CN103500251A - 数控铣削中刀具切削用量的优化加工方法 - Google Patents

Abstract

本发明涉及数控铣削中刀具切削用量的优化加工方法，所述方法包括如下步骤：1)确定模型优化变量步骤；2)确定模型目标函数步骤；3)确立模型中约束条件步骤；4)使用遗传算法确定切削用量；5)加工刀具步骤。本发明优化了数控铣削中刀具切削用量的加工方法，使得刀具切削用量更加精确，从而提高生产效率，降低了生产成本。

Description

数控铣削中刀具切削用量的优化加工方法

技术领域

本发明涉及数控铣削中刀具切削用量的优化加工方法，属于机械加工领域。

背景技术

随着制造业数控制造技术的快速发展，生产自动化水平不断提高，面对数量庞大的生产、配套和管理信息，如何有效管理品种多样、规格各异的刀具，已成为企业面临的新课题。刀具管理水平是衡量数控车间综合集成制造能力的重要标志之一。借助计算机辅助刀具管理，对刀具的合理配置、有效使用、生产效率的提高及成本的降低都非常重要。机床切削用量的合理选择影响到生产率、生产成本和加工质量，在机械工程领域是一个十分重要的研究课题。建立切削用量数学模型，并采用一定的算法进行优化求解，是合理选择切削用量的一种有效方法。

发明内容

本发明涉及数控铣削中刀具切削用量的优化加工方法，所述方法包括如下步骤：1)确定模型优化变量步骤；2)确定模型目标函数步骤；3)确立模型中约束条件步骤；4)使用遗传算法确定切削用量；5)加工刀具步骤。本发明优化了数控铣削中刀具切削用量的加工方法，使得刀具切削用量更加精确，从而提高生产效率，降低了生产成本。

附图说明

通过参照附图更详细地描述本发明的示例性实施例，本发明的以上和其它方面及优点将变得更加易于清楚，在附图中：

图1为本发明的数控铣削中刀具切削用量的优化加工方法的切削用量优化流程图；

图2为本发明的数控铣削中刀具切削用量的优化加工方法的遗传算法流程图。

具体实施方式

在下文中，现在将参照附图更充分地描述本发明，在附图中示出了各种实施例。然而，本发明可以以许多不同的形式来实施，且不应该解释为局限于在此阐述的实施例。相反，提供这些实施例使得本公开将是彻底和完全的，并将本发明的范围充分地传达给本领域技术人员。

在下文中，将参照附图更详细地描述本发明的示例性实施例。

参考附图1，本发明涉及数控铣削中刀具切削用量的优化加工方法，所述方法包括如下步骤：1)确定模型优化变量步骤；2)确定模型目标函数步骤；3)确立模型中约束条件步骤；4)使用遗传算法确定切削用量；5)加工刀具步骤。本发明优化了数控铣削中刀具切削用量的加工方法，使得刀具切削用量更加精确，从而提高生产效率，降低了生产成本。

所述确定模型优化变量步骤具体包括：本模型选取的优化变量为每齿进给量fz、铣削速度vc，输出时优化的切削用量换算成主轴转速N、进给速度vf。

所述确定模型目标函数步骤包括：本模型的优化目标为：

最大生产率目标函数为

$t_i=t_l+t_c+t_r\frac{t_{\mathrm{ac}}}{T}$

一次走刀立铣的最低加工成本，不含毛坯费用，目标函数为：

$C_t=x(t_l+t_c+t_r\frac{t_{\mathrm{ac}}}{T})$

式中：

t_i-平均单位零件的加工时间(min)

t_l-装卸及其它辅助时间

t_c-铣削时间

t_r-换刀时间

t_ac-有效切削时间

T-刀具寿命

C_t-单件平均成本，不含工件材料费用

t_r′＝t_r+y/x

X-单位时间劳动力与管理费用

Y—刀具成本

其中，铣削时间Ct，包括刀具从起始位置开始进刀到回到起始位置的全过程，包括进刀时间、铣削时间、退刀时间。

所述确立模型中约束条件步骤包括确立如下约束：

1)机床约束

a、主轴转速范围约束：铣削速度换算为转速后，不能小于主轴最低转速，也不能大于主轴最高转速；

b、主轴进给率范围约束：每齿进给量和铣削速度换算为铣削进给速度后，即不能小于机床最小铣削进给速度，也不能大于机床最大铣削进给速度；

c、主轴进给力约束：铣削扭矩不能超过主轴最大扭矩；

d、合理的刀具寿命：加工时的刀具寿命不能超出切削手册或其他资料推荐的范围；

e、机床有效功率约束：铣削功率不能大于机床的有效功率；

2)刀具夹具约束

加工时每齿进给量不得大于手册推荐的最大值。

3)毛坯约束

每齿进给量不得小于手册推荐的最小值。

如图2所示，所述使用遗传算法确定切削用量包括：

首先，产生初始种群；接着计算个体的适应度；然后看该适应度是否满足优化原则，如果是，则列为最佳个体，如果不是则进入下一步；选择适应度高的个体；对上述适应度高的个体进行交叉操作；对交叉操作结果进行变异操作；如果得到的变异结果不满意，重新返回计算适应度步骤。

所述加工步骤包括：铣削加工，然后进行测量与检测。

以上所述仅为本发明的实施例而已，并不用于限制本发明。本发明可以有各种合适的更改和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.数控铣削中刀具切削用量的优化加工方法，其特征在于：

所述方法包括如下步骤：

1)确定模型优化变量步骤；

2)确定模型目标函数步骤；

3)确立模型中约束条件步骤；

4)使用遗传算法确定切削用量；

5)加工刀具步骤。

2.如权利要求1所述的数控铣削中刀具切削用量的优化加工方法，其特征在于：

所述确定模型优化变量步骤具体包括：本模型选取的优化变量为每齿进给量fz、铣削速度vc，输出时优化的切削用量换算成主轴转速N、进给速度vf。

3.如权利要求2所述的数控铣削中刀具切削用量的优化加工方法，其特征在于：

所述确定模型目标函数步骤包括：本模型的优化目标为：

最大生产率目标函数为

$t_i=t_l+t_c+t_r\frac{t_{\mathrm{ac}}}{T}$

一次走刀立铣的最低加工成本，不含毛坯费用，目标函数为：

$C_t=x(t_l+t_c+t_r\frac{t_{\mathrm{ac}}}{T})$

式中：

t_i-平均单位零件的加工时间(min)

t_l-装卸及其它辅助时间

t_c-铣削时间

t_r-换刀时间

t_ac-有效切削时间

T-刀具寿命

C_t-单件平均成本，不含工件材料费用

t_r′＝t_r+y/x

X-单位时间劳动力与管理费用

Y—刀具成本

其中，铣削时间Ct，包括刀具从起始位置开始进刀到回到起始位置的全过程，包括进刀时间、铣削时间、退刀时间。

4.如权利要求3所述的数控铣削中刀具切削用量的优化加工方法，其特征在于：

所述确立模型中约束条件步骤包括确立如下约束：

1)机床约束

a、主轴转速范围约束：铣削速度换算为转速后，不能小于主轴最低转速，也不能大于主轴最高转速；

b、主轴进给率范围约束：每齿进给量和铣削速度换算为铣削进给速度后，即不能小于机床最小铣削进给速度，也不能大于机床最大铣削进给速度；

c、主轴进给力约束：铣削扭矩不能超过主轴最大扭矩；

d、合理的刀具寿命：加工时的刀具寿命不能超出切削手册或其他资料推荐的范围；

e、机床有效功率约束：铣削功率不能大于机床的有效功率；

2)刀具夹具约束

加工时每齿进给量不得大于手册推荐的最大值。

3)毛坯约束

每齿进给量不得小于手册推荐的最小值。

5.如权利要求4所述的数控铣削中刀具切削用量的优化加工方法，其特征在于：所述使用遗传算法确定切削用量包括：首先，产生初始种群；接着计算个体的适应度；然后看该适应度是否满足优化原则，如果是，则列为最佳个体，如果不是则进入下一步；选择适应度高的个体；对上述适应度高的个体进行交叉操作；对交叉操作结果进行变异操作；如果得到的变异结果不满意，重新返回计算适应度步骤。

6.如权利要求5所述的数控铣削中刀具切削用量的优化加工方法，其特征在于：

所述加工步骤包括：铣削加工，然后进行测量与检测。

Images