【技术实现步骤摘要】
一种引入三维稳定性约束的铣削加工多目标优化决策方法
本专利技术属于机械加工工艺领域，尤其涉及一种引入三维稳定性约束的铣削加工多目标优化决策方法。
技术介绍
数控技术作为现代先进制造装备行业中的核心技术，其切削参数的合理选择极大的影响了加工效率、加工质量以及加工成本，因此国内外的学者针对铣削加工工艺参数优化进行了大量研究。国内，公开号为CN201410487219.9的专利技术专利公开了一种机械加工能量效率的切削参数优化方法，该方法未对径向切深进行优化，且未考虑铣削颤振稳定性约束的影响，因此用所获得的工艺参数进行加工极有可能导致振纹及崩刃等问题。公开号为CN201310109671.7的专利技术专利公开了一种基于特征的飞机结构件切削参数优化方法，该方法不能保证铣削的稳定性，且该方法在实际生产中操作过于繁琐，鲁棒性无法预估，因而工程应用意义不大；除此之外，该专利中对于优化的多个不同量纲的目标采用加权相加的方法转化为单目标进行处理，然而在相加之前需要对目标函数进行标定，但目标值的最大、最小边界不可预测，因此该方法是不合理的，且这样不能同时得到多组具有不同特性的非劣最优解，无法真正发挥多目标优化的优势。公开号为CN201410201398.5的专利技术专利公开了一种铣削工艺参数优化方法，该方法未对径向切深进行优化，且该专利同样采用不同量纲的目标函数加权相加的方法转化为单目标进行处理。胡瑞飞等(胡瑞飞,殷国富,殷鸣.切削稳定性约束下的铣削参数优化技术研究[J].机械工程学报,2017,53(5):190-198.)提出的该方法未考虑加工粗糙度，主轴功率等约束；所用的...
【技术保护点】
1.一种引入三维稳定性约束的铣削加工多目标优化决策方法，其特征在于，包括如下步骤：步骤1：基于二阶全离散法，在主轴转速Ω、轴向切深d的铣削稳定性预测模型中引入径向切深a，构建关于主轴转速Ω、轴向切深d以及径向切深a的铣削三维稳定性预测模型；步骤2：建立多目标多约束的多次走刀铣削参数优化模型，所述该模型包括以高效率、低成本以及高利润为目标的多目标函数；和根据数控机床性能、刀具性能、工件性能、加工要求以及步骤1中的三维稳定性模型建立的多约束条件；步骤3：利用基于聚类原理的多目标萤火虫优化算法求解多目标多约束的多次走刀铣削参数优化模型，得到多组具有代表性的切削参数，即多组具有代表性的Pareto前沿解，所述基于聚类原理的多目标萤火虫优化算法包括：基于云模型的坐标摄动机制、基于拥挤度的自适应吸引力机制、基于拥挤度的最优萤火虫引导机制、基于聚类原理的外部存档更新消减机制；步骤4：利用伪权重估计法，计算每个具有代表性的前沿解其不同目标函数的权重值。
【技术特征摘要】
1.一种引入三维稳定性约束的铣削加工多目标优化决策方法，其特征在于，包括如下步骤：步骤1：基于二阶全离散法，在主轴转速Ω、轴向切深d的铣削稳定性预测模型中引入径向切深a，构建关于主轴转速Ω、轴向切深d以及径向切深a的铣削三维稳定性预测模型；步骤2：建立多目标多约束的多次走刀铣削参数优化模型，所述该模型包括以高效率、低成本以及高利润为目标的多目标函数；和根据数控机床性能、刀具性能、工件性能、加工要求以及步骤1中的三维稳定性模型建立的多约束条件；步骤3：利用基于聚类原理的多目标萤火虫优化算法求解多目标多约束的多次走刀铣削参数优化模型，得到多组具有代表性的切削参数，即多组具有代表性的Pareto前沿解，所述基于聚类原理的多目标萤火虫优化算法包括：基于云模型的坐标摄动机制、基于拥挤度的自适应吸引力机制、基于拥挤度的最优萤火虫引导机制、基于聚类原理的外部存档更新消减机制；步骤4：利用伪权重估计法，计算每个具有代表性的前沿解其不同目标函数的权重值。2.根据权利要求1所述的方法，其特征在于，所述径向切深a的表达式为：其中s为无穷小量，ε为径向切深被平均划分为ε段，D为铣刀直径。3.根据权利要求1所述的方法，其特征在于，所述步骤2中的多目标函数包括：铣削耗时的目标函数、铣削成本的目标函数、铣削利润的目标函数；所述铣削耗时的目标函数如下所示：其中，D为铣刀直径；Ωri为第i次粗加工时机床的主轴转速，Ωs为精加工时机床的主轴转速，n为粗加工的次数，z为铣刀齿数，fri为第i次粗加工时候每齿进给量；fs为精加工时每齿进给量；h1以及h2为与走刀长度以及切入、切出时间相关的常数；Ttc为换刀时间；tri为第i次粗加工时刀具的寿命；ts为精加工时刀具的寿命，Lri为第i次粗加工时的走刀长度，LS为精加工时的走刀长度；其中dri为第i次粗加工时机床的轴向切深；ari为第i次粗加工时机床径向切深，Ωs为精加工时机床的主轴转速；as为精加工时机床的径向切；Cv，Kv，xv，yv，sv，qv，pv和l是与刀具和工件材料相关的常数；GInt()和SInt()分别表示取最大整数和最小整数，W和L分别为工件的宽度以及长度，e′是为避免撞刀而设置的任意距离；所述铣削成本的目标函数如下所示：其中：k0为单位时间的人工及管理成本，kt为单位时间的加权刀具成本，Tp为加工准备时间；所述铣削利润的目标函数如下所示：其中：Sp为产品的市场价格，Cmat为原材料成本。4.根据权利要求3所述的方法，其特征在于，所述计算具有代表性的前沿解其不同目标函数的权重值的具体方法如下所示：其中，wy为某个前沿解的第y个目标函数的权重值，fy，max为所有前沿解的第y个函数的最大值；fy为该某个前沿解第y个目标函数的值；fy，min为所有前沿解的第y个函数的最小值；Emax为所有目标函数的总个数，fE，max为所有前沿解的第E个函数的最大值，fE为该某个前沿解的第E个目标函数的值，fE，min为所有前沿解的第E个函数的最小值。5.根据权利要求3所述的方法，其特征在于，所述多约束条件包括：主轴转速约束条件、进给速度约束条件、轴向切深约束条件、径向切深约束条件、切削力约束条件、切削力矩约束条件、主轴功率约束条件、表面粗糙度约束条件、刀具寿命约束条件和三维稳定性模型构成的约束条件；所述主轴转速约束条件为：Ωmin＜Ωri＜Ωmax；Ωmin＜Ωs＜Ωmax；其中，Ωmax以及Ωmin为机床的最大、最小主轴转速；Ωri为第i次粗加工时机床的主轴转速；Ωs为精加工时机床的主轴转速；所述进给速度约束条件为：fmin＜fri＜fmax；fmin＜fs＜fmax；其中，fmax以及fmin为机床的最大、最小每齿进给量即进给速度；fri为第i次粗加工时机床的每齿进给量；fs为精加工时机床的每齿进给量；所述轴向切深约束条件为：dmin＜dri＜dmax；dmin＜ds＜dmax；其中，dmax以及dmin为机床的最大、最小轴向切深；dri为第i次粗加工时机床的轴向切深；ds为精加工时机床的轴向切深；dt为总铣削深度；n为粗加工的总次数；所述径向切深约束条件为：amin＜ari＜amax；amin＜as＜amax；其中，amax以及amin为机床的最大、最小径向切深；ari为第i次粗加工时机床的径向切深；as为精加工时机床的径向切深；所示切削力约束条件为：其中，Cu，Ku，pu，qu，su，xu以及yu为常数，Fmin以及Fmax为机床的最大、最小主切削力；Fri为第i次粗加工时机床的主切削力；Fs为精加工时机床的主切削力；所述切削力矩约束条件为：其中：TMmax为机床的最大主轴转矩；TMri为第i次粗加工时机床的主轴转矩；TMs为精加工时机床的主轴转矩；所述主轴功率约束条件为：其中：pmax为机床的最大主轴功率；Pri为第i次粗加工时机床的主轴功率；Ps为精加工时机床的主轴功率；所述表面粗糙度约束条件为：其中，re为刀尖圆角半径，Rrmax以及Rsmax分别为粗加工和精加工最大表面粗糙度；Rri为第i次粗加工时表面粗糙度；Rs为精加工时表面粗糙度；所述刀具寿命约束条件为：tri≥TR，ts≥TR；其中，TR为使用者所要求的刀具最短加工寿命；tri为第i次粗加工时刀具的寿命；ts为精加工时刀具的寿命。6.根据权利要求5所述的方法，其特征在于，所述得到若干个具有代表性的解的具体步骤如下所示：步骤3.1：对每只萤火虫进行编码，并根据所设定编码方案和编码中的上边界L和下边界U初始化每只萤火虫的坐标，具体编码方式如下所示：pA＝(n，dr，dh，ds，ar，ah，as，fr，fh，fs，Ωr，Ωh，Ωs)L＝(nmin，drmin，dhmin，dsmin，armin，ahmin，asmin，frmin，fhmin，fsmin，Ωrmin，Ωhmin，Ωsmin)U＝(nmax，drmax，dhmax，dsmax，armax，ahmax，asmax，frmax，fhmax，fsmax，Ωrmax，Ωhmax，Ωsmax)其中，pA为第A只萤火虫的编码，n为粗加工的次数，dh为半精加工时的轴向切深，ah为半精加工时径向...
【专利技术属性】
技术研发人员：杨文安，蔡旭林，黄超，郭栋琨，杨博，郭宇，廖文和，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。