CN108549320A - 一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法 - Google Patents

一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法 Download PDF

Info

Publication number
CN108549320A
CN108549320A CN201810263334.6A CN201810263334A CN108549320A CN 108549320 A CN108549320 A CN 108549320A CN 201810263334 A CN201810263334 A CN 201810263334A CN 108549320 A CN108549320 A CN 108549320A
Authority
CN
China
Prior art keywords
milling
surface roughness
parameter
stable region
roughness
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
Application number
CN201810263334.6A
Other languages
English (en)
Other versions
CN108549320B (zh
Inventor
姚倡锋
谭靓
张定华
任军学
傅新强
张吉银
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201810263334.6A priority Critical patent/CN108549320B/zh
Publication of CN108549320A publication Critical patent/CN108549320A/zh
Application granted granted Critical
Publication of CN108549320B publication Critical patent/CN108549320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4086Coordinate conversions; Other special calculations
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/35Nc in input of data, input till input file format
    • G05B2219/35356Data handling

Abstract

本发明公开了一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,建立钛合金构件精密铣削初始工艺参数域,并根据所述初始工艺参数域进行正交试验,分别测得试验构件在铣削进给和切宽方向的表面粗糙度,建立表面粗糙度对精密铣削的绝对灵敏度模型,确定各参数稳定域和非稳定域所对应的表面粗糙度变化范围,直至表面粗糙度的优化目标处于稳定域对应的范围,根据稳定域进行刀具磨损试验,得出刀具磨损量和表面粗糙度的选取范围;通过设定不同精密铣削工艺参数进行试验,获得工艺参数稳定域,并进行刀具磨损试验,获得后刀面磨损量与表面粗糙度的关系曲线,以实现对钛合金构件精密铣削加工表面粗糙度的控制。

Description

一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法
【技术领域】
本发明属于金属材料切削加工技术领域,具体涉及一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法。
【背景技术】
钛合金具有轻质、高强、耐高温、抗疲劳等优异性能,是制造航空航天、国防等领域重大装备与新型战略武器中关键零件的重要金属材料。同时钛合金也是一种典型的难加工材料,其加工性能差,容易出现切削温度高、单位面积切削力大、冷硬现象严重、刀具易磨损等问题。这些问题会影响精密铣削加工的表面粗糙度,从而影响航空发动机构件的服役性能。因此在钛合金构件精密铣削加工过程中,必须重视对表面粗糙度的控制。
在常规数控铣削过程中,铣削参数选取的合适与否严重影响到数控加工的效率、加工零件的质量以及生产加工的经济效益。依据加工过程中诸如切削力、切削功率、表面粗糙度、切削温度等经验模型通过离线优化的技术,可得到某些特定优化目标下的铣削参数组合。然而,在刀具进行精密铣削加工时,随着切削刃与工件接触时间的不断增加,切削刃磨损的程度会越来越大,而刀具的磨损程度对工件加工的表面粗糙度以及切削力的静态特性和动态特性都会产生很大的影响。以往的离线参数优化忽略了在相同切削参数的条件下刀具磨损状态的变化对工件加工表面粗糙度的影响。当刀具磨损的状态改变时,不能及时地调整切削参数,导致工件的表面质量达不到加工要求。因此,对于优化铣削参数,并建立刀具磨损状态与表面粗糙度的关系,控制刀具磨损显得十分重要。
【发明内容】
本发明的目的是提供一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,以解决现有技术中钛合金构件精密铣削加工过程中表面粗糙度控制难和表面形貌一致性差的问题。
本发明采用以下技术方案:一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,具体包括以下步骤:
步骤1、建立钛合金构件精密铣削初始工艺参数域,并根据初始工艺参数域进行正交试验,分别测得试验构件在铣削进给和切宽方向的表面粗糙度,并根据初始工艺参数域和试验构件的表面粗糙度建立表面粗糙度预测模型:
其中,Ra-进给为试验构件进给方向的表面粗糙度,Ra-切宽为试验构件切宽方向的表面粗糙度,vc为铣削速度,fz为每齿进给量,ae为铣削宽度,a0、a1、a2、a3、b0、b1、b2、b3均为常数;
步骤2、根据步骤1得出的表面粗糙度预测模型,建立表面粗糙度对精密铣削的绝对灵敏度模型:
其中,分别为进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为切宽方向对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为各切削参数在初始工艺参数域中的平均值;
根据表面粗糙度对精密铣削的绝对灵敏度模型,确定各铣削参数的稳定域和非稳定域;
步骤3、作出切削参数对表面粗糙度的极差图,确定步骤2中得出的各参数稳定域和非稳定域在极差图中所对应的表面粗糙度变化范围,当表面粗糙度的优化目标处于非稳定域对应的范围,则以非稳定域为初始工艺参数域,重复执行步骤1和步骤2,直至表面粗糙度的优化目标处于稳定域对应的范围;
步骤4、根据步骤3中得出的稳定域,进行刀具磨损试验,得出刀具磨损量和表面粗糙度的取值范围。
进一步地,步骤2的具体方法为:
步骤2.1、根据步骤1得出的表面粗糙度预测模型分别计算出表面粗糙度对铣削速度、每齿进给量和铣削宽度的相对灵敏度:
其中,分别表示进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的相对灵敏度,分别表示切宽方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的相对灵敏度;
步骤2.2、对精密铣削参数与构件表面粗糙度关系式求铣削速度、每齿进给量和铣削宽度的偏导数,得到表面粗糙度对精密铣削参数的绝对灵敏度模型为:
其中,分别为进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为切宽方向对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为各切削参数在初始工艺参数域中的平均值;
步骤2.3、根据绝对灵敏度关系式,获得表面粗糙度对铣削速度、每齿进给量和铣削宽度的灵敏度曲线,根据灵敏度曲线得出各铣削参数的稳定域和非稳定域。
进一步地,步骤3的具体方法为:
步骤3.1、根据正交实验数据作出各铣削参数对表面粗糙度的极差图;
步骤3.2、对比稳定域和非稳定域在极差图中的表面粗糙度,若稳定域中表面粗糙度值小于非稳定域中表面粗糙度值,则选择稳定域为优化目标,反之,选择非稳定域为优化目标;
步骤3.3、当优化目标为非稳定域,则将优化目标继续划分,再次得出稳定域和非稳定域,直至优化目标为稳定域。
进一步地,步骤4的具体方法为:
步骤4.1、在步骤3中得出的稳定域中选取稳定域区间中值作为精密铣削参数,进行精密铣削试验;
步骤4.2、试验过程中均匀间隔多次对试验试件的表面粗糙度和测试刀具的后刀面磨损量VB进行测试,得出多组测试结果,得出刀具的后刀面磨损量VB对表面粗糙度的影响曲线;
步骤4.3、根据步骤4.2中得出的影响曲线,根据公式得出刀具磨损量和表面粗糙度的选取范围,Ramin为取影响曲线中表面粗糙度的最小值。
本发明的有益效果是:通过设定不同精密铣削工艺参数进行试验,建立铣削参数与表面粗糙度的关系模型,通过灵敏度分析,获得工艺参数稳定域;在工艺参数稳定域内,进行刀具磨损试验,获得后刀面磨损量与表面粗糙度的关系曲线,从而控制精密铣削加工后的表面粗糙度,以实现对钛合金构件精密铣削加工表面粗糙度的控制。另外,采用响应曲面法进行试验设计以及最小二乘拟合和多元线性回归分析进行模型求解,设计和分析方法可靠,建立的关系模型较为精确。
【附图说明】
图1为是本发明实施例中进给方向表面粗糙度对铣削参数的绝对灵敏度曲线图;
图1-1是进给方向表面粗糙度对铣削速度的绝对灵敏度曲线图;图1-2是进给方向表面粗糙度对每齿进给量的绝对灵敏度曲线图;图1-3是进给方向表面粗糙度对铣削宽度的绝对灵敏度曲线图;
图2是本发明实施例中切宽方向表面粗糙度对铣削参数的绝对灵敏度曲线图;
其中,图2-1是切宽方向表面粗糙度对铣削速度的绝对灵敏度曲线图;图2-2是切宽方向表面粗糙度对每齿进给量的绝对灵敏度曲线图;图2-3是切宽方向表面粗糙度对铣削宽度的绝对灵敏度曲线图;
图3是各铣削参数的表面粗糙度的极差图;
其中,图3-1是各铣削参数进给方向表面粗糙度的极差图;图3-2是各铣削参数切宽方向表面粗糙度的极差图;
图4为是后刀面磨损量VB对表面粗糙度的影响曲线图。
【具体实施方式】
下面结合附图和具体实施方式对本发明进行详细说明。
本发明公开了一种钛合金构件精密铣削表面粗糙度工艺控制方法,具体包括以下步骤:
步骤1、根据航空制造工程手册、经验或文献资料,选取精密铣削参数范围,设计响应曲面法进行精密铣削试验,试验后对表面粗糙度进行测试,建立表面粗糙度预测模型。
步骤1.1、建立钛合金构件精密铣削初始工艺参数域。
本实例中以TC17钛合金进行试验,其球头铣刀精密铣削工艺参数域为:铣削速度[60m/min,160m/min]、每齿进给量[0.02mm/z,0.10mm/z]、铣削宽度[0.20mm,0.50mm]。
步骤1.2、设计响应曲面法试验方案,进行精密铣削工艺试验。
本实施例中在精密铣削工艺参数域内,选取三种工艺参数水平,进行响应曲面法试验设计,表1为具体试验方案。
表1
步骤1.3、根据表1中精密铣削参数,在Mikron UPC1350五坐标数控机床上进行精密铣削试验,刀具为四刃整体硬质合金Φ7球头铣刀,刀具前角3°、第一后角10°、第二后角25°、螺旋角40°,刀具悬长为40mm。铣削方式为固定轴顺铣,刀轴转角30°(进给方向顺时针旋转),刀轴倾角30°(与试件法线夹角),铣削深度固定为0.3mm,采用乳化液冷却。初始构件尺寸为100mm×100mm×25mm的长方块,在初始构件上划分20个有间隔的待加工区域,采用表1中参数进行加工,即获得20个试验构件表面;
步骤1.4、采用表面粗糙度测试仪对每个第一试验构件进行表面粗糙度测试,优选的采用MarSurf XR 20表面粗糙度测试仪,测试方向为沿精密铣削进给方向和切宽方向,取样长度为0.8mm,评定长度为5.6mm,并记录测试结果。表2为20组响应曲面法试验下表面粗糙度的测试结果。
序号 Ra-进给(μm) Ra-切宽(μm) 序号 Ra-进给(μm) Ra-切宽(μm)
01 0.297 0.367 11 0.443 1.148
02 0.277 0.497 12 1.737 1.702
03 1.250 0.876 13 0.558 0.575
04 1.531 1.358 14 0.657 1.739
05 0.277 2.178 15 0.760 1.163
06 0.274 2.194 16 0.716 1.180
07 1.534 2.016 17 0.692 1.197
08 1.447 2.004 18 0.672 1.354
09 0.673 0.852 19 0.652 1.382
10 0.668 1.440 20 0.635 1.194
表2
步骤1.5、采用多元线性回归方法对表1中的多组精密铣削参数和表2中测量出的表面粗糙度值进行拟合,并建立精密铣削工艺参数域表面粗糙度的关系式:
其中Ra-进给为构件进给方向表面粗糙度,Ra-切宽为构件切宽方向表面粗糙度,vc为铣削速度,fz为每齿进给量,ae为铣削宽度,a0、a1、a2、a3、b0、b1、b2、b3均为常数。
在本例中根据实验所获得具体值可得精密铣削工艺参数域表面粗糙度的关系式:
步骤2、根据步骤1中获得的精密铣削参数与构件表面粗糙度的关系式进行灵敏度分析,确定钛合金构件精密铣削加工工艺稳定域。
步骤2.1、分别计算表面粗糙度对铣削速度、每齿进给量和铣削宽度的相对灵敏度:
其中,分别表示进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的相对灵敏度,分别表示切宽方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的相对灵敏度。
本实施例中根据上述的具体值可得出:
步骤2.2、对精密铣削参数与构件表面粗糙度关系式求铣削速度、每齿进给量和铣削宽度的偏导数,得到表面粗糙度对精密铣削参数的绝对灵敏度模型为:
其中,分别为进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为切宽方向对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为各切削参数在所述初始工艺参数域中的平均值。
本实施例中根据上述的具体值可得出:
本实施例中,在初始工艺参数域内, 其绝对灵敏度分别为:
步骤2.3、根据绝对灵敏度关系式,获得表面粗糙度对铣削速度、每齿进给量和铣削宽度的灵敏度曲线,根据所述灵敏度曲线得出各铣削参数的稳定域和非稳定域。
对每个切削参数的m个水平(M1,…,Mq,…,Mm)的正交试验(p为整数,从1到n;q为整数,从1到m),稳定域和非稳定域的划分方法为:①根据灵敏度曲线,对因素Np,计算灵敏度值在[M1,M2]、[M2,M3]等m-1个水平区间内的变化幅值,记为A1,A2,…,Am-1,;②计算m-1个灵敏度值变化幅值A1,…,Aj,…,Am-1的平均值为A0,定义Aj>A0的区域为非稳定域,Aj<A0的区域为稳定域。
如图1、图2所示,根据绝对灵敏度关系式,获得表面粗糙度对铣削速度、每齿进给量和铣削宽度的灵敏度曲线。
本实施例中Ra-进给和Ra-切宽各铣削参数稳定域如下:
表3
步骤3、作出切削参数对表面粗糙度的极差图,确定步骤2中得出的各参数稳定域和非稳定域在极差图中所对应的表面粗糙度变化范围,当表面粗糙度的优化目标处于非稳定域对应的范围,则以非稳定域为初始工艺参数域,重复执行步骤1和步骤2,直至表面粗糙度的优化目标处于稳定域对应的范围。具体方法如下:
步骤3.1、根据正交实验数据作出各铣削参数对表面粗糙度的极差图,即将正交试验每个切削参数各水平测试得到的表面粗糙度值取平均值作为该水平在极差图上的表面粗糙度值。
本实施例中切削参数对表面粗糙度的极差图如图3所示。
步骤3.2、对比稳定域和非稳定域中在极差图中的表面粗糙度,若稳定域中表面粗糙度值优于(表面粗糙度值越小)非稳定域中表面粗糙度值,则选择稳定域为优化目标,若非稳定域中表面粗糙度值优于稳定域中表面粗糙度值,则选择非稳定域为优化目标。
本实施例中:由图3-1可知,每齿进给量稳定域进给方向表面粗糙度在0.66μm以上,非稳定域进给方向表面粗糙度在0.66μm以下;铣削速度稳定域进给方向表面粗糙度在0.81~0.83μm,非稳定域进给表面粗糙度在0.80~0.81μm;铣削宽度稳定域进给方向表面粗糙度在0.83μm左右,非稳定域进给表面粗糙度在0.78~0.83μm;
由图3-2可知,每齿进给量稳定域切宽方向表面粗糙度在1.45~1.36μm,非稳定域切宽方向表面粗糙度在1.27~1.45μm;铣削速度稳定域切宽方向表面粗糙度在1.49~1.41μm,非稳定域切宽方向表面粗糙度在1.25~1.49μm;铣削宽度稳定域切宽方向表面粗糙度在1.32μm以上,非稳定域切宽方向表面粗糙度在1.32μm以下,最后,选择的TC17铣削工艺参数区间如表4所示。
表4
步骤3.3、若优化目标为非稳定域,则需要将区间继续划分,确定更小的稳定域和非稳定域,直至优化目标为稳定域。
每齿进给量和铣削宽度的优选区间选在了非稳定域中,由于实验中所得到的每齿进给量非稳定域[0.02mm/z,0.06mm/z]和铣削宽度非稳定域[0.20mm,0.35mm]区间内表面粗糙度已满足设计要求,所以本实例中不在具体细分更小的稳定域和非稳定域。
步骤4、在步骤3中获得的精密铣削工艺参数优选区间内(稳定域内),选择稳定域区间中值进行刀具磨损试验,获得后刀面磨损量对表面粗糙度的影响曲线,确定考虑表面粗糙度时的刀具磨损量控制,得出刀具磨损量和表面粗糙度的取值范围。
步骤4.1、从步骤3中获得的精密铣削工艺参数优选区间内,选取各切削参数区间中值,即铣削速度vc=135m/min、每齿进给量fz=0.04mm/z、切削深度ap=0.3mm、铣削宽度ae=0.275mm,在VMC-850型三坐标立式数控机床上使用全新的整体硬质合金Φ7mm四刃球头铣刀加工对应第二试验构件,切削条件为干切削,走刀方式为垂直向上走刀方式,试件形状为夹角30°的楔形块。
步骤4.2、每隔一定时间从铣床上取下工件和刀具,测试刀具的后刀面平均磨损量VB和工件的表面粗糙度。优选的采用Alicona全自动刀具测量仪测量球头铣刀后刀面平均磨损带宽度,采用MarSurf XR 20表面粗糙度测试仪,测试方向为沿精密铣削进给方向和切宽方向,取样长度为0.8mm,评定长度为5.6mm,并记录测试结果。
步骤4.3、根据步骤4.2中得出的影响曲线,根据公式得出刀具磨损量和表面粗糙度的选取范围,Ramin为取影响曲线中表面粗糙度的最小值。
根据步骤4.2测试得到后刀面平均磨损量VB和工件的表面粗糙度的绘制后刀面磨损量VB对表面粗糙度的影响曲线图,如图4所示,绘制的后刀面平均磨损量VB对表面粗糙度的影响曲线图,优化目标为使表面粗糙度尽量小而且变化幅度不大,则相应的在后刀面磨损量VB对表面粗糙度的影响曲线选择曲线值较小且较为平缓的刀具磨损量。
本实施例中获得的精密铣削切削参数稳定域为:铣削速度[110m/min,160m/min]、每齿进给量[0.02mm/z,0.06mm/z]、铣削宽度[0.20mm,0.35mm],刀具后刀面磨损应控制在0.02mm以内,精密铣削后可保证表面粗糙度Ra-进给<0.8μm,Ra-切宽<1.6μm。

Claims (4)

1.一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,其特征在于,具体包括以下步骤:
步骤1、建立钛合金构件精密铣削初始工艺参数域,并根据所述初始工艺参数域进行正交试验,分别测得试验构件在铣削进给和切宽方向的表面粗糙度,并根据所述初始工艺参数域和试验构件的表面粗糙度建立表面粗糙度预测模型:
其中,Ra-进给为试验构件进给方向的表面粗糙度,Ra-切宽为试验构件切宽方向的表面粗糙度,vc为铣削速度,fz为每齿进给量,ae为铣削宽度,a0、a1、a2、a3、b0、b1、b2、b3均为常数;
步骤2、根据步骤1得出的表面粗糙度预测模型,建立表面粗糙度对精密铣削的绝对灵敏度模型:
其中,分别为进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为切宽方向对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为各切削参数在所述初始工艺参数域中的平均值;
根据所述表面粗糙度对精密铣削的绝对灵敏度模型,确定各铣削参数的稳定域和非稳定域;
步骤3、作出切削参数对表面粗糙度的极差图,确定步骤2中得出的各参数稳定域和非稳定域在极差图中所对应的表面粗糙度变化范围,当表面粗糙度的优化目标处于非稳定域对应的范围,则以非稳定域为初始工艺参数域,重复执行步骤1和步骤2,直至表面粗糙度的优化目标处于稳定域对应的范围;
步骤4、根据步骤3中得出的稳定域,进行刀具磨损试验,得出刀具磨损量和表面粗糙度的取值范围。
2.如权利要求1所述的一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,其特征在于,步骤2的具体方法为:
步骤2.1、根据步骤1得出的表面粗糙度预测模型分别计算出表面粗糙度对铣削速度、每齿进给量和铣削宽度的相对灵敏度:
其中,分别表示进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的相对灵敏度,分别表示切宽方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的相对灵敏度;
步骤2.2、对精密铣削参数与构件表面粗糙度关系式求铣削速度、每齿进给量和铣削宽度的偏导数,得到表面粗糙度对精密铣削参数的绝对灵敏度模型为:
其中,分别为进给方向表面粗糙度对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为切宽方向对每齿进给量fz、铣削速度vc、铣削宽度ae的绝对灵敏度,分别为各切削参数在所述初始工艺参数域中的平均值;
步骤2.3、根据绝对灵敏度关系式,获得表面粗糙度对铣削速度、每齿进给量和铣削宽度的灵敏度曲线,根据所述灵敏度曲线得出各铣削参数的稳定域和非稳定域。
3.如权利要求1或2所述的一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,其特征在于,步骤3的具体方法为:
步骤3.1、根据正交实验数据作出各铣削参数对表面粗糙度的极差图;
步骤3.2、对比稳定域和非稳定域在极差图中的表面粗糙度,若稳定域中表面粗糙度值小于非稳定域中表面粗糙度值,则选择稳定域为优化目标,反之,选择非稳定域为优化目标;
步骤3.3、当优化目标为非稳定域,则将优化目标继续划分,再次得出稳定域和非稳定域,直至优化目标为稳定域。
4.如权利要求1或2所述的一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法,其特征在于,步骤4的具体方法为:
步骤4.1、在步骤3中得出的稳定域中选取稳定域区间中值作为精密铣削参数,进行精密铣削试验;
步骤4.2、试验过程中均匀间隔多次对试验试件的表面粗糙度和测试刀具的后刀面磨损量VB进行测试,得出多组测试结果,得出刀具的后刀面磨损量VB对表面粗糙度的影响曲线;
步骤4.3、根据步骤4.2中得出的影响曲线,根据公式得出刀具磨损量和表面粗糙度的选取范围,Ramin为取影响曲线中表面粗糙度的最小值。
CN201810263334.6A 2018-03-28 2018-03-28 一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法 Active CN108549320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810263334.6A CN108549320B (zh) 2018-03-28 2018-03-28 一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810263334.6A CN108549320B (zh) 2018-03-28 2018-03-28 一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法

Publications (2)

Publication Number Publication Date
CN108549320A true CN108549320A (zh) 2018-09-18
CN108549320B CN108549320B (zh) 2020-11-06

Family

ID=63517074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810263334.6A Active CN108549320B (zh) 2018-03-28 2018-03-28 一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法

Country Status (1)

Country Link
CN (1) CN108549320B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109877326A (zh) * 2019-01-10 2019-06-14 武汉科技大学 一种增材制造成型件切削后表面粗糙度控制方法
CN110118544A (zh) * 2019-05-31 2019-08-13 北京理工大学 一种基于膜厚检测的形状精度检测方法
CN111687438A (zh) * 2020-06-03 2020-09-22 山东理工大学 一种降低断续切削成本的涂层刀具处理方法
CN112818477A (zh) * 2021-01-04 2021-05-18 哈尔滨理工大学 一种整体式平底立铣刀的刀具失效界限图建立方法及系统
CN113642141A (zh) * 2021-05-11 2021-11-12 西北工业大学 一种基于铣削功率的刀具磨损预测方法
CN113711144A (zh) * 2019-04-26 2021-11-26 三菱电机株式会社 加工条件决定辅助装置及机器学习装置
CN116306010A (zh) * 2023-04-07 2023-06-23 江苏大学 一种用于放大器的功耗数据特性分析方法及系统
CN117556645A (zh) * 2024-01-12 2024-02-13 成都飞机工业(集团)有限责任公司 基于表面粗糙度Sz的复材构件型面铣削参数确定方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102821910A (zh) * 2010-03-30 2012-12-12 大隈株式会社 工具轨迹生成装置、工具轨迹计算方法及工具轨迹生成程序
CN106041183A (zh) * 2016-07-05 2016-10-26 大连理工大学 薄壁曲面稳定铣削的极限轴向切深判定方法
CN106647616A (zh) * 2016-12-26 2017-05-10 西北工业大学 一种薄壁结构抗疲劳铣削参数优化方法
CN106776712A (zh) * 2016-11-15 2017-05-31 沈阳机床(集团)有限责任公司 基于i5智能数控车床的车削工艺数据库及其应用方法
CN106863019A (zh) * 2017-01-09 2017-06-20 西北工业大学 一种超高强度钢高效低应力磨削工艺参数的获得方法
CN106872303A (zh) * 2017-01-09 2017-06-20 西北工业大学 一种超高强度钢构件抗疲劳磨削工艺参数域的获得方法
CN106897484A (zh) * 2017-01-09 2017-06-27 西北工业大学 一种高温合金高效低应力磨削工艺参数的获得方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102821910A (zh) * 2010-03-30 2012-12-12 大隈株式会社 工具轨迹生成装置、工具轨迹计算方法及工具轨迹生成程序
CN106041183A (zh) * 2016-07-05 2016-10-26 大连理工大学 薄壁曲面稳定铣削的极限轴向切深判定方法
CN106776712A (zh) * 2016-11-15 2017-05-31 沈阳机床(集团)有限责任公司 基于i5智能数控车床的车削工艺数据库及其应用方法
CN106647616A (zh) * 2016-12-26 2017-05-10 西北工业大学 一种薄壁结构抗疲劳铣削参数优化方法
CN106863019A (zh) * 2017-01-09 2017-06-20 西北工业大学 一种超高强度钢高效低应力磨削工艺参数的获得方法
CN106872303A (zh) * 2017-01-09 2017-06-20 西北工业大学 一种超高强度钢构件抗疲劳磨削工艺参数域的获得方法
CN106897484A (zh) * 2017-01-09 2017-06-27 西北工业大学 一种高温合金高效低应力磨削工艺参数的获得方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUIZHONG GUO等: "Research on the milling tool monitoring system based on wavelet neural network", 《2011 INTERNATIONAL CONFERENCE ON ELECTRONIC &MECHANICAL ENGINEERING AND INFORMATION TECHNOLOGY》 *
LIANG TAN等: "Evolution and empirical modeling of compressive residual stress profile after milling, polishing and shot peening for TC17 alloy", 《JOURNAL OF MANUFACTURING PROCESSES》 *
王敏毅等: "切削参数对 P20 模具钢的表面粗糙度影响", 《组合机床与自动化加工技术》 *
田荣鑫等: "面向加工表面粗糙度的钛合金高速铣削工艺参数区间敏感性及优选", 《航空学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109877326A (zh) * 2019-01-10 2019-06-14 武汉科技大学 一种增材制造成型件切削后表面粗糙度控制方法
CN113711144A (zh) * 2019-04-26 2021-11-26 三菱电机株式会社 加工条件决定辅助装置及机器学习装置
CN110118544A (zh) * 2019-05-31 2019-08-13 北京理工大学 一种基于膜厚检测的形状精度检测方法
CN111687438A (zh) * 2020-06-03 2020-09-22 山东理工大学 一种降低断续切削成本的涂层刀具处理方法
CN112818477A (zh) * 2021-01-04 2021-05-18 哈尔滨理工大学 一种整体式平底立铣刀的刀具失效界限图建立方法及系统
CN113642141A (zh) * 2021-05-11 2021-11-12 西北工业大学 一种基于铣削功率的刀具磨损预测方法
CN113642141B (zh) * 2021-05-11 2023-11-21 西北工业大学 一种基于铣削功率的刀具磨损预测方法
CN116306010A (zh) * 2023-04-07 2023-06-23 江苏大学 一种用于放大器的功耗数据特性分析方法及系统
CN116306010B (zh) * 2023-04-07 2023-08-18 江苏大学 一种用于放大器的功耗数据特性分析方法及系统
CN117556645A (zh) * 2024-01-12 2024-02-13 成都飞机工业(集团)有限责任公司 基于表面粗糙度Sz的复材构件型面铣削参数确定方法

Also Published As

Publication number Publication date
CN108549320B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN108549320A (zh) 一种基于粗糙度的钛合金铣削参数和刀具磨损控制方法
Wojciechowski et al. Study on metrological relations between instant tool displacements and surface roughness during precise ball end milling
CN105643024A (zh) 一种车削大螺距螺纹轴向分层切削方法、刀具磨损测试方法及其力热载荷计算方法
CN106021796B (zh) 一种铬钢叶片型面加工用球头铣刀的剩余寿命预测方法
CN109940460B (zh) 一种铣削已加工表面几何误差分布特性的检测方法
Monka et al. Design and experimental study of turning tools with linear cutting edges and comparison to commercial tools
CN105269402A (zh) 一种基于铣削加工的钛合金材料表面粗糙度预测方法
Martins Crichigno Filho Prediction of cutting forces in mill turning through process simulation using a five-axis machining center
Flaño et al. Experimental study on the influence of electrode geometry and electrode path on wear pattern in EDM
CN109571142A (zh) 一种整体式平头立铣刀前刀面的瞬时温度确定方法及系统
Jiang et al. Investigation of residual impact stress and its effects on the precision during milling of the thin-walled part
Denkena et al. Simulation-based surface roughness modelling in end milling
CN116160291B (zh) 一种基于在机测量的叶片型面加工刀长补偿方法
CN113894333B (zh) 钛合金薄壁结构精密铣削表面状态稳健性工艺控制方法
Postnov et al. Theoretical and experimental stress-strain analysis of machining gas turbine engine parts made of the high energy structural efficiency alloy
Huang et al. Experimental investigation of the effect of tool geometry on residual stresses in high speed milling 7050-T7451 aluminium alloy
Gomez et al. Force modeling for hybrid manufacturing
Khalimonenko et al. Influence of the Microstructure of Cutting Ceramics on the Efficiency of the Machining Process
Babu et al. Taguchi based optimization of process parameters in orthogonal turn milling of ASTM B139
Ślusarczyk et al. Experimental determination of forces in a cutting zone durging turning a stainless steel shaft
Soenoko et al. Surface roughness and roundness optimization on turning process of aluminium alloy with Taguchi method
Nagy et al. Investigation of face milled surface topography on C45 workpiece assuming movement at 30 and 60 to feed direction
Kromanis et al. 3D surface roughness prediction technique in end-milling using regression analysis
Galkin et al. Mathematical model for changing the surface roughness of aluminum alloys when changing the final treatment modes
Pegashkin et al. Model of tool life based on fuzzy sets

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