具切削基础物理数据库的关键技术，包括模具加工特征的分类、切削及加工工艺仿真模拟和基础工艺数据表达方式的研究;

(3)建立了由工件信息库、刀具信息库、机床信息库、刀路信息库、加工特征库等数据部分组成的模具切削基础物理数据仓库，并具有切削基本数据、工艺规则等信息作为知识库与约束条件帮助数据优化与挖掘.

[1]陈志同, 陈五一, 林东. 优化型切削参数数据库的数据结构[J]. 计算机集成制造系统, 2008, 13(11): 2184-2188.

[2]刘献礼, 丁明娜, 刘铭，等. 切削数据库技术现状及发展趋势[J]. 工具技术, 2013(4):12-17.

[3]姜哲. 金属切削数据库的研究现状与展望[J]. 机械工程师, 2006 (5):104-106.

[4]胡贤金, 杨冰, 孔莉，等. 切削数据库的最新研究进展[J]. 工具技术, 2011 (2):27-31.

[5]刘鹏. 超硬刀具高速铣削钛合金的基础研究[D]. 南京： 南京航空航天大学, 2011.

[6]万熠, 黄波, 刘战强，等. 高速车削数据库的研究与开发[J]. 机械工程师, 2003 (8):10-13.

[7]陈建岭. 钛合金高速铣削加工机理及铣削参数优化研究[D]. 济南：山东大学, 2009.

[8]黄传真，庄新强，邹斌，等. 汽车覆盖件模具钢高速切削数据库的研究[J]．山东大学学报(工学版)，2011 (5)：9-12．

[9]郝传海. 汽车行业金属切削数据库系统的研究与开发[D]. 济南：山东大学, 2011.

[10]WANG YIWEN, DING MINGNA, ZHENG WENJUAN, et al. Design of Typical Aerospace Materials Database System[C]. 6th International Conference on High Speed Machining， Harbin, China， 2014：24-25.

Research on Physical Database of Automobile Panel Die Cutting

WU Xuefeng, FENG Gaocheng

(College of Mechanical and Power Engineering, Harbin University of Science and Technology, Harbin 150080, China)

In recent years, the rapid development of Chinese automobile manufacturing industry causes great needs of automobile cover die. At present, many developed country scholars have conducted the research and development of metal cutting database, however, there are less advanced die machining cutting database system for automobile panel die cutting in our country. Aiming at automobile panel die cutting， automotive hardened die steel cutting cloud database platform is established through the study of basic cutting problem and the basic processing technology of die processing by big data and cloud computing technology. According to the service starting, the basic relationship between the performance of the machine tool is studied, and machining process and tool selection with processing quality, services of standard die technology query and optimization of process parameters and tool selection are provided to offer basic data support for the use of intelligent machine tool equipment.

automobile panel; die; cutting database; data mining

1673- 9590(2016)06- 0052- 05

2016-03-29

国家自然科学基金资助项目(E050901)

吴雪峰(1982-)，男，副教授，博士，主要从事切削数据库方面的研究

A

E- mail:18772728807@163.com.