一种数控机床铣削加工稳定性的动-静态优化方法技术

本发明专利技术公开了一种数控机床铣削加工稳定性的动‑静态优化方法，本发明专利技术基于机床状态自决策专家系统和稳定性叶瓣图，实现对铣削加工工艺NC代码的静态和动态优化。具体步骤如下：利用分布无线传感系统对机床运行参数进行实时采集，并将得到的参数输入数据库中。机床状态自决策专家系统对实时数据信息进行学习、融合，并更新机床状态参数并针对NC代码建立加工稳定性叶瓣图。在此基础上，开展机床铣削加工工艺的静态和动态优化。该方法针对NC代码开展铣削加工工艺优化，相对传统优化方法更加快捷方便，并且可有效保证加工效率，对各种不同控制系统的多轴联动数控机床具有很好的通用性。

A dynamic optimization method of static CNC milling stability

The invention discloses a dynamic CNC milling stability and static optimization method, the invention is based on the state machine self decision expert system and the stability lobes diagram of milling process, the static and dynamic optimization of NC code. The concrete steps are as follows: using the distributed wireless sensor system to collect the operating parameters of the machine tool in real time, and input the obtained parameters into the database. The machine tool state self decision expert system learns and integrates real-time data information, and updates machine tool state parameters, and establishes processing stability leaf diagram for NC code. On this basis, the static and dynamic optimization of the milling process of machine tools is carried out. This method optimizes milling process for NC code, which is faster and more convenient than traditional optimization method, and can effectively guarantee machining efficiency. It has good versatility for multi axis CNC machine tools of various control systems.

【技术实现步骤摘要】
一种数控机床铣削加工稳定性的动-静态优化方法
本专利技术属于计算机数控铣削加工
本专利技术涉及一种数控机床铣削加工稳定性的动-静态优化方法。特别涉及基于稳定性叶瓣图优化NC代码的一种方法。
技术介绍
在航空、航天、船舶、模具及汽车等领域的复杂零件制造中，零件加工精度、表面质量及刀具磨损等有依赖于加工工艺参数的合理选择。数控切削加工过程优化涵盖三方面的内容：数控切削加工工艺的优化，如通过选择合适的机床、装夹方案来达到提高加工效率的目的；刀具轨迹优化，在数控编程时通过刀具路径规划与优化来尽可能避免刀具轨迹的突然变化，尽可能保持住主轴运动的稳定性，尽可能使刀具路径最短；切削参数优化，在满足各种约束条件的前提下，通过切削参数优化使材料去除速率实现最大化。目前有关切削参数优化的研究主要集中在把切削力、动静态变形等作为约束条件，对刀具几何、刀轴倾角、主轴转速、径向切深、轴向切深、每齿进给量进行优化。近年来，Budak等人提出了无颤振最大材料去除率目标下的最有轴向与径向切深的计算方法，Altinas等人提出基于铣削过程仿真和颤振稳定性预报的NC主轴转速和进给率的优化方法。张臣等人对加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题，提出了基于仿真数据的数控铣削加工多目标变参数优化方法，在求解问题时使用了离散方法，以切削力、转速等为约束条件，以加工效率和利益为目标函数。但是上述使用方法都是从仿真入手，效果并不太明显。因为数控加工最终还是将会落脚到NC代码上面。
技术实现思路
针对上述的现象中存在的不足之处，本专利技术结合刀具轨迹优化和切削参数优化的特点，从NC程序代码入手提出一种数控机床铣削加工稳定性的动-静态优化方法。为了实现上述目的，本专利技术采用的技术方案如下：一种数控机床铣削加工稳定性的动-静态优化方法包括如下步骤：S1、在机床主轴、刀身安装位移传感器、力传感器和加速度传感器采集机床动态参数；S2、将采集的数据传输到数据库中；S3、利用基于BP神经网络的自决策专家系统对采集的数据进行学习、融合和更新；S4、对采集的数据进行特征信息提取，输出动态固有频率、模态参数和切削力系数，生成实时铣削加工的稳定性叶瓣图；S5、查找NC代码获得加工工艺参数带入稳定性叶瓣图进行稳定域判断是否需要优化NC代码，若需要优化则择一或同时执行步骤S6、S7；S6、以加工效率为目标函数，对离线输入的加工工艺NC代码进行静态离线优化，静态离线优化的目的是在加工工件之前，对待加工的NC代码进行优化而得到良好的加工效果；S7、以加工效率为目标函数，对当前加工NC代码进行加工参数的动态在线优化，动态在线优化的目的是实现边优化边加工。以稳定性叶瓣图曲线为优化条件，以加工效率为优化目标，使其最大化为优化目的地进行NC代码的优化。若执行步骤S6，则所述步骤S5中查找NC代码为遍历所有的NC代码；若执行步骤S7，则所述步骤S5中查找NC代码为识别当前运行的NC代码。具体地，判断是否需要优化NC代码的判断过程为：将加工工艺参数带入稳定性叶瓣图，观察这些加工工序是否在稳定区域内，加工工艺参数包括主轴转速、轴向切深；(a)若在稳定区域内，则不需要优化NC代码；(b)若不在稳定区域内，判断为存在风险工序参数，则需要优化，以NC代码中存在的风险工序参数为优化目标。进一步地，所述优化NC代码方式为：修改NC代码中的风险工序参数生成新的NC代码。进一步地，优化NC代码后，还包括步骤：S8、新生成的NC代码由系统自带的通信功能传输到数控机床，传给加工中心。进一步地，所述稳定性叶瓣图的生成过程为：S401、采用谱分析获取刀尖位置的频响函数；S402、由自决策专家系统得到动态固有频率、切削力系数以及模态参数质量M、阻尼C、刚度K；S403、生成稳定性叶瓣图。更进一步地，识别当前运行的NC代码获得加工工艺参数的过程为：S501、对当前运行的NC代码进行地址代码读取；S502、将地址代码输出至数据库中获取切削力系数和刀具参数。另外，BP神经网络的输入向量为其中，分别为位移信号、加速度信号和切削力信号的均值，σ12、σ22分别为位移信号和加速度信号的标准差，Δy3为切削力信号的差分数值。另外，所述采集的数据通过无线方式传输到数据采集盒中。与现有技术相比，本专利技术具有以下有益效果：本专利技术分别采取在线优化和离线优化的方式，从NC代码入手结合稳定性叶瓣图进行代码的优化。本专利技术的特点在于在NC代码中优化参数，比传统的优化方法更加快捷方便，而且加工效率得到提升。因为大部分加工的问题最终都会落脚到NC程序代码上面，所以采用NC代码的优化方式，加工效果得到改善。附图说明图1为本专利技术的方法流程图。图2为本专利技术传感器的安装示意图。图3为本专利技术的多传感器数据融合决策神经网络结构图。图4为本专利技术的自决策专家系统结构图。图5为本专利技术的静态离线优化NC代码流程图。图6为本专利技术的动态在线NC代码优化流程。图7为优化前后效果对比图。具体实施方式下面结合实施例和附图对本专利技术作进一步说明，本专利技术的实施方式包括但不限于下列实施例。实施例如图1-7所示，一种数控机床铣削加工稳定性的动-静态优化方法，包括如下步骤：S1、在机床主轴、刀身安装位移传感器、力传感器和加速度传感器采集机床动态参数；S2、将采集的数据通过无线方式传输到数据库中；S3、利用基于BP神经网络的自决策专家系统对采集的数据进行学习、融合和更新；S4、对采集的数据进行特征信息提取，输出动态固有频率、模态参数和切削力系数，生成实时铣削加工的稳定性叶瓣图；S5、查找NC代码获得加工工艺参数带入稳定性叶瓣图进行稳定域判断是否需要优化NC代码，若需要优化则择一或同时执行步骤S6、S7；S6、以加工效率为目标函数，对离线输入的加工工艺NC代码进行静态离线优化，静态离线优化的目的是在加工工件之前，对待加工的NC代码进行优化而得到良好的加工效果；S7、以加工效率为目标函数，对当前加工NC代码进行加工参数的动态在线优化，动态在线优化的目的是实现边优化边加工；S8、新生成的NC代码由系统自带的通信功能传输到数控机床，传给加工中心。以稳定性叶瓣图曲线为优化条件，以加工效率为优化目标，使其最大化为优化目的地进行NC代码的优化。若执行步骤S6，则所述步骤S5中查找NC代码为遍历所有的NC代码；若执行步骤S7，则所述步骤S5中查找NC代码为识别当前运行的NC代码。具体地，优化NC代码方式为：修改NC代码中的风险工序参数生成新的NC代码。对于步骤S1和S2，采集的模块包括分布的位移传感器、力传感器和加速度传感器、数据采集盒、数据采集卡以及便携式计算机等。传感器将采集的数据无线输送至数据采集盒，数据采集盒内的电荷放大器将传感器输入的电荷信号进行放大、转换和滤波以提高信噪比；数据采集卡完成对信号数据的放大、A/D转换并通过USB总线把采集的数据传递给便携式计算机；便携式计算机是处理数据的核心，完成数据的分析处理工作。并通过USB总线与机床CNC数控系统接口相连，将处理好的信息数据输送到机床CNC数控系统中进行工件的加工。对信号的采集如图2所示，1-力传感器，2-位移传感器，3-加速度传感器，4-工件，5-数据采集系统，在刀柄-主轴结合处和刀身各位置安装位移、力、加速度，这些本文档来自技高网...

【技术保护点】
一种数控机床铣削加工稳定性的动‑静态优化方法，其特征在于，包括如下步骤：S1、在机床主轴、刀身安装位移传感器、力传感器和加速度传感器采集机床动态参数；S2、将采集的数据传输到数据库中；S3、利用基于BP神经网络的自决策专家系统对采集的数据进行学习、融合和更新；S4、对采集的数据进行特征信息提取，输出动态固有频率、模态参数和切削力系数，生成实时铣削加工的稳定性叶瓣图；S5、查找NC代码获得加工工艺参数带入稳定性叶瓣图进行稳定域判断是否需要优化NC代码，若需要优化则择一或同时执行步骤S6、S7；S6、以加工效率为目标函数，对离线输入的加工工艺NC代码进行静态离线优化；S7、以加工效率为目标函数，对当前加工NC代码进行加工参数的动态在线优化。

【技术特征摘要】
1.一种数控机床铣削加工稳定性的动-静态优化方法，其特征在于，包括如下步骤：S1、在机床主轴、刀身安装位移传感器、力传感器和加速度传感器采集机床动态参数；S2、将采集的数据传输到数据库中；S3、利用基于BP神经网络的自决策专家系统对采集的数据进行学习、融合和更新；S4、对采集的数据进行特征信息提取，输出动态固有频率、模态参数和切削力系数，生成实时铣削加工的稳定性叶瓣图；S5、查找NC代码获得加工工艺参数带入稳定性叶瓣图进行稳定域判断是否需要优化NC代码，若需要优化则择一或同时执行步骤S6、S7；S6、以加工效率为目标函数，对离线输入的加工工艺NC代码进行静态离线优化；S7、以加工效率为目标函数，对当前加工NC代码进行加工参数的动态在线优化。2.根据权利要求1所述的一种数控机床铣削加工稳定性的动-静态优化方法，其特征在于，若执行步骤S6，则所述步骤S5中查找NC代码为遍历所有的NC代码；若执行步骤S7，则所述步骤S5中查找NC代码为识别当前运行的NC代码。3.根据权利要求1所述的一种数控机床铣削加工稳定性的动-静态优化方法，其特征在于，判断是否需要优化NC代码的判断过程为：将加工工艺参数带入稳定性叶瓣图，观察这些加工工序是否在稳定区域内，加工工艺参数包括主轴转速、轴向切深；(a)若在稳定区域内，则不需要优化NC代码；(b)若不在稳定区域内，则判断存在风险工序参数，需要优化。4.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：王家序，魏子淇，熊青春，周青华，黄彦彦，杨勇，周广武，蒲伟，王洪乐，向往，杨万友，
申请(专利权)人：四川大学，成都飞机工业集团有限责任公司，中国航空工业集团公司，
类型：发明
国别省市：四川,51