论文部分内容阅读
作为近十几年来迅速发展的一项先进制造技术,高速切削加工具有加工效率高、表面质量好、可实现绿色加工以及难加工材料的加工等一系列优点,在模具加工、汽车制造、航空航天等行业得到了广泛应用。但是,在实际加工过程中,工件的表面质量对其使用性能和寿命有很大的影响,如何获得高质量表面成为决定高速切削技术发展的重要因素。因此,对高速切削加工工件表面粗糙度预测进行系统地研究,具有重要的理论意义与应用价值。本文以淬硬45钢为研究对象,通过高速铣削加工试验,研究了高速铣削加工过程中铣削参数和材料硬度对工件表面粗糙度的影响规律,并基于试验数据建立了高速铣削加工工工件表面粗糙度预测模型。为高速铣削加工工件表面粗糙度的预测研究以及切削参数的优化提供了理论依据,也为高速切削技术的推广提供了技术支持。首先,通过铣削加工单因素试验,研究了高速铣削加工过程中,材料硬度对工件表面粗糙度的影响规律。试验结果表明,在高速铣削过程中,切削力随着工件材料硬度的增大先减小后增大,而工件表面粗糙度则呈现先增大再减小的趋势。然后,以工件硬度、切削速度、切削深度和进给量为影响因素,以工件表面粗糙度为试验指标,进行了高速铣削加工正交试验。同时利用极差分析方法对试验结果进行了分析,并根据获得的试验数据研究了各试验因素对工件表面粗糙度的影响规律。结果表明,加工工件表面粗糙度随着材料硬度的增大先增大后减小；随着铣削速度的增大,呈减小趋势；随着每齿进给量和铣削深度的增大,呈增大趋势。对表面粗糙度的影响最大的试验因素为铣削进给量,其次是材料硬度,最后依次为铣削速度和铣削深度。最后,利用高速铣削加工试验数据,基于回归分析方法、最小二乘支持向量机方法(LSSVM)以及粒子群优化最小二乘支持向量机方法方法(PSO-LSSVM)分别建立了45钢高速铣削加工表面粗糙度预测模型。试验验证及对比分析表明：相同样本条件下,回归分析方法建立的表面粗糙度预测模型其预测误差较大；LSSVM模型平均预测误差为7.61%,预测精度较回归方法有所改善；PSO-LSSVM模型的平均预测误差为3.632%,仅为LSSVM方法的50%,而且通过引入PSO方法进行参数寻优,避免了单纯使用LSSVM方法建模时的参数选择问题。与其他的表面粗糙度预测方法相比,PSO-LSSVM方法建立的预测模型具有较高的预测精度和泛化能力,能够准确地对高速铣削过程中工件表面粗糙度进行预测。