面向能耗的数控铣削过程建模与参数优化

为了选择合理的切削参数以达到降低能耗的目的,对稳定的数控铣削过程面向能耗进行建模并优化。首先,在分析输入功率去向构成的基础上,建立数控铣床系统输入功率模型。然后,建立数控铣床系统能耗测试平台。通过对实验数据的多元回归建立数控铣床输入功率与切削参数的函数,对比分析证实函数的精确性。随后,由该函数得出数控铣床稳定切削阶段的单位体积能耗函数,以此为优化目标,以铣床性能和表面质量为约束,通过引力搜索算法(GSA)进行切削参数的能效优化。最后,与经验的切削参数进行对比,结果表明优化后切削参数显著提高了铣床能量效率,大幅节省了电能。     

碳效率目标下的铣削切削参数优化研究

为了提高数控铣削加工过程的能量利用率,降低铣削加工过程中的碳排放量,基于铣削加工能耗分析的基础,建立了数控铣床能耗模型,并基于铣削工艺输入输出特性提出了铣削工艺碳排放评估函数,结合材料去除率提出碳效率概念,以此作为优化目标,并以机床主轴转速和进给量作为优化变量,考虑机床各项性能参数和工件的加工质量等约束,建立了基于碳效率的数控铣削切削参数优化模型,并通过案例,采用遗传算法对模型进行优化求解,验证了该模型的有效性。     

XK713数控铣床加工工件能耗预测方法研究

为实现制造业向能源节约型增长方式的转变,运用数控铣床模拟加工能耗预测技术为铣削加工过程中能源的精细管理提供支持,针对数控铣床加工工件能耗消耗预测问题,分析了数控铣床耗能元件,结合数控铣床各耗能元件的能耗特征将其分为负载有关与负载无关两类,建立了数控铣床加工工件的能耗预测模型。通过CAM软件模拟铣削加工过程,自动生成NC代码并解析各耗能元件的运行状态参数信息,提出了解析NC代码预测数控铣床铣削加工能耗的方法。最后,通过一个具体铣削加工实例将预测加工能耗与实际加工能耗进行对比,验证了该数控铣床加工工件能耗预测方法的有效性。     

基于能耗的铣削功率分析及切削参数多目标优化

数控加工过程中的能源消耗与环境问题密切相关,为实现低碳制造,利用功率测试系统对机床加工过程中的功率进行实时记录,研究切削参数对机床功率的影响。首先,根据工业三相电的功率计算方法及数控机床中电能的分配情况设计了功率测试硬件的连接方法,并结合LabVIEW虚拟仪器编程完成了数控机床功率测试平台的搭建。然后,根据加工合金铸铁的推荐切削参数范围,运用响应曲面法设计了铣削实验,确定优化目标及约束条件,分析切削速度、每齿进给量、轴向切削深度和径向切削深度对机床加工过程功率的影响,并建立了切削参数与目标函数之间的回归方程和对应的响应面模型。最后,对回归方程进行优化,使其预测目标函数值更准确,同时对四个切削参数进行了优化,得到低碳高效的切削参数组合。实验结果表明：优化切削参数后,机床Y轴功率减小了11.34%,材料去除率MRR增大了9.96%;优化切削参数后提高了加工效率,降低了机床的功耗,能够实现缸体铣削过程的低碳高效化。     

面向低能耗少切削液的多目标加工参数优化

数控加工是一种广泛采用的机械制造加工方法,为实现数控加工的高能效,从数控铣削加工的低能耗少切削液两个方面对切削参数进行优化,建立切削加工过程能量消耗目标函数和切削液消耗目标函数。考虑加工过程中数控机床设备性能和加工质量的实际约束条件,建立以数控加工的切削速度和进给量以及切削液流速为优化变量,以最低加工能耗和最少切削液消耗为目标的多目标优化模型,并应用非支配排序遗传算法-II对优化模型进行优化求解。最后,通过某具体实例验证了所建模型的有效性。     

基于BP神经网络的微铣削切削比能预测

针对微铣削加工过程中功率和加工能耗变化问题,对微铣削机床主轴系统加工功率进行了采集。建立了主轴转速、每齿进给量和切削深度3个重要切削参数影响切削比能的BP神经网络预测模型。通过45#钢子午线轮胎模具微铣削试验,获得试验数据样本来训练和检测BP神经网络,实现了不同切削参数组合下切削比能的预测,并利用遗传算法对切削参数进行寻优。预测和优化结果表明,最小切削比能可在最大切削参数组合下取得。因此在不考虑表面粗糙度和刀具磨损的情况下,高水平的切削参数组合可获得大的材料去除率和相对较小的切削比能,提高加工效率并降低加工能耗。     

基于低能耗的平面端铣削粗/精加工参数全局多目标优化

以平面端铣削粗/精加工过程为研究对象,根据变频调速铣床主轴电机运行特点,提出分段空载功率函数模型,构建铣床粗/精加工总能耗模型及总生产率模型,并通过相应实验对模型进行完善。结合实际生产建立粗/精加工过程约束条件。选取企业实际生产案例,采用遗传算法对选定加工特征的粗/精端铣削过程进行全局多目标优化,并与传统只针对粗加工或精加工的局部铣削参数优化进行比较。实验结果表明,与优化前相比,局部优化后的粗/精加工总能耗下降了12.51%,全局优化后的粗／精加工总能耗下降了15.04%;局部优化后总加工时间缩短了18.48%,全局优化后总加工时间缩短了21.26%。     

基于改进引力搜索算法的铣削加工参数低碳建模及优化

针对数控机床铣削加工特点,考虑刀具寿命、加工表面质量、切削速率和铣床工艺性能等条件,以铣削加工过程中的单位体积碳排放、单位体积生产成本和加工时间为目标,以切削速率、每齿进给量和切削宽度三参数为优化变量,建立了铣削加工参数多目标优化模型,并提出了一种改进的非支配排序引力搜索算法对该多目标模型进行求解。在所提出算法中采用精英保留策略和位置更新回退操作,引导群体质点向真实Pareto最优解集区域靠近。在遗传算法的交叉操作启发下,提出精英精英交叉策略和精英非精英交叉策略,增加了群体多样性。最后与原始非支配排序引力搜索算法和教学优化算法进行对比,验证了所提改进算法的优越性和可行性。采用灰色关联度法在获得的Pareto最优解集中选择满意解,为面向绿色制造的切削参数优化提供了一种新的思路。     

基于遗传算法的数控雕铣切削参数优化

在分析国内外切削参数优化问题研究现状的基础上,综合考虑数控雕铣加工机床性能和加工约束条件,针对加工过程中效率低、能耗高、质量难保证及环境污染严重等问题,建立以加工时间、碳排放量为优化目标,以主轴转速和进给速度为优化变量的优化模型,通过传统遗传算法和改进遗传算法进行切削参数优化,并通过模拟加工确认改进遗传算法的有效性。     

基于遗传算法的铣削参数优化

研究了在加工中心环境下 ,铣削加工切削参数的优化选择问题。通过考虑机床和工件的实际约束 ,建立了以最大生产率为目标的切削参数数学模型。应用遗传算法 ,及所建模型对铣削参数进行了寻优并进行了实例验证。