CN106815438A - 一种飞机结构件数控铣削效率主要影响因子提取方法 - Google Patents

Abstract

本发明涉及航空制造数控加工领域，具体是一种飞机结构件数控铣削效率主要影响因子提取方法，包括步骤1：计算结构件铣削加工效率，建立结构件铣削加工效率样本库；步骤2：构建数据映射；步骤3：拆分加工数据样本库，建立样本库子集合；步骤4：计算目标零件的加工效率，提取广义加工参数；步骤5：划分目标零件所属样本子集合；步骤6：若Ω₁非空，则进行步骤7‑8，若Ω₁为空，则扩大偏差范围，直至Ω₁非空；步骤7：提取目标零件加工参数，分别计算各加工参数的变异系数；步骤8：对变异系数进行排序，提取主要影响因子。本发明快捷可靠，准确度高，可以直接有效地反应实际加工情况，为工艺方法改进提供直接有效的参考。

Description

一种飞机结构件数控铣削效率主要影响因子提取方法

技术领域

本发明涉及航空制造数控加工领域，具体是一种飞机结构件数控铣削效率主要影响因子提取方法。

背景技术

目前在飞机结构件数控铣削领域，如何高效加工成为衡量飞机结构件制造水平的一个重要指标。高效数控铣削依赖于所使用的工艺方法，工艺方法的改进能够直接提高加工效率，减少加工时间，进而降低加工制造成本。但由于零件结构复杂，加工过程涉及影响因素广泛，各要素间往往存在复杂的内部关联，影响效果呈非线性，且不同结构类型零件的关键影响因子不同，导致采用仿真计算进行优化时，耗费时间长，优化结果偏差较大，优化效果难以满足实际要求。

目前，针对加工工艺优化问题，通常采用人工判断方法，提取影响加工效率的关键影响因子，再根据工艺人员实际的工艺经验对影响因子进行调整和更改，导致工艺经验继承困难，零件加工效率波动大等问题。因此急需一种面向飞机结构件数控铣削领域的加工效率影响因子提取方法，这种方法能快速提取飞机结构件铣削效率主要影响因子，同时改变依赖人工的工艺经验继承现状。

如专利申请号为CN201110444386.1，申请日为2011.12.27，名称为“一种基于切削激励的机床结构模态比例因子获取方法”的发明专利，其具体内容如下：一种基于切削激励的机床结构模态比例因子获取方法，包括：选择脉冲切削方式，脉冲切削方式包括铣削、车削和镗削凸台，建立与脉冲切削方式对应的切削力模型，根据切削力模型生成切削参数，并随机生成凸台参数，根据切削参数和凸台参数计算切削力的自功率谱，并判断自功率谱的频宽是否覆盖期望的频带范围，判断自功率谱的能量是否大于一阈值能量，若能量大于阈值能量，则根据所选的切削参数生成数控指令代码，以控制机床加工待切削试件，测量机床的响应信号，并计算响应信号的互功率谱矩阵，根据响应信号的互功率谱矩阵利用最小二乘复频域法计算系统极点以及模态振型向量。

上述专利是建立在脉冲切削方式的基础上，即必须加工切削试件，得到是加工该切削试件的机床的模态比例因子，最终结果归属于机床层面。上述专利的影响因子分析方法主要是“最小二乘复频域法”，上述专利过于依赖人工判断，并且耗费时间长，难以实现自动化的问题。

发明内容

为解决解决了传统方法加工影响因子提取过度依赖人工判断，耗费时间长，难以实现自动化的问题，本发明提出一种快捷可靠，准确度高，针对性强的飞机结构件数控铣削效率主要影响因子提取方法。

为实现上述技术效果，本发明技术方案如下：

一种飞机结构件数控铣削效率主要影响因子提取方法，其特征在于：包括如下步骤：

步骤1：计算结构件铣削加工效率，建立结构件铣削加工效率样本库；为保证提取结果的准确性，样本库应涵盖所有的典型零件。

所述步骤1中铣削加工效率包括粗加工材料去除率和精加工表面成型率两部分，根据实际加工参数计算，具体计算方法如下：

步骤1.1:按式(1)计算粗加工材料去除率MRR(Material Remove Rate)

式中:

V‐粗加工材料去除体积，单位为mm³；

T_r‐粗加工时间，单位为min；

步骤1.2:按式(2)计算精加工表面成型率SFR(Surface Figuration Rate)

式中：

S-零件表面积，单位为mm²；

T_f-精加工时间，单位为min。

步骤2：构建数据映射：对结构件加工参数和加工策略进行提取，构建广义加工参数数据库，并与结构件样本建立一一映射；

步骤3：拆分加工数据样本库，建立样本库子集合；

所述步骤3中样本库子集合使用效率基线进行标识的具体步骤如下：

步骤3.1：查找样本集合中的MRR或SFR最大值以及最小值；

步骤3.2：划分效率子区间；以步骤3.1中查找得到的最大值和最小值为边界，构建取值区间，在区间内插入中位数，将MRR或SFR区间划分为2个子区间；

步骤3.3：建立加工效率样本库子集合；以步骤3.2中划分的MRR或SFR的效率值区间为分组依据，将加工效率样本库按照各组的MRR或SFR的效率值大小拆分为2个子集合；

步骤3.4：分别计算步骤3.3中拆分得到的2个子集合的效率基线X；效率基线取效率值的均值，按照式(3)进行计算：

式中：

n‐子集合中包含MRR或SFR数据的总个数；

X_i‐子集合第i个数据，对应的MRR或SFR值。

步骤4：计算目标零件的加工效率，提取广义加工参数；零件加工效率根据粗精加工阶段采用MRR或SFR计算公式进行计算。

步骤5：划分目标零件所属样本子集合；以步骤4计算的目标零件加工效率为查找值，确定目标零件所属样本库子集合；设定偏差范围，建立查找区间，区间边界为加工效率最高和最低值，筛选子集合中效率值区间与零件所属样本子集合效率值区间交叉的集合，作为备选集合，构建备选集合序列Ω₁；

步骤6：若Ω₁非空，则进行步骤7‐8，若Ω₁为空，则扩大偏差范围，直至Ω₁非空；

步骤7：提取目标零件加工参数，分别计算各加工参数的变异系数；

步骤7的具体步骤如下：

步骤7.1计算零件所属样本子集合对应加工参数的均值。；

步骤7.2：计算备选集序列Ω₁中各集合加工参数的均值，建立均值序列；

步骤7.3：计算均值序列的标准差σ；

步骤7.4：计算变异系数CV，变异系数的计算方法如公式(4)，ES为均值

序列的均值：

步骤7.5：重复步骤7.1‐7.4，得到加工机床主轴转速、切削进给速度、切削深度、切削宽度、切削分层数、切削刀具数量、切削刀具直径、切削刀具总长度、切削刀具刃口长度和刀柄规格的变异系数。

步骤8：对变异系数进行排序，提取主要影响因子：将加工参数按照变异系数从小到大的顺序进行排列，排列顺序即为影响因子的顺序，排在靠前位置的加工参数即为主要影响因素。

本发明的优点在于：

1、将材料去除率的和表面成型率作为加工效率影响因素，可以直接有效地反应实际加工情况，为工艺方法改进提供直接有效的参考。

2、建立加工参数数据集合，对加工参数集合进行快速查找和比较，能够针对具体加工参数进行快速工艺更改；

3、仅需要覆盖典型零件类型就可根据本方法快速建立起指标值作为基准进行影响因子提取，而且随着样本数量的增加，提取的主要影响因子越可靠。

4、本专利是建立在历史数据的基础上，只需收集符合条件的数据而不需现场实际加工切削试件，得到的最终结果不是归属于机床层面而是加工策略层面。本专利主要涉及的影响因子分析方法是“变异系数法”，本方法虽然相对简单但更加快速有效。

附图说明

图1是本发明专利的一种飞机结构件数控铣削效率主要影响因子提取方法的流程图。

具体实施方式

实施例1

一种飞机结构件数控铣削效率主要影响因子提取方法，包括如下步骤：

步骤1：计算结构件铣削加工效率，建立结构件铣削加工效率样本库；为保证提取结果的准确性，样本库应涵盖所有的典型零件。

步骤2：构建数据映射：对结构件加工参数和加工策略进行提取，构建广义加工参数数据库，并与结构件样本建立一一映射；

步骤3：拆分加工数据样本库，建立样本库子集合；

步骤4：计算目标零件的加工效率，提取广义加工参数；零件加工效率根据粗精加工阶段采用MRR或SFR计算公式进行计算。

步骤5：划分目标零件所属样本子集合；以步骤4计算的目标零件加工效率为查找值，确定目标零件所属样本库子集合；设定偏差范围，建立查找区间，区间边界为加工效率最高和最低值，筛选子集合中效率值区间与零件所属样本子集合效率值区间交叉的集合，作为备选集合，构建备选集合序列Ω₁；

步骤6：若Ω₁非空，则进行步骤7‐8，若Ω₁为空，则扩大偏差范围，直至Ω₁非空；

步骤7：提取目标零件加工参数，分别计算各加工参数的变异系数；

步骤8：对变异系数进行排序，提取主要影响因子：将加工参数按照变异系数从小到大的顺序进行排列，排列顺序即为影响因子的顺序，排在靠前位置的加工参数即为主要影响因素。

实施例2

一种飞机结构件数控铣削效率主要影响因子提取方法，其特征在于：包括如下步骤：

步骤1：计算结构件铣削加工效率，建立结构件铣削加工效率样本库；为保证提取结果的准确性，样本库应涵盖所有的典型零件。

所述步骤1中铣削加工效率包括粗加工材料去除率和精加工表面成型率两部分，根据实际加工参数计算，具体计算方法如下：

步骤1.1:按式(1)计算粗加工材料去除率MRR(Material Remove Rate)

式中:

V‐粗加工材料去除体积，单位为mm³；

T_r‐粗加工时间，单位为min；

步骤1.2:按式(2)计算精加工表面成型率SFR(Surface Figuration Rate)

式中：

S-零件表面积，单位为mm²；

T_f-精加工时间，单位为min。

步骤2：构建数据映射：对结构件加工参数和加工策略进行提取，构建广义加工参数数据库，并与结构件样本建立一一映射；

步骤3：拆分加工数据样本库，建立样本库子集合；

所述步骤3中样本库子集合使用效率基线进行标识的具体步骤如下：

步骤3.1：查找样本集合中的MRR或SFR最大值以及最小值；

步骤3.2：划分效率子区间；以步骤3.1中查找得到的最大值和最小值为边界，构建取值区间，在区间内插入中位数，将MRR或SFR区间划分为2个子区间；

步骤3.3：建立加工效率样本库子集合；以步骤3.2中划分的MRR或SFR的效率值区间为分组依据，将加工效率样本库按照各组的MRR或SFR的效率值大小拆分为2个子集合；

步骤3.4：分别计算步骤3.3中拆分得到的2个子集合的效率基线X；效率基线取效率值的均值，按照式(3)进行计算：

式中：

n‐子集合中包含MRR或SFR数据的总个数；

X_i‐子集合第i个数据，对应的MRR或SFR值。

步骤4：计算目标零件的加工效率，提取广义加工参数；零件加工效率根据粗精加工阶段采用MRR或SFR计算公式进行计算。

步骤5：划分目标零件所属样本子集合；以步骤4计算的目标零件加工效率为查找值，确定目标零件所属样本库子集合；设定偏差范围，建立查找区间，区间边界为加工效率最高和最低值，筛选子集合中效率值区间与零件所属样本子集合效率值区间交叉的集合，作为备选集合，构建备选集合序列Ω₁；

步骤6：若Ω₁非空，则进行步骤7‐8，若Ω₁为空，则扩大偏差范围，直至Ω₁非空；

步骤7：提取目标零件加工参数，分别计算各加工参数的变异系数；

步骤7的具体步骤如下：

步骤7.1计算零件所属样本子集合对应加工参数的均值。；

步骤7.2：计算备选集序列Ω₁中各集合加工参数的均值，建立均值序列；

步骤7.3：计算均值序列的标准差σ；

步骤7.4：计算变异系数CV，变异系数的计算方法如公式(4)，ES为均值

序列的均值：

步骤7.5：重复步骤7.1‐7.4，得到加工机床主轴转速、切削进给速度、切削深度、切削宽度、切削分层数、切削刀具数量、切削刀具直径、切削刀具总长度、切削刀具刃口长度和刀柄规格的变异系数。

步骤8：对变异系数进行排序，提取主要影响因子：将加工参数按照变异系数从小到大的顺序进行排列，排列顺序即为影响因子的顺序，排在靠前位置的加工参数即为主要影响因素。

实施例3

在实施例1或2的基础上，做出如下补充说明：

步骤1：结构件集合Ω中包含k个结构件数据：Ω＝{Ω₀，Ω₁，Ω₂，...，Ω_k}，建立结构件铣削加工效率样本库Ωm和Ωs，加工效率由粗加工材料去除率和精加工表面成型率两部分组成，具体计算步骤：

步骤1.1:按式(1)分别计算集合Ω中各元素的粗加工材料去除率，得到材料去

除率序列Ωm：

Ωm＝{Ω_m1,Ω_m2,Ω_m3,....,Ω_mk}

其中，Ω_mk为Ω中每个零件对应的材料去除率。

步骤1.2:按式(2)分别计算集合Ω中各元素的精加工表面成型率，得到材料去

除率序列Ωs：

Ωs＝{Ω_s1,Ω_s2,Ω_s3,....,Ω_sk}

其中，Ω_sk为Ω中每个零件对应的表面成型去除率。

步骤2：构建数据映射。对结构件加工数据进行列举和分类，构建数据序列：{E1,E2,E3...Ek}，将加工数据与对应的零件建立一一映射：

f(Ω)＝f(E1,E2,E3...Ek)

步骤3：以效率值为依据，将样本数据Ω拆分为多个子集合{Ω₁，Ω₂，Ω₃，....,Ω_m}，子集合使用效率基线进行标识，具体步骤：

步骤3.1：查找样本集合中的MRR(SFR)最大值V_max以及最小值V_min。

步骤3.2：划分效率子区间。以步骤3.1中查找得到的最大值和最小值为边界，构建取值区间A＝[V_min,V_max]，在区间内均匀插入m-1个效率值将MRR(SFR)区间划分为m个子区间：

其中，Δv＝V_max-V_min,k＝1,2,...,m-1。

步骤3.3：以步骤3.2中划分的效率值(MRR或SFR)区间为分组依据，将加工效率样本库按照各组的效率值(MRR或者SFR)大小拆分为m个子集合:{Ω₁，Ω₂，Ω₃，....,Ω_m}。

步骤3.4：分别计算步骤3.3中拆分得到的m个子集合的效率基线X _i,(i＝1,2,3..,m)。效率基线取效率值的均值，按照式(3)进行计算：

其中，p为效率子集合包含的零件数目。

步骤4：根据零件加工阶段计算待评测零件的加工效率V_k，粗加工根据计算材料去除率，精加工根据表面成型率进行计算。

步骤5：以零件的加工效率V_k为查找值，确定零件所属样本库子集合A；设定偏差范围为[y₁,y₂]，计算加工效率最高和最低值，确定取值区间[V_k+y₁,V_k+y₂]，筛选样本集合中效率基线取值区间与集合A的取值区间交叉的集合，作为备选集合序列Ωs＝{Ω_s1，Ω_s2，Ω_s3，....,Ω_sm}。

步骤6：若Ωs非空，则进行步骤7‐8，若Ωs为空则扩大偏差范围，直至非空。

步骤7：提取待优化零件加工参数，分别计算各加工参数的变异系数。具体步骤：

步骤7.1提取待优化零件加工参数，得到加工参数序列X＝{X₁,X₂,....,X_i,...,X_t}，t为零件加工参数数目。

步骤7.2计算集合A中对应加工参数X_i的均值x_i0。

步骤7.3：计算备选集序列Ω₁中各集合加工参数X_i的均值，得到均值序列X_average＝{x_i1,x_i2,x_i3,....x_ik}，k为集合序列Ω₁中集合的数目。

步骤7.3：计算均值序列X_average的标准差，标准差的计算方法如公式(4)：

步骤7.4：计算变异系数CV，变异系数的计算方法如公式(5)：

步骤7.5：重复步骤7.1‐7.4，得到所有加工参数的变异系数，得到变异系数序列{σ₁,σ₂,...,σ_t}。

步骤8：对变异系数进行排序，提取主要影响因子。将加工参数按照变异系数从小到大的顺序进行排列，排列顺序即为主要影响因子的序列。

Claims (4)

1.一种飞机结构件数控铣削效率主要影响因子提取方法，其特征在于：包括如下步骤：

步骤1：计算结构件铣削加工效率，建立结构件铣削加工效率样本库；

步骤2：构建数据映射：对结构件加工参数和加工策略进行提取，构建广义加工参数数据库，并与结构件样本建立一一映射；

步骤3：拆分加工数据样本库，建立样本库子集合；

步骤4：计算目标零件的加工效率，提取广义加工参数；

步骤5：划分目标零件所属样本子集合：以步骤4计算的目标零件加工效率为查找值，确定目标零件所属样本库子集合；设定偏差范围，建立查找区间，区间边界为加工效率最高和最低值，筛选子集合中效率值区间与零件所属样本子集合效率值区间交叉的集合，作为备选集合，构建备选集合序列Ω₁；

步骤6：若Ω₁非空，则进行步骤7‐8，若Ω₁为空，则扩大偏差范围，直至Ω₁非空；

步骤7：提取目标零件加工参数，分别计算各加工参数的变异系数；

步骤8：对变异系数进行排序，提取主要影响因子：将加工参数按照变异系数从小到大的顺序进行排列，排列顺序即为影响因子的顺序，排在靠前位置的加工参数即为主要影响因素。

2.根据权利要求1所述的一种飞机结构件数控铣削效率主要影响因子提取方法，其特征在于：所述步骤1中铣削加工效率包括粗加工材料去除率和精加工表面成型率两部分，根据实际加工参数计算，具体计算方法如下：

步骤1.1:按式(1)计算粗加工材料去除率MRR(Material Remove Rate)

$MRR=\frac{V}{T_r}---\left(1\right)$

式中:

V‐粗加工材料去除体积，单位为mm³；

T_r‐粗加工时间，单位为min；

步骤1.2:按式(2)计算精加工表面成型率SFR(Surface Figuration Rate)

$SFR=\frac{S}{T_f}---\left(2\right)$

式中：

S-零件表面积，单位为mm²；

T_f-精加工时间，单位为min。

3.根据权利要求1所述的一种飞机结构件数控铣削效率主要影响因子提取方法，其特征在于：所述步骤3中样本库子集合使用效率基线进行标识的具体步骤如下：

步骤3.1：查找样本集合中的MRR或SFR最大值以及最小值；

步骤3.2：划分效率子区间；以步骤3.1中查找得到的最大值和最小值为边界，构建取值区间，在区间内插入中位数，将MRR或SFR区间划分为2个子区间；

步骤3.3：建立加工效率样本库子集合；以步骤3.2中划分的MRR或SFR的效率值区间为分组依据，将加工效率样本库按照各组的MRR或SFR的效率值大小拆分为2个子集合；

步骤3.4：分别计算步骤3.3中拆分得到的2个子集合的效率基线X；效率基线取效率值的均值，按照式(3)进行计算：

$\underset{\‾}{X}=\frac{X_1+X_2+...+X_i...+X_n}{n},(i=1,2,3,...,n)---\left(3\right)$

式中：

n‐子集合中包含MRR或SFR数据的总个数；

X_i‐子集合第i个数据，对应的MRR或SFR值。

4.根据权利要求1所述的一种飞机结构件数控铣削效率主要影响因子提取方法，其特征在于：步骤7的具体步骤如下：

步骤7.1计算零件所属样本子集合对应加工参数的均值。；

步骤7.2：计算备选集序列Ω₁中各集合加工参数的均值，建立均值序列；

步骤7.3：计算均值序列的标准差σ；

步骤7.4：计算变异系数CV，变异系数的计算方法如公式(4)，ES为均值序列的均值：

$CV=\frac{\mathrm{\σ}}{ES}\×100\%---\left(4\right)$

步骤7.5：重复步骤7.1‐7.4，得到加工机床主轴转速、切削进给速度、切削深度、切削宽度、切削分层数、切削刀具数量、切削刀具直径、切削刀具总长度、切削刀具刃口长度和刀柄规格的变异系数。