基于正交試驗的車銑切削參數優(yōu)化研究

郭思璇+武艷+韓鑄完+博聞

摘 要：以后蓋組件為研究對象，針對目前后蓋組件車銑切削效率和加工質量較低的問題，提出基于正交試驗的車銑切削參數優(yōu)化研究。根據車銑加工工藝的特點，文章選取進給量、切削深度、切削速度三個影響因素，考察其對后蓋組件基準A表面平面度的影響。通過進行試驗并收集記錄試驗結果，對試驗結果進行極差分析確定最優(yōu)組合的切削參數，最后通過驗證試驗證明了結果的有效性，確定了切削參數對后蓋組件基準A表面平面度的影響規(guī)律，為以后切削加工提供了參考依據。

關鍵詞：正交試驗；切削參數；平面度；極差分析

中圖分類號：TG501 文獻標志碼：A 文章編號：2095-2945（2018）02-0073-02

Abstract： The rear cover assembly is the object of study. Aiming at the low cutting efficiency and machining quality of the rear cover assembly at present， the optimization research of turn-milling cutting parameters based on orthogonal test is proposed. According to the characteristics of turn-milling process， this paper selects feed rate， cutting depth and cutting speed to investigate the influence of feed rate， cutting depth and cutting speed on the surface planeness of reference A of the rear cover assembly. The cutting parameters of the optimal combination are determined by the range analysis of the test results， and the validity of the results is proved by the verification test. The influence of cutting parameters on the surface planeness of reference A of the rear cover assembly is determined， which provides a reference for later machining.

Keywords： orthogonal test； cutting parameters； flatness； range analysis

引言

切削參數的合理設定對加工零組件的質量有著極大影響，而在以往生產中憑借經驗或查詢切削手冊選擇切削參數通常會因為出于安全性考慮過為保守，既達不到最優(yōu)切削用量的選擇，也會降低加工零組件的質量，無法保證生產加工效率和質量。而切削參數優(yōu)化則是保證加工工件質量，提升加工效率，減低生產成本的關鍵技術。目前，國內外利用人工智能優(yōu)化算法，例如，BP神經網絡[1]、遺傳算法[2]、粒子群算法[3]等，對切削參數進行優(yōu)化。還有學者運用計算機仿真技術構建智能優(yōu)化切削用量動態(tài)加工仿真系統(tǒng)[4][5]，在計算機模擬優(yōu)化加工切削用量，同樣可以達到參數優(yōu)化的目的。由于人工智能優(yōu)化算法計算量大、理論深度高，不便于在實際加工中推廣。

本文采用的正交試驗設計進行參數優(yōu)化研究，計算量小，同時也能滿足優(yōu)化加工的精度要求，在實際生產中便于推廣。

1 試驗指標，因素和水平的選擇

本文研究是的加工工藝參數優(yōu)化改善，而在現有條件下一些因素是無法改變的，這些無法改變的因素通常具備以下特點：（1）采用的是現有最好條件；（2）改換成本巨大或者無法改變。只有通過調整一些可以改變的因素，達到后蓋組件加工技術要求即基準A表面平面度0.02。

通過查閱國內外加工工藝參數優(yōu)化相關研究以及本文所研究所需，本文選取進給量、切削深度、切削速度三個影響因素，考察其對后蓋組件基準A表面平面度的影響。在影響基準A表面平面度所有切削參數中，切削三要素的影響最大，而為方便數據記錄處理，將主軸轉速作為衡量切削速度的指標。故本文選取進給量、切削深度、主軸轉速三個因素，研究其對基準面平面度的影響。

考慮實際加工及機床實際情況，選取每個因素的三個水平進行研究。

2 選擇正交表

正交表是一種數學家預先編制好的表格，具有均勻分散性、整齊可比性的突出優(yōu)點。正交表記號格式為LN（qs）。

本文選取三個影響因素A、B、C，每個因素選取三個影響水平，故因素自由度fA=fB=fC=3-1=2。故本文正交試驗安排2×3+1=7次試驗，即N≥7。為保證試驗精確度，單獨留有1列空列，作為試驗誤差可靠性測量，即S≥3+1=4列。根據以上論述，本文選取正交表L9（34）。

3 正交試驗表頭設計及試驗方案編制

正交表最終設計，如表2所示。

根據上表所提出的試驗方案的9組加工參數，在五坐標軸加工中心試驗加工9個后蓋組件，測量后蓋組件基準A表面平面度并記錄在表4的iA列中，所得正交試驗數據如表3所示。

4 多因素正交實驗的極差分析

極差分析方法是正交試驗結果分析最常用的方法。通過平面度的極差分析可以得出試驗因素的優(yōu)水平和優(yōu)組合，因素對平面度影響的主次順序。

A進給量因素的三水平對應的基準A表面平面度之和及平均值計算如下：endprint

KA1=0.2，KA2=0.11，KA3=0.22，KA1=0.067，KA2=0.037，KA3=0.073。

B切削深度因素的三水平對應的基準A表面平面度之和及平均值計算如下：

KB1=0.11，KB2=0.19，KB3=0.23，KB1=0.037，KB2=0.063，KB3=0.077。

C主軸轉速因素的三水平對應的基準A表面平面度之和及平均值計算如下：

KC1=0.19，KC2=0.17，KC3=0.21，KC1=0.063，KC2=0.057，KC3=0.070。

極差Ri大小可以判斷各因素對基準A表面平面度影響的主次順序。由上表可得：RA=0.037，RB=0.040，RC=0.013，所以，RB>RA>RC。因此，因素對基準A表面平面度影響的主次順序為BAC，即切削深度影響最大，進給量次之，主軸轉速影響最小。

平面度越小，后蓋組件質量越高，即取A，B，C中最小的為優(yōu)水平，因此由上表可知KA3>KA1>KA2，A2為A因素優(yōu)水平；KB2>KB3>KB1，B1為B因素優(yōu)水平；KC3>KC1>KC2，C2為C因素優(yōu)水平。因此本實驗的最優(yōu)水平組合為A2、B1、C2。即該加工后蓋組件試驗的最優(yōu)工藝加工參數組合為：進給量0.1mm/r，切削深度0.1mm，主軸轉速15r/min。

5 多因素正交實驗的試驗驗證

由上表可以看出，后蓋組件該加工工序基準A表面平面度加工質量有顯著提升，達到了本次試驗目的。

6 結束語

本文對三個因素：進給量、切削深度、主軸轉速進行正交試驗，結果表明進給量0.1mm/r，切削深度0.1mm，主軸轉速15r/min時的基準A表面平面度精度最符合加工質量要求。本文的優(yōu)化目標為表面平面度，其優(yōu)化試驗過程可以進行推廣，其研究思路也為相關研究提供參考依據。

參考文獻：

[1]趙韓，馮寶林，董曉慧，等.基于改進的BP神經網絡對切削參數的優(yōu)化選擇[J].機床與液壓，2008，36（5）.

[2]李建廣，姚英學，劉長清，等.基于遺傳算法的車削用量優(yōu)化研究[J].計算機集成制造系統(tǒng)，2006，12（10）.

[3]劉海江，黃煒.基于粒子群算法的數控加工切削參數優(yōu)化[J].同濟大學學報：自然科學版，2008，6（6）.

[4]劉強，尹力.一種面向數控工藝參數優(yōu)化的銑削過程動力學仿真系統(tǒng)研究[J].中國機械工程，2005，16（13）：1146-1149.

[5]MERDOLSD，ALTINTASY.VirtualSimulation and optimization of milling applications-part 2： Optimization and federate scheduling[J]. Journal of Manufacturing Science and Engineering-Transactions of the ASME，2008，130（5）：0510051-05100510.

[6]于灝.高速硬切削GCr15考慮刃口參數的切削力試驗與仿真[J].科技創(chuàng)新與應用，2012（02）：57.

[7]金沙.基于有限元分析的橢圓振動切削換能器[J].科技創(chuàng)新與應用，2014（06）：20.endprint