CN108038083A - 一种使用数据软件进行刀具耐用度预测的方法 - Google Patents
一种使用数据软件进行刀具耐用度预测的方法 Download PDFInfo
- Publication number
- CN108038083A CN108038083A CN201711129070.7A CN201711129070A CN108038083A CN 108038083 A CN108038083 A CN 108038083A CN 201711129070 A CN201711129070 A CN 201711129070A CN 108038083 A CN108038083 A CN 108038083A
- Authority
- CN
- China
- Prior art keywords
- database
- workpiece
- cutter
- coefficient
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明公开了一种使用数据软件进行刀具耐用度预测的方法,(1)建立经验公式数据库;(2)设计最小切削速度Vmin和最大可切削量Mdmax计算公式;(3)建立工件结构数据库、刀具结构数据库、工件材料数据库、刀具材料数据库数据库;(4)查找、计算;使用时,使用数据软件通过在各数据库中检索与查询条件相匹配的项目按上述公式进行计算,得出刀具的耐用度数据。本发明使用数据软件可以对各种工件、刀具组合在各种切削条件下的刀具耐用度进行有效预测,可充分利用统计和试验数据,并为工厂制定生产节拍、进行成本核算提供重要依据。
Description
技术领域
本发明涉及机械加工及切削数据库技术领域,特别提供了一种使用数据软件进行刀具耐用度预测的方法。
背景技术
刀具耐用度是机械加工领域内一项重要数据。它不仅是刀具性能和质量的标志,同时也是工厂制定生产节拍、进行成本核算的重要依据。它的准确预测对于整个机械加工行业具有重大的意义。
刀具耐用度一般以该种新刀在一定工况条件及切削用量条件下,达到一定磨损程度(一般以后刀面磨损来标记)的切削时间T或者可切除量M来标记。在切削用量一定的条件下,两者具有固定的换算关系。刀具耐用度受刀具和工件的材料结构及切削用量的综合影响。
刀具耐用度一般通过切削试验来确定。传统的刀具耐用度预测一般通过针对某种固定的刀具-工件材料及结构搭配测定一组不同切削用量下的刀具耐用度,进而得出针对某种固定的刀具-工件材料及结构搭配的刀具耐用度与切削用量间关系的经验公式(称为刀具耐用度公式或广义泰勒公式)。并可以依据此经验公式对不同切削用量下的刀具耐用度进行测算。
此种刀具耐用度预测方法存在很大的局限性。首先,一种刀具针对每种工件材料及结构搭配均须进行一组不同切削用量下的切削试验,试验工作量极大。其次,广义泰勒公式(刀具耐用度公式)通常只在马卡洛夫切削温度守恒定律所揭示的等温线以上的区域有效。当切削速度低于马卡洛夫切削温度守恒定律所揭示的等温线以下时,所预测的刀具耐用度常常远远高于实际耐用度。基于以上原因,此种刀具耐用度预测方法虽常见于切削理论及教学研究之中,但在工厂实际生产中的应用却很少。
而由于缺少在工厂实际生产中行之有效的刀具耐用度预测方法,生产节拍及相关的成本核算常常难以准确进行。
发明内容
本发明的目的在于提供一种在工厂实际生产中行之有效,可使用数据软件进行刀具耐用度预测的方法。该种方法可充分利用统计和试验数据,并为工厂制定生产节拍、进行成本核算提供重要依据。
根据广义泰勒公式(刀具耐用度公式),针对某种固定的刀具-工件材料及结构搭配的刀具可切除量与切削用量间的关系可以表示为:
式中M:可切除量,V:切削速度,f:进给量,ap:切削深度,ae:切削行距。Cm、h、i、j、k均为常数。对于部分切削工艺,ap或ae项可省略。
同时按照马卡洛夫切削温度守恒定律,存在一最小切削速度Vmin(或称经济切削速度),使得在该速度下,刀具可切削量Md最大。
式中,Cv、x、y、z为常数。
综合以上两式,当V=Vmin,可以得出刀具最大可切削量(或称经济可切削量):
令s=hx-i,u=hy-j,w=hz-k,可得:
当V>Vmin时:
当V<Vmin时,根据经验可取Md=Mdmax。
通过对大量经验数据的分析可以发现,对于同一类工件材料与刀具材料的组合,各具体牌号之间x、y、z、s、u、w、h各常数的变化范围不大,对于可切削量计算的综合影响一般在20%以内。考虑到市场上同一品种的刀具的耐用度试验数据离散度常常超过20%,在缺少具体牌号的试验数据情况下,完全可以以同一类工件材料与刀具材料组合的经验公式加以替代。
依据以上理论和经验分析,可以设计出如下刀具耐用度预测方法。
本发明的技术方案是:一种使用数据软件进行刀具耐用度预测的方法,
(1)建立经验公式数据库
针对每一类工件材料和刀具材料,分别选择一种代表性材料牌号和代表性结构,通过常规多因素试验方法取得数据,并建立经验公式数据库;
所述经验公式数据库中记录工艺类别、工件-刀具材料类组合名称、Cv、x、y、z、C、s、u、w、h各系数值;
(2)设计最小切削速度Vmin和最大可切削量Mdmax计算公式
所述最小切削速度Vmin为:
所述最大可切削量Mdmax为:
式中:Kv为用于计算最小切削速度时的具体工件-刀具组合所对应的系数,K为用于计算最大可切削量时的具体工件-刀具组合所对应的系数;
可以继续分解为:
Kv=KvpKvtKvpmKvtm 式(3)
K=KpKtKpmKtm 式(4)
式中:Kvp为用于计算最小切削速度时的工件结构系数,Kp为用于计算最大可切削量时的工件结构系数;Kvt为用于计算最小切削速度时的刀具结构系数,Kt为用于计算最大可切削量时的刀具结构系数;Kvpm为用于计算最小切削速度时的工件材料系数,Kpm为用于计算最大可切削量时的工件材料系数;Kvtm为用于计算最小切削速度时的刀具材料系数,Ktm为用于计算最大可切削量时的刀具材料系数;
(3)建立工件结构数据库、刀具结构数据库、工件材料数据库、刀具材料数据库数据库
对于选定建立经验公式的代表性材料牌号和代表性结构,其系数值为1,其它材料牌号及结构的系数通过常规单因素试验求出其与代表性材料牌号和代表性结构的比值并记录在如下数据库中:
工件结构数据库:记录工件结构名称、Kvp、Kp各系数值;
刀具结构数据库:记录刀具结构名称、Kvt、Kt各系数值;
工件材料数据库:记录工件材料名称、Kvpm、Kpm各系数值;
刀具材料数据库:记录刀具材料名称、Kvtm、Ktm各系数值;
(4)查找、计算
使用时,使用数据软件通过在各数据库中检索与查询条件相匹配的项目按上述公式进行计算,得出刀具的耐用度(可切除量)数据。
本发明具有以下有益的效果:
本发明引入最小切削速度和最大可切除量的计算,解决了传统刀具耐用度预测在低切削速度下所预测的刀具耐用度常常远远高于实际耐用度的问题。
本发明使用同一类工件材料与刀具材料组合的经验公式附加具体工件-刀具组合系数的方法,大幅度减少了取得数据的试验工作量。
本发明使用数据软件可以对各种工件、刀具组合在各种切削条件下的刀具耐用度进行有效预测,可充分利用统计和试验数据,并为工厂制定生产节拍、进行成本核算提供重要依据。
具体实施方式
下面结合实施例对本发明进行详细描述。
选择GH4169作为高温合金类的代表性工件材料,外圆为代表性工件结构,IC908为TiAlN涂层硬质合金的代表性刀具材料,VCMT160408为代表性刀具结构。通过多因素试验,建立高温合金-TiAlN涂层硬质合金车削经验公式(对于车削工艺,ae项省略):
选择TC4作为高温合金类的代表性工件材料,平面为代表性工件结构,IC20为硬质合金的代表性刀具材料,EC080B25-4C08为代表性刀具结构。通过多因素试验,建立高温合金-TiAlN涂层硬质合金车削经验公式(对于车削工艺,ae项省略):
以此类推,建立各种工件-刀具组合的经验公式,并将公式中的常数项,录入经验公式数据库中。
通过单因素对比试验,取得各种具体工件材料牌号、工件结构、刀具材料和刀具结构的系数值,并录入相应的数据库中。
现在要预测以下两种情况下的刀具耐用度数据:
(1)牌号为VCMT160404-LF材料牌号KC5010的刀片车削GH4169材料的外圆面。切削用量为:V=40m/min,f=0.2mm,ap=1mm。对于车削工艺,ae项省略。
(2)牌号为EC120B25-4C12材料牌号IC20的刀片侧刃铣削TC4材料的平面。切削用量为:V=60m/min,f=0.05mm,ap=4mm,ae=3mm。
通过软件检索数据库内与查询项目匹配的内容如下:经验公式数据库:
工艺类别 | 工件-刀具材料类组合名称 | Cv | x | y | z | C | s | u | w | h |
普通车削 | 高温合金-TiAlN涂层硬质合金 | 16.53 | 0.41 | 0.18 | - | 98.02 | 0.32 | 0.21 | - | 2.1 |
侧刃铣削 | 钛合金-硬质合金 | 25.64 | 0.4 | 0.12 | 0.12 | 96.13 | 0.3 | 0.19 | 0.19 | 2.2 |
工件结构数据库:
工件结构名称 | Kvp | Kp |
外圆 | 1 | 1 |
平面 | 1 | 1 |
刀具结构数据库:
刀具结构名称 | Kvt | Kt |
VCMT160404-LF | 1 | 1.1 |
EC120B25-4C12 | 1 | 2.9 |
工件材料数据库:
工件材料名称 | Kvpm | Kpm |
GH4169 | 1 | 1 |
TC4 | 1 | 2 |
刀具材料数据库:
刀具材料名称 | Kvtm | Ktm |
KC5010 | 1.2 | 1 |
IC20 | 1 | 1 |
(1)根据公式计算可得:
(2)根据公式计算可得:
因为V<Vmin,取Md=Mdmax=363.93cm3。
上述刀具耐用度预测值基本与实际值一致。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种使用数据软件进行刀具耐用度预测的方法,其特征在于:
(1)建立经验公式数据库
针对每一类工件材料和刀具材料,分别选择一种代表性材料牌号和代表性结构,通过常规多因素试验方法取得数据,并建立经验公式数据库;
所述经验公式数据库中记录工艺类别、工件-刀具材料类组合名称、Cv、x、y、z、C、s、u、w、h各系数值;
(2)设计最小切削速度Vmin和最大可切削量Mdmax计算公式
所述最小切削速度Vmin为:
所述最大可切削量Mdmax为:
式中:Kv为用于计算最小切削速度时的具体工件-刀具组合所对应的系数,K为用于计算最大可切削量时的具体工件-刀具组合所对应的系数;
可以继续分解为:
Kv=KvpKvtKvpmKvtm 式(3)
K=KpKtKpmKtm 式(4)
式中:Kvp为用于计算最小切削速度时的工件结构系数,Kp为用于计算最大可切削量时的工件结构系数;Kvt为用于计算最小切削速度时的刀具结构系数,Kt为用于计算最大可切削量时的刀具结构系数;Kvpm为用于计算最小切削速度时的工件材料系数,Kpm为用于计算最大可切削量时的工件材料系数;Kvtm为用于计算最小切削速度时的刀具材料系数,Ktm为用于计算最大可切削量时的刀具材料系数;
(3)建立工件结构数据库、刀具结构数据库、工件材料数据库、刀具材料数据库数据库
对于选定建立经验公式的代表性材料牌号和代表性结构,其系数值为1,其它材料牌号及结构的系数通过常规单因素试验求出其与代表性材料牌号和代表性结构的比值并记录在如下数据库中:
工件结构数据库:记录工件结构名称、Kvp、Kp各系数值;
刀具结构数据库:记录刀具结构名称、Kvt、Kt各系数值;
工件材料数据库:记录工件材料名称、Kvpm、Kpm各系数值;
刀具材料数据库:记录刀具材料名称、Kvtm、Ktm各系数值;
(4)查找、计算
使用时,使用数据软件通过在各数据库中检索与查询条件相匹配的项目按上述公式进行计算,得出刀具的耐用度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711129070.7A CN108038083B (zh) | 2017-11-15 | 2017-11-15 | 一种使用数据软件进行刀具耐用度预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711129070.7A CN108038083B (zh) | 2017-11-15 | 2017-11-15 | 一种使用数据软件进行刀具耐用度预测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108038083A true CN108038083A (zh) | 2018-05-15 |
CN108038083B CN108038083B (zh) | 2021-01-26 |
Family
ID=62092805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711129070.7A Active CN108038083B (zh) | 2017-11-15 | 2017-11-15 | 一种使用数据软件进行刀具耐用度预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038083B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069233A (zh) * | 2020-09-16 | 2020-12-11 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种基于生产现场统计数据分析的切削用量确定方法 |
CN114509991A (zh) * | 2022-02-25 | 2022-05-17 | 成都大学 | 考虑参数不确定的数控机床切削稳定性预测与优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004106101A (ja) * | 2002-09-18 | 2004-04-08 | Nakata Mfg Co Ltd | 管の切断方法 |
CN101412196A (zh) * | 2008-11-10 | 2009-04-22 | 西安理工大学 | 基于刀具角度与切削用量参数变化的车削力预测方法 |
CN102902855A (zh) * | 2012-09-28 | 2013-01-30 | 沈阳化工大学 | 一种用仿真技术优选陶瓷刀具切削参数的方法 |
CN102968434A (zh) * | 2012-09-21 | 2013-03-13 | 沈阳黎明航空发动机(集团)有限责任公司 | 切削数据交叉优化计算方法 |
CN105512362A (zh) * | 2015-11-22 | 2016-04-20 | 沈阳黎明航空发动机(集团)有限责任公司 | 基于工件-刀具几何特征参数的切削用量优化方法 |
CN106769591A (zh) * | 2016-11-29 | 2017-05-31 | 沈阳黎明航空发动机(集团)有限责任公司 | 等切除量逼近切削优化试验方法 |
-
2017
- 2017-11-15 CN CN201711129070.7A patent/CN108038083B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004106101A (ja) * | 2002-09-18 | 2004-04-08 | Nakata Mfg Co Ltd | 管の切断方法 |
CN101412196A (zh) * | 2008-11-10 | 2009-04-22 | 西安理工大学 | 基于刀具角度与切削用量参数变化的车削力预测方法 |
CN102968434A (zh) * | 2012-09-21 | 2013-03-13 | 沈阳黎明航空发动机(集团)有限责任公司 | 切削数据交叉优化计算方法 |
CN102902855A (zh) * | 2012-09-28 | 2013-01-30 | 沈阳化工大学 | 一种用仿真技术优选陶瓷刀具切削参数的方法 |
CN105512362A (zh) * | 2015-11-22 | 2016-04-20 | 沈阳黎明航空发动机(集团)有限责任公司 | 基于工件-刀具几何特征参数的切削用量优化方法 |
CN106769591A (zh) * | 2016-11-29 | 2017-05-31 | 沈阳黎明航空发动机(集团)有限责任公司 | 等切除量逼近切削优化试验方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069233A (zh) * | 2020-09-16 | 2020-12-11 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种基于生产现场统计数据分析的切削用量确定方法 |
CN112069233B (zh) * | 2020-09-16 | 2022-10-21 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种基于生产现场统计数据分析的切削用量确定方法 |
CN114509991A (zh) * | 2022-02-25 | 2022-05-17 | 成都大学 | 考虑参数不确定的数控机床切削稳定性预测与优化方法 |
CN114509991B (zh) * | 2022-02-25 | 2024-02-06 | 成都大学 | 考虑参数不确定的数控机床切削稳定性预测与优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108038083B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mandal et al. | Modeling and optimization of machining nimonic C-263 superalloy using multicut strategy in WEDM | |
Garg et al. | Improving environmental sustainability by formulation of generalized power consumption models using an ensemble based multi-gene genetic programming approach | |
CN107330138A (zh) | 一种平底螺旋立铣刀的铣削力解析建模方法 | |
CN105873703B (zh) | 切削加工中的切削条件的设计方法 | |
CN108038083A (zh) | 一种使用数据软件进行刀具耐用度预测的方法 | |
Kamble et al. | Multi objective optimization of turning parameters considering spindle vibration by Hybrid Taguchi Principal component analysis (HTPCA) | |
Kumar et al. | Analysis the effects of process parameters in EN24 alloy steel during CNC turning by using MADM | |
Bagaber et al. | Sustainable optimization of dry turning of stainless steel based on energy consumption and machining cost | |
Teja et al. | Multi-response optimization of milling parameters on AISI 304 stainless steel using grey-Taguchi method | |
CN103400038A (zh) | 一种面向刀具最低磨损确定最佳车削温度的方法 | |
Anwar et al. | Optimization of surface roughness for Al-Alloy 7075-T in milling process | |
Sredanović et al. | Optimization of cutting parameters for minimizing specific Cutting energy and maximizing productivity in turning of AISI 1045 steel | |
CN105181508A (zh) | 难加工材料去除量和刀具磨损之间的匹配模型 | |
Ba et al. | Using support vector regression and non-dominated sorting genetic algorithm in multi-objective optimization of milling of S50C steel under MQL condition | |
Balaji et al. | Optimization on cryogenic Co2 machining parameters of AISI D2 steel using Taguchi based grey relational approach and TOPSIS | |
Nguyen Lam | Study on multi-objective optimization of X12M steel milling process by reference ideal method | |
Patel et al. | Parametric analysis of surface roughness (SR) and material removal rate (MRR) of harden steel on CNC turning using ANOVA analysis: A review | |
CN112069233B (zh) | 一种基于生产现场统计数据分析的切削用量确定方法 | |
Zieliński et al. | Regeneration of industrial cutting blades made from X39Cr13 steel used in skinning process of Pleuronectidae-family flatfishes | |
Kopač et al. | Development and manufacturing of customized milling cutters for individual tool-making industry | |
Chunmei et al. | Test analysis and verification of the influence of milling cutter blade shape on wood milling | |
Rawangwong et al. | The study of proper conditions in face coconut wood by CNC milling machine | |
CN104175178A (zh) | 一种定量测量钻削刀具切削力的方法 | |
LI et al. | Milling force coefficient identification of ball-end milling based on instantaneous milling forces | |
Phate et al. | ANN based model development for material removal rate in dry turning in Indian context |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |