基于改进粒子群优化算法的变截面涡旋盘瞬时铣削力模型参数求解

针对变截面涡旋盘瞬时铣削力预测存在的多元非线性难题,从涡旋盘实际铣削过程出发,建立了考虑刀具跳动的瞬时铣削力数学模型,提出了一种基于改进粒子群优化算法（PSO）对铣削力模型参数进行求解的方法,以提高瞬时铣削力预测模型精度。通过4组不同铣削参数下的瞬时铣削力实验对该方法进行验证,结果表明：该方法求解得到的变截面涡旋盘瞬时铣削力与实验测得的瞬时铣削力在形状和峰值处有较高的吻合度,4组实验的峰值误差在15%以内;采用自适应惯性权重和随机扰动因子的改进PSO算法能够有效地提高变截面涡旋盘瞬时铣削力系数辨识的收敛速度和收敛效果,还能提高算法整体搜索能力。该方法只需较少的实验次数就能辨识出较高精度的模型参数,比平均铣削力求解方法的实验成本更低,对涡旋盘的加工具有重要参考价值。     

粒子群优化模糊系统的铣削力建模方法

根据铣削力的特点,提出用模糊系统进行铣削力建模的新方法.根据铣削力的特点和研究目的,设计钛合金铣削试验,试验在数控铣床上进行,用测力仪进行铣削力测量,由试验得到铣削力的训练数据和测试数据.在分析基本粒子群算法优缺点的基础上,将梯度下降算法嵌入基本粒子群算法形成改进粒子群算法.通过训练数据分别用梯度下降算法、基本粒子群算法和改进粒子群算法训练模糊系统,改进粒子群算法的收敛效果优于梯度下降算法和基本粒子群算法.用回归分析对铣削力进行建模,回归函数分别取为指数形式与线性全因子多项式形式,这样得到两种铣削力经验公式.用测试数据对各方法得到的模型分别进行测试,改进粒子群算法训练模糊系统的预测效果优于其他方法.预测结果验证了用改进粒子群算法训练的模糊系统进行铣削力建模是可行的.     

粒子群优化人工神经网络在高速铣削力建模中的应用

将粒子群优化人工神经网络理论应用于高速铣削力的建模研究中.采用粒子群算法与反向传播算法相结合的方法,对反向传播神经网络模型进行优化.用粒子群算法训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行反向传播算法运算,以实现高速铣削力的预测.充分发挥了粒子群算法的全局寻优能力和反向传播算法的局部搜索优势.仿真结果表明,与其他几种反向传播算法相比较,粒子群算法与反向传播算法的学习算法训练的神经网络,不仅训练时间明显缩短,而且其预报精度也得到了较大的提高,能够有效地建立铣削力模型,并对铣削力进行准确的预测.     

采用改进灰色神经网络的铣床热误差补偿研究

数控铣床在铣削零件过程中,主轴会受到温度变化影响而发生热变形,导致铣削零件误差较大,从而降低产品精度。对此,采用一阶线性微分方程推导GM(1,1)模型,创建灰色预测模型。将神经网络模型与灰色预测模型进行组合,建立灰色神经网络预测模型。引用粒子群算法,在粒子群算法中增加变异操作和修改惯性权重系数,给出改进粒子群算法优化灰色神经网络预测模型的具体操作步骤。采用实验测试铣床铣削过程中所产生的热误差,并与预测模型进行比较。结果显示:在铣床主轴X、Y、Z轴三个方向上,灰色神经网络预测模型对铣床主轴补偿后,得到的残差较大;而改进灰色神经网络预测模型对铣床主轴补偿后,得到的残差相对较小。采用改进粒子群算法优化灰色神经网络预测模型,能够提高铣床主轴铣削精度。     

改进混沌粒子群优化的灰色系统模型在机床热误差建模中的应用

为减少热误差对数控机床加工精度的影响,提高灰色系统模型(Grey system Model,GM)的预测精度,尝试将改进混沌粒子群优化(Improvemen Chaotic Particle Swarm Optimization,ICPSO)算法引入到灰色系统模型中,提出一种基于改进混沌粒子群优化算法的灰色系统模型数控机床热误差建模方法。首先,建立粒子群优化(Particle Swarm Optimization,PSO)粒子与GM(1,N)系数的映射关系;其次,ICPSO中混沌理论的Logistic映射对粒子群的位置和速度进行初始化,通过优化搜索得到最优GM(1,N)系数和输入子集;最后,建立改进混沌粒子群优化的灰色系统模型(ICPSO-GM),对数控机床热误差进行预测。仿真实验表明,ICPSO-GM预测精度高于GM和人工神经网络(ANN)模型,证明了ICPSO-GM能有效地解决数控机床热误差预测问题。     

基于铣削力精确建模的工件表面让刀误差预测分析

航空航天制造业结构件的高速铣削加工中,在切削力作用下由整体铣削刀具挠度变形所引起的工件表面让刀误差,严重制约零件的加工精度和效率。针对这一问题,通过建立铣削力精确预测模型,结合刀具刚度特点,对工件让刀误差进行预测分析。将切削速度和刀具前角对切削力的影响规律引入二维直角单位切削力预测模型,并通过试验进行相关系数标定。借助等效前角将直角切削力预测系数应用到斜角切削力的预测,通过矢量叠加构建整体刀具三维切削力模型。分析刀具挠度变形对铣削层厚度及铣削接触中心角范围影响规律。基于离散化的刀具模型和切削力模型,建立铣削载荷条件下刀具等效直径悬臂梁模型弯曲变形计算方法。构建以刀具变形对铣削过程影响作用规律为反馈的刚性工件表面让刀误差及切削力柔性预测模型,通过整体铣刀铣削试验验证所建立理论模型的预测精度。     

考虑主轴运动误差与刀具安装误差的铣削刀具轴线运动建模

为了研究综合考虑机床主轴运动误差、刀柄与弹簧夹头安装误差等因素的切削仿真,将机床主轴的角接触轴承、刀柄、弹簧夹头的安装与制造误差作为影响铣削刀具轴线运动的主要因素,建立了铣削刀具轴线的运动数学模型。将SPN 300型主轴动态误差分析仪金属标准球的运动轨迹作为反映铣削刀具轴线的运动轨迹,对模型进行了实验验证。考虑到粒子群算法对不同复杂约束条件下的多目标优化问题具有较强的适用性与简便性,使用粒子群算法标定模型中的未知参数。实验结果显示,所建立模型与实际测量结果相符,且所提标定方法具有较强适应性。     

确定铣削力模型中刀具偏心参数的一种算法

对数控加工中球头铣刀铣削力建模时刀具偏心参数的确定进行了研究。在铣削力模型的建立中考虑了刀具偏心的影响,推导出刀具偏心参数的表达式,考虑到刀具单刃切削条件,提出了刀具偏心参数的确定算法。在通过铣削力试验数据计算铣削力系数的过程中,采用上述算法确定了刀具的偏心参数,用于铣削力的仿真预测中,仿真结果和铣削力试验的结果表明,算法效果良好。     

基于粒子群算法的铣削参数优化

针对加工中心环境下铣削加工切削参数的优化选择问题,通过考虑机床加工、工件和刀具的实际约束,建立以最大生产率为目标函数的铣削参数数学模型,采用粒子群优化算法对铣削参数进行了寻优并进行了实例验证,结果表明粒子群算法优化铣削参数可以缩短加工时间,提高生产率.     

基于傅立叶级数的立铣刀铣削力模型

立铣刀加工应用广泛,铣削力模型是加工过程监控与优化的基础。分析了立铣刀铣削的过程,确定了铣削过程中各个几何量之间的关系。分析了铣削的机制,将铣削机制分为剪切效应与犁切效应,建立了铣削力的微分模型。对铣削力微分模型进行积分得到了刀具总铣削力,应用傅里叶级数变换了多刀齿周期性的总铣削力,从而以更简单的形式模拟了铣削力。最后采用实验回归了模型待定的切削系数,通过模型预测力与实验测量力的对比,误差在合理范围内,进而验证了模型。     

基于混合粒子群算法优化BP神经网络的机床热误差建模

为了降低机床热误差对主轴加工精度的影响,采用了混合粒子群算法优化BP神经网络结构,并对优化结果进行实验验证.引用了粒子群算法耦合遗传算法,给出BP神经网络结构简图,通过混合粒子群算法优化BP神经网络结构.构造机床热误差优化目标函数,采用混合粒子群算法优化目标函数,给出了混合粒子群算法优化BP神经网络流程图.建立BP神经网络热误差预测模型和BP神经网络热误差优化模型,采用三轴立式铣床对两种预测结果进行实验验证.实验结果表明:采用BP神经网络热误差预测模型,机床y轴、z轴预测结果与实验结果偏差最大值分别为6.9μm和6.7μm;采用BP神经网络热误差优化模型,机床y轴、z轴预测结果与实验结果偏差最大值分别为3.3μm和3.5μm.采用混合粒子群算法优化BP神经网络结构,能够提高机床热误差预测精度.     

铣削面加工误差预测变异模型研究

提高机床加工过程高效化和精密化的主要障碍是无法预测及控制加工误差,而加工误差主要来源于刀具和工件在铣削力作用下产生的变形。通过引入铣削力和刀具偏摆因素的影响,提出铣削面加工误差预测模型,再引入机床空间误差对该误差预测模型进行修正,形成铣削面加工误差预测变异模型。通过在不同状态下进行端面铣削加工实验,对模型预测结果进行验证。结果表明:对实验结果估算出的判定系数大于0.9,可知该模型对铣削加工误差的预测可信度达到了90%以上;端铣面加工误差预测模型能够正确预测铣削面尺寸误差及其随机分布范围。     

一种基于动力学分析的薄壁深腔零件加工变形仿真方法

为了提高薄壁深腔零件侧壁加工变形的预测精度,对铣削力引起的侧壁让刀误差进行了研究,提出一种基于动力学分析的薄壁深腔零件加工变形有限元动态仿真方法。该方法通过建立刀具动力学方程,求解其中关键参数、得到铣削过程中刀具任意点运动状态,并采用生死单元法对被切削材料进行去除。在计算铣削力时考虑刀具/工件挠度变形对铣削力的动态响应,计算获得考虑让刀反馈的铣刀瞬时切削厚度及总体铣削力,最终得到零件加工过程的实时变化规律,以及在此铣削力影响下工件侧壁的变形量。通过实验验证了仿真方法的准确性。     

薄壁件不一致刀齿铣削时铣削力系数构造与预测

针对薄壁件铣削过程中刀齿半径不一致现象引起的铣削力系数计算失真问题,提出构造刀齿半径不一致时的实际铣削力系数,并采用核偏最小二乘法对不同铣削用量时的实际铣削力系数进行预测。针对两齿螺旋铣刀铣削过程推导理论铣削力系数,根据刀齿半径不一致铣削过程引入名义铣削力,推导刀齿半径误差,构造实际铣削力系数;基于核分析方法突出的非线性分析及预测能力,提出采用核偏最小二乘法在高维空间建立实际铣削力系数关于铣削用量及其组合量的预测模型,分析该方法中核主元个数、高斯核函数核参数对预测模型精度的影响并确定其取值范围。最后分析考虑刀齿半径误差与不考虑时的铣削力系数,并比较核偏最小二乘预测方法与偏最小二乘预测方法,结果表明所提铣削力系数构造过程及预测方法具有较高的计算精度和预测能力。     

周铣过程中加工误差预测新模型

研究铣削加工过程中加工误差的预测及控制策略是进行加工质量控制的核心环节,对于实现加工过程的高效化和精密化至关重要。针对刀具柔性较大的铣削加工过程,以周铣加工过程中的刀具变形及刀齿轨迹计算为基础,建立一种新的加工误差预测模型。该模型从铣削力的预测和刀具变形的计算出发,采用圆弧近似方法求解各刀齿的运动轨迹,然后将各刀齿轨迹离散,通过计算各离散点处所有刀齿轨迹的最小值获得加工误差。与现有方法相比,该建模方法的显著优点体现在两点:一方面,建模过程较完整地揭示了铣削加工中加工误差的形成机理;另一方面,由于考虑了刀齿轨迹对加工误差的影响,模型的预测结果能够反映已加工表面的形貌。模型的有效性通过一系列铣削试验得到了验证。     

瞬时铣削力建模与铣削力系数的粒子群法辨识

为获得精确的瞬时铣削力模型,对微元铣削力进行分析,建立了微元铣削力模型。依据立铣加工的特点,提出了微元铣削刃参与铣削的判断方法,给出了具体的计算公式。在此基础上,建立了包含剪切效应和犁入效应的瞬时铣削力模型。利用粒子群算法收敛速度快的优点,提出了基于粒子群的单位铣削力系数辨识方法,给出了算法的实现步骤。铣削试验结果表明,该方法能够精确辨识出单位铣削力系数,利用所提出的瞬时铣削力模型获得的铣削力预测值与铣削力实测值的大小和变化趋势基本一致。     

面向低碳高效的铣削工艺参数优化及应用

为实现铣削加工的低碳高效,对铣削加工的碳排放情况进行研究,建立了铣削加工碳排放量化模型,以机床最大功率、刀具寿命和表面粗糙度为约束条件,建立了以主轴转速、进给量、背吃刀量、铣削宽度为优化变量,以加工碳排放和加工时间为优化目标的数控平面铣削工艺参数多目标优化模型。通过粒子群算法对模型进行求解,得到了低碳高效的工艺参数。最后以数控平面铣削优化实验为例进行验证,表明该模型具有较高的精度和较好的优化效果。     

铣削力的傅立叶级数建模与实验

建立了一种采用傅立叶级数的铣削力模型用以描述铣削加工过程的物理状态,考虑了铣削过程的剪切机制与犁切机制,建立了沿刀具轴向的微元刀刃的铣削力模型,通过傅立叶变换将刀具总的铣削力表示为傅立叶级数形式。给出了通过槽铣实验的平均铣削力回归切削力系数的方法,采用测力仪在数控机床上进行了铣削实验,通过实验数据回归出了立铣刀的切削系数,对比了模型预测值和实验实测值,结果吻合良好,从而验证了铣削力模型。     

改进粒子群算法和ELM的刀具磨损量预测

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法（Improved Particle Swarm Optimization,IPSO）和极限学习机（Extreme Learning Machine,ELM）的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明：优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。     

基于频域多目标优化的铣削力系数及偏心参数识别

在正交切削假设基础上,根据刀具运动几何关系,推导铣削力微元表达式,并从严格的铣削切屑载荷模型出发,考虑刀具偏心引起的多种效应,通过积分运算建立铣削力模型的矩阵形式.随后采用傅里叶变换得到铣削力的频域模型,并用矩阵运算对频域的仿真结果与测量结果的各次谐波进行比较分析,推导得到谐波残差的多元函数,在此基础上提出频域多目标优化的铣削力系数及刀具偏心参数识别方法.以典型航空铝合金材料的多次大偏心率铣削试验为参照,文章模型铣削力仿真误差在2%～6%范围,验证了该方法识别的铣削力系数及偏心参数准确有效.并通过与文献模型时域对比,说明频域多目标优化模型与本次试验结果更为吻合,特别在大偏心率的铣削条件下与文献模型相比有所改进.