APP下载

数控加工表面粗糙度预测的关键技术研究

2017-09-10季明红

环球市场 2017年17期
关键词:数控加工关键技术预测

季明红

摘要:机械加工技术可以决定一个国家工业水平的高低,是科学技术的集中体现。改革开放后,我国迅速引进了国外的一些现代化技术和设备,并使其得到了广泛的应用,数控加工技术就是一个典型的例子。而衡量数控加工表面质量的一个重要指标就是表面粗糙是否达标,现代数控加工技术中,往往在加工还没开始之前,就需要对产品的加工质量与切削参数有一个科学的预测,这就是数控加工表面粗糙度的预测模型。

关键词:数控加工;表面粗糙度;预测;关键技术

1表面粗糙度的概念

无论我们对零件表面进行怎样的加工,零件表面不可能是完全平的,既使肉眼无法发现精加工后零件表面的凹凸,但将其放到显微镜下还是会发现其表面是不平的。我们将零件表面的凹凸程度用表面粗糙度来衡量。表面粗糙度的定义式为:

其中,Ra是离中线m的算术平均偏差,y是轮廓曲线的纵坐标,l是取样长度。

2数控加工表面粗糙度的影响因素

2.1进给量对表面粗糙度的影响

进给运动是指多余材料不断被投入切削,从而加工出完整表面的所需的运动。例如,车削时车刀的横向进给运动,铣削时工件相对铣刀的进给运动。而进给量就是单位时间内进给运动的行程。进给量作为切削过程中的一个重要参数,与零件表面粗糙度的大小有着密切的关系,如果选择的进给量不合适,将导致零件的表面粗糙度增加,并缩短刀具的使用寿命。通过计算研究,我们发现在切削速度和走到行距相同的情况下,进给量是影响表面粗糙度的一个主要因素,這时如果加大进给量将直接导致表面粗糙度变大。所以,我们可以通过控制进给量来确保表面粗糙度在一个合理的区间,但减小进给量必然会影响生产效率和效益,因此需要我們综合这两个因素,选取科学合理的进给量。

2.2残留面积对表面粗糙度的影响

在数控加工中,残留面积的高度是影响零件表面粗糙度的一个重要因素。机械加工时刀具与工件表面产生的相对运动是产生残留面积高度的原因。残留面积的高度可以根据刀具的相关参数计算出来。在加工复杂表面时,走刀行距方向残留面积高度和进给方向残留面积高度也对零件的表面粗糙度产生不可忽视的影响。这时,人们通常会运用等残留高度法来控制残留面积的高度,降低其对零件表面粗糙度造成的不利影响。

这种方法的原理是通过控制相邻两轨道的距离来保持轨道间的残留面积不变,从而使人们可以提前计算出下一个刀具的轨道。进给方向残留面积高度和走刀方向残留面积高度的形成原因是几何形状的差异。残留面积高度的大小于零件表面粗糙度的大小有着密切的联系。

2.3加工倾角对表面粗糙度的影响

在机械加工时,如果选用球头刀具对毛坯进行高速加工时,刀具倾角将对产品的表面粗糙度产生不可忽视的影响。所以我们有必要选取一个科学合理的刀具倾角以保证加工出来产品的表面粗糙度处在合理区间。在加工复杂曲面时人们通常会把刀具在进给方向上倾斜一定的角度,这样可以避免球头刀具的刀尖出现零切削速度。

3数控加工表面粗糙度预测的关键技术

数控加工零部件的表面粗糙度,取决于数控加工的方式、刀具选择类别、切削的刚度和相关的其他特性等多种因素,是数控加工质量的重要指标。为了保证粗糙度满足加工零部件的技术指标,必须科学合理地选定加工参数,最重要的是切削速度、给进率、切削的深度和刀具的几何参数的设定。以往的数控加工中一般依赖于数控工程师的个人经验来设定参数及预测表面粗糙度,这种方式已经越来越不能满足技术日益复杂、精度要求越来越高的零部件技术要求。目前主要的粗糙度预测模型主要有响应曲线法、人工神经网络算法、自适应神经模糊算法。

本文主要应用自适应神经模糊算法,该算法是基于知识或基于规则的智能算法,该算法核心就是IF-THEN规则组合的强大的知识库,是将模糊推理和神经网络相结合的综合算法。该算法的优点是能以任意精度逼近非线性函数,有更强大的推广能力和较快的收敛速度。

该算法的流程为:首先把训练数据导入到算法系统中,然后设置输入参数和成员函数,把训练数据导入到自适应神经模糊算法系统中进行训练,然后得到训练后的结果看是否满足要求,如果不满足要求要返回到自适应神经模糊算法系统重新进行训练,如果满足训练要求,则给该算法系统输入测试数据进行表面粗糙度预测,然后输出预测结果查看是否满足要求,如果不满足要求重新进行测试,如果满足要求则本轮预测结束。

用本文设计的算法进行验证,经过算法预测出来的表面粗糙度预测值与零部件经过数控加工后实际测试出来的表面粗糙度实测值吻合的较好,证明该算法具有较好的表面粗糙度预测能力。

4结语

随着科学技术的发展,人类对高精度零件与设备的需求越来越多,而表面粗糙度是衡量一个零件精密程度的重要指标。为了降低零件的表面粗糙度,人们投入了大量精力力求得到更加完美的零件,而建立粗糙度预测模型就是一种有效的控制零件表面粗糙的途径。

参考文献:

[1]曾谊晖, 龚金科,李红梅,杨贤平.数控切削加工表面粗糙度RBF神经网络预测模型[J].煤矿机械,2011,03:117-119.

猜你喜欢

数控加工关键技术预测
选修2—2期中考试预测卷(B卷)
选修2—2期中考试预测卷(A卷)
防雷关键技术在自动气象站系统中的应用探究
网络安全态势感知关键技术研究
无人机集群作战关键技术及发展趋势
进出瓶螺旋杆的螺旋线简化设计及加工
数控加工实训教学改革研究
《福彩3D中奖公式》:提前一月预测号码的惊人技巧!
TD—LTE关键技术与发展展望
预测高考