CN111553032B - 整体叶盘铣削温度预测方法、装置、设备及存储介质 - Google Patents

整体叶盘铣削温度预测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111553032B
CN111553032B CN202010346813.1A CN202010346813A CN111553032B CN 111553032 B CN111553032 B CN 111553032B CN 202010346813 A CN202010346813 A CN 202010346813A CN 111553032 B CN111553032 B CN 111553032B
Authority
CN
China
Prior art keywords
milling temperature
blisk
target
milling
temperature
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.)
Active
Application number
CN202010346813.1A
Other languages
English (en)
Other versions
CN111553032A (zh
Inventor
辛红敏
吴华伟
杨峰
杨程
孙彦招
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.)
Hubei University of Arts and Science
Original Assignee
Hubei University of Arts and Science
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 Hubei University of Arts and Science filed Critical Hubei University of Arts and Science
Priority to CN202010346813.1A priority Critical patent/CN111553032B/zh
Publication of CN111553032A publication Critical patent/CN111553032A/zh
Application granted granted Critical
Publication of CN111553032B publication Critical patent/CN111553032B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种整体叶盘铣削温度预测方法、装置、设备及存储介质，属于机械加工温度测量技术领域。本发明通过获取整体叶盘的当前切削速度和当前单齿切削厚度，将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度，将所述目标铣削温度作为整体叶盘铣削温度的预测结果，通过预先构建的铣削温度模型根据当前切削速度和当前单齿切削厚度计算目标铣削温度，实现了整体叶盘铣削温度的预测。

Description

整体叶盘铣削温度预测方法、装置、设备及存储介质
技术领域
本发明涉及机械加工温度测量技术领域，尤其涉及一种整体叶盘铣削温度预测方法、装置、设备及存储介质。
背景技术
切削加工温度影响刀具磨损及刀具寿命，而且对加工后工件表面质量和加工精度具有重要影响，因此准确测量切削温度对于表征切削加工工艺优劣具有重要意义。由于整体叶盘盘铣刀具因转动对铣削点位置遮挡以及刀具的磨损、微崩刃和破损等原因，利用常用的铣削温度测量方法，每调整一次加工参数就要进行一次实际温度测量，操作较为复杂，目前的常用方法无法根据加工参数对整体叶盘盘铣时的铣削温度进行预测。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种整体叶盘铣削温度预测方法、装置、设备及存储介质，旨在解决现有技术无法预测整体叶盘铣削温度的技术问题。
为实现上述目的，本发明提供了一种整体叶盘铣削温度预测方法，所述方法包括以下步骤：
获取整体叶盘的当前切削速度和当前单齿切削厚度；
将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度；
将所述目标铣削温度作为整体叶盘铣削温度的预测结果。
优选地，所述获取整体叶盘的当前切削速度和当前单齿切削厚度的步骤之前，所述方法还包括：
获取整体叶盘的刀具参数和工件材料的属性参数；
基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系；
从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系；
根据所述第一对应关系和所述第二对应关系构建铣削温度模型。
优选地，所述基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系的步骤包括：
基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式；
根据所述关系式确定对应的目标系数；
根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系。
优选地，所述从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系的步骤包括：
从所述属性参数中提取导热系数，并在映射关系表中查找与所述导热系数对应的铣削温度；
对所述导热系数和所述铣削温度进行线性拟合，得到目标曲线；
将所述目标曲线对应的关系式作为所述铣削温度与所述导热系数之间的第二对应关系。
优选地，所述根据所述第一对应关系和所述第二对应关系构建铣削温度模型的步骤包括：
根据所述第一对应关系和所述第二对应关系确定所述铣削温度、所述工件初始温度、所述切削速度以及所述单齿切削厚度之间的目标对应关系；
获取标定参数，并根据所述标定参数对所述目标对应关系进行标定，得到所述铣削温度、所述切削速度以及所述单齿切削厚度对应的目标方程式；
将所述目标方程式作为铣削温度模型。
优选地，所述将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度的步骤包括：
通过所述目标方程式计算所述当前切削速度和所述当前单齿切削厚度对应的目标铣削温度。
优选地，所述将所述目标铣削温度作为整体叶盘铣削温度的预测结果的步骤之后，还包括：
采用半人工热电偶法对所述整体叶盘在盘铣开槽时的实际铣削温度进行测量，得到测量结果；
根据所述测量结果和所述预测结果计算预测误差；
若所述预测误差未处于预设误差阈值范围，则重新构建所述铣削温度模型。
此外，为实现上述目的，本发明还提出一种整体叶盘铣削温度预测装置，所述装置包括：
获取模块，用于获取整体叶盘的当前切削速度和当前单齿切削厚度；
计算模块，用于将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度；
确定模块，用于将所述目标铣削温度作为整体叶盘铣削温度的预测结果。
此外，为实现上述目的，本发明还提出一种整体叶盘铣削温度预测设备，所述整体叶盘铣削温度预测设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的整体叶盘铣削温度预测程序，所述整体叶盘铣削温度预测程序配置为实现如上文所述的整体叶盘铣削温度预测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有整体叶盘铣削温度预测程序，所述整体叶盘铣削温度预测程序被处理器执行时实现如上文所述的整体叶盘铣削温度预测方法的步骤。
本发明通过获取整体叶盘的当前切削速度和当前单齿切削厚度，将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度，将所述目标铣削温度作为整体叶盘铣削温度的预测结果，通过预先构建的铣削温度模型根据当前切削速度和当前单齿切削厚度计算目标铣削温度，实现了整体叶盘铣削温度的预测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的整体叶盘铣削温度预测设备的结构示意图；
图2为本发明整体叶盘铣削温度预测方法第一实施例的流程示意图；
图3为本发明整体叶盘铣削温度预测方法第一实施例中TC17导热系数拟合曲线示意图；
图4为本发明整体叶盘铣削温度预测方法第二实施例的流程示意图；
图5为本发明整体叶盘铣削温度预测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的整体叶盘铣削温度预测设备结构示意图。
如图1所示，该整体叶盘铣削温度预测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对整体叶盘铣削温度预测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及整体叶盘铣削温度预测程序。
在图1所示的整体叶盘铣削温度预测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明整体叶盘铣削温度预测设备中的处理器1001、存储器1005可以设置在整体叶盘铣削温度预测设备中，所述电子设备通过处理器1001调用存储器1005中存储的整体叶盘铣削温度预测程序，并执行本发明实施例提供的整体叶盘铣削温度预测方法。
本发明实施例提供了一种整体叶盘铣削温度预测方法，参照图2，图2为本发明一种整体叶盘铣削温度预测方法第一实施例的流程示意图。
本实施例中，所述整体叶盘铣削温度预测方法包括以下步骤：
步骤S10：获取整体叶盘的当前切削速度和当前单齿切削厚度。
在本实施例中，本实施例的执行主体为处理器或温度测量装置等运算设备，处理器或温度测量装置等运算设备中包含整体叶盘铣削温度预测程序，使得运算设备可以获取整体叶盘的加工参数，加工参数包括主轴转速和进给速度，根据主轴转速和进给速度可以计算出整体叶盘的当前切削速度和当前单齿切削厚度，例如主轴转速S＝42r/min,进给速度F＝24mm/min时，可以得到当前切削速度V＝55.4m/min，当前单齿切削厚度h＝0.0439/齿，此外，需要说明的是，本实施例中整体叶盘为发动机转子叶片和轮盘形成一体的整体整体叶盘，是一种机械加工中的铣削刀具，铣削刀具的类型还可以为圆柱形铣刀或角度铣刀等，本实施例中对铣削刀具的类型不加以限制。
步骤S20：将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度。
步骤S30：将所述目标铣削温度作为整体叶盘铣削温度的预测结果。
需要说明的是，本实施例对整体叶盘铣削温度的预测是基于预先构建的铣削温度模型进行的，在获取到整体叶盘的当前切削速度和当前单齿切削厚度之后，根据预先构建的铣削温度模型对当前切削速度和当前单齿切削厚度进行计算得到目标铣削温度，铣削温度为切屑和整体叶盘刀尖在切触区的温度，目标铣削温度为当前切削速度和当前单齿切削厚度对应的切触区的温度，目标铣削温度即为整体叶盘铣削温度的预测结果。
易于理解的是，在根据预先构建的铣削温度模型计算目标铣削温度之前，需要对铣削温度模型进行构建，具体地，在将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度的步骤之前还包括：获取整体叶盘的刀具参数和工件材料的属性参数；基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系；从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系；根据所述第一对应关系和所述第二对应关系构建铣削温度模型。
在本实施例中，整体叶盘的刀具参数包括导热系数、比热容、密度、剪切角、刀具前角以及剪切屈服强度等，工件材料的属性参数包括导热系数、比热容、密度以及切削变形系数等，具体地，基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系的步骤包括：基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式；根据所述关系式确定对应的目标系数；根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系。
在具体实施中，基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式为：
其中，θt为切屑和刀尖在切触区的温度，即整体叶盘铣削温度，θ0为工件的初始温度,V为切削速度，h为单齿切削厚度，k2为导热系数，τs为剪切屈服强度，τs＝851.3599MPa，ε为相对滑移，ε＝6.26，k3、c2、ρ2、α2为整体叶盘的刀具参数和工件材料的属性参数，φc为法向剪切角，αr为刀具前角,η为切屑流角，ζ是切屑变形系数，lf为切屑与前刀面接触长度，βα为刀面摩擦角，λ是面热源的尺寸系数，ψ是前刀面剪应力与剪切面剪应力的比值，ψ为常数，需要说明的是，τs、ε、k3、c2、ρ2、α2、φc、αr、η、ζ、lf、ψ、βα、hc均与刀具和工件材料的类型有关，可以通过现有参数表查找获得，进一步地，根据上述关系式可以得到对应的目标系数A为：
在本实施例中，目标系数A中各参数的含义如上文所述，根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系实质为将目标系数A代入铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间对应的关系式中，得到第一对应关系为：
进一步地，在得到第一对应关系之后，从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系，在具体实现中，从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系的步骤具体为：从所述属性参数中提取导热系数，并在映射关系表中查找与所述导热系数对应的铣削温度；对所述导热系数和所述铣削温度进行线性拟合，得到目标曲线；将所述目标曲线对应的关系式作为所述铣削温度与所述导热系数之间的第二对应关系。
在具体实现中，根据映射关系表中可以查找到与导热系数对应的铣削温度，本实施例中以TC17钛合金工件材料为例说明，映射关系表如表1所示；
表1 钛合金TC17的铣削温度和导热系数从表1中可以得到在导热系数k2为6.21W/(m·℃)时，对应的铣削温度θt为25℃，根据映射关系表中的数据进行线性拟合得到目标曲线，拟合得到的目标曲线如图3所示，目标曲线的关系式为k2＝0.01579θt+5.07185，目标曲线的关系式即为铣削温度与导热系数之间的第二对应关系。
此外，在得到第一对应关系与第二对应关系之后，可以根据所述第一对应关系和所述第二对应关系构建铣削温度模型，具体地，根据所述第一对应关系和所述第二对应关系构建铣削温度模型的过程具体为根据所述第一对应关系和所述第二对应关系确定所述铣削温度、所述工件初始温度、所述切削速度以及所述单齿切削厚度之间的目标对应关系；获取标定参数，并根据所述标定参数对所述目标对应关系进行标定，得到所述铣削温度、所述切削速度以及所述单齿切削厚度对应的目标方程式；将所述目标方程式作为铣削温度模型。
在本实施例中，将第二对应关系式代入第一对应关系式中可以得到铣削温度、工件初始温度、切削速度以及单齿切削厚度之间的目标对应关系，目标对应关系为：
在得到目标对应关系后，由于目标对应关系中存在多个常数，因此需要对目标对应进行标定，本实施例中根据标定参数对目标关系进行标定，标定参数为预先设定的工艺参数，例如主轴转速S＝42r/min,进给速度F＝24mm/min，计算后得到切削速度V＝55.4m/min，单齿切削厚度h＝0.0439mm/齿。c2取0.6J/(g·℃)，ρ2为4.68g/cm3，ε＝6.26，τs＝851.4Mpa，θ0取室温为20℃，θt为463℃，可得目标常数A＝0.786，预先设定的工艺参数可以根据实际情况自行更改，本实施例中不加以限制，此外需要说明的是，本实施例中θt是通过半人工热电偶方法测量的，在采用半人工热电偶测量铣削温度时，测量到的是热电势信号，而不是真正的温度信号，所以必须找到热电势信号与温度信号之间的关系,才能将所测得的热电势信号转换为温度值，半人工热电偶的温度-温差电势关系表如表2所示；
表2 半人工热电偶温度-温差电势关系表
根据表2中每组温度与温差电势的数据，可以得到温度与温差电势之间的关系式为T＝167.999×U0.563，其中T为温度，U为温差电势，根据所述关系式即可对θt进行测量。
进一步地，在得到目标常数A后，同时结合预先设定的工艺参数，可以得到标定后的目标对应关系，即铣削温度、切削速度以及单齿切削厚度对应的目标方程式，目标方程式为：0.0443θt 3+12.47θt 2-551.96θt+5696.8＝2804298.36×Vh，根据所述目标方程式可知，只要获取到的整体叶盘的当前切削速度和当前单齿切削厚度，就能够计算出对应的目标铣削温度θt，这样省去了由于整体叶盘加工参数的调整导致需要多次测量铣削温度的麻烦，从而实现了整体叶盘铣削温度的预测。
此外，根据目标方程式可知，θt的值正相关于切削线速度和单齿切削量的乘积Vh，这意味着V与h对θt的贡献度是一致的，在保证乘积Vh的值不变的情况下分别改变V和h的大小，理论上切削温度θt的值应该是相同的，且当Vh的值改变时，θt也应该按照目标方程式中的规律改变。
进一步地，为了使铣削模型具有可靠性，本实施例还对构建的铣削温度模型进行验证，验证分三组进行，每组中Vh乘积相同，如表3所示；
表3 三组不同Vh乘积对应h、V的取值表
根据上述表3中的数据根据铣削温度模型分别得到A、B、C三组的刀片温度，如表4-6所示；
表4 铣削温度模型验证实验A组实验结果
表5 铣削温度模型验证实验B组实验结果
表6 铣削温度模型验证实验C组实验结果根据表4-6中每组刀片的温度数据及均值发现，B组实验的温度及均值与预测值吻合得比较好，而A组和C组中仅有h值接近B组h值的一小部分温度数据与预测值吻合，当每齿进给量h位于[0.024mm,0.16mm]内时，相应切削温度数据与预测的值比较接近，反之则切削温度比预测值偏大，且h值距离这个区间越远偏差越大，符合实际铣削温度变化规律。
本实施例通过获取整体叶盘的刀具参数和工件材料的属性参数，基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系，从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系，根据所述第一对应关系和所述第二对应关系构建铣削温度模型，并通过获取整体叶盘的当前切削速度和当前单齿切削厚度，将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度，将所述目标铣削温度作为整体叶盘铣削温度的预测结果，能够对整体叶盘铣削温度进行准确的预测。
参考图4，图4为本发明一种整体叶盘铣削温度预测方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例整体叶盘铣削温度预测方法中，所述步骤S20具体包括：
步骤S201：通过所述目标方程式计算所述当前切削速度和所述当前单齿切削厚度对应的目标铣削温度。
在本实施例中，通过目标方程式可以计算目标铣削温度，具体地，将当前切削速度和当前单齿切削厚度代入目标方程式中，进行可以得到幂函数θt＝334.71727·(Vh)0.36438，幂函数的解即为目标铣削温度，例如当前切削速度为55.4m/min，当前单齿切削厚度为0.0439mm/齿时，计算得到目标铣削温度为463℃，即在切削速度为55.4m/min且单齿切削厚度为0.0439mm/齿时，可以预测到铣削温度为463℃。
进一步地，在所述步骤S30之后还包括：
步骤S401：采用半人工热电偶法对所述整体叶盘在盘铣开槽时的实际铣削温度进行测量，得到测量结果。
步骤S402：根据所述测量结果和所述预测结果计算预测误差。
步骤S403：若所述预测误差未处于预设误差阈值范围，则重新构建所述铣削温度模型。
容易理解的是，本实施例中模型构建中会存在许多不确定条件，例如刀具的磨损、微崩刃和破损，在对铣削温度进行建模时，假设刀具不发生磨损，同时不考虑后刀面摩擦所产生的热量，并且忽略切屑的动能和其他耗散，假定切削力做功都转化成了热，且在没有辅助冷却的情况下假定切削热只在刀-屑-工件之间传导，不考虑空气的对流散热，基于这些条件构建的铣削温度模型存在一定误差，因此，对于构建好的铣削温度模型需要进行误差分析，本实施例中通过将测量结果与预测结果进行比对，实现对铣削温度模型进行分析，为了便于理解进行举例说明，例如采用半人工热电偶方法测得实际铣削温度为400℃,假设通过构建的铣削温度模型得到的目标铣削温度为399℃，即预测结果为399℃，计算得到预测误差为1℃，假设预设误差阈值范围为0.5℃，则说明构建的铣削温度模型误差较大，需要重新构建铣削温度模型，若预设物产阈值范围为2℃，则说明铣削温度模型的误差在允许范围内，不需要重新构建铣削温度模型。
本实施例通过所述目标方程式计算所述当前切削速度和所述当前单齿切削厚度对应的目标铣削温度，并采用半人工热电偶法对所述整体叶盘进行盘铣开槽时的实际铣削温度测量，得到测量结果，根据所述测量结果和所述预测结果计算预测误差，若所述预测误差未处于预设误差阈值范围，则重新构建所述铣削温度模型，通过对铣削温度模型进行误差分析，并在预测误差未处于预设误差阈值范围时，重新构建新的铣削温度模型，从而使得构建的铣削温度模型更加准确，提高了铣削温度预测的准确性。
参照图5，图5为本发明整体叶盘铣削温度预测装置第一实施例的结构框图。
如图5所示，本发明实施例提出的整体叶盘铣削温度预测装置包括：
获取模块10，用于获取整体叶盘的当前切削速度和当前单齿切削厚度。
在本实施例中，获取模块10可以获取整体叶盘的加工参数，加工参数包括主轴转速和进给速度，根据主轴转速和进给速度可以计算出整体叶盘的当前切削速度和当前单齿切削厚度，例如主轴转速S＝42r/min,进给速度F＝24mm/min时，可以得到当前切削速度V＝55.4m/min，当前单齿切削厚度h＝0.0439/齿，此外，需要说明的是，本实施例中整体叶盘为发动机转子叶片和轮盘形成一体的整体整体叶盘，是一种机械加工中的铣削刀具，铣削刀具的类型还可以为圆柱形铣刀或角度铣刀等，本实施例中对铣削刀具的类型不加以限制。
计算模块20，用于将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度。
确定模块30，用于将所述目标铣削温度作为整体叶盘铣削温度的预测结果。
需要说明的是，本实施例对整体叶盘铣削温度的预测是基于预先构建的铣削温度模型进行的，在获取到整体叶盘的当前切削速度和当前单齿切削厚度之后，根据预先构建的铣削温度模型对当前切削速度和当前单齿切削厚度进行计算得到目标铣削温度，铣削温度为切屑和整体叶盘刀尖在切触区的温度，目标铣削温度为当前切削速度和当前单齿切削厚度对应的切触区的温度，目标铣削温度即为整体叶盘铣削温度的预测结果。
易于理解的是，在根据预先构建的铣削温度模型计算目标铣削温度之前，需要对铣削温度模型进行构建，具体地，在将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度的步骤之前还包括：获取整体叶盘的刀具参数和工件材料的属性参数；基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系；从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系；根据所述第一对应关系和所述第二对应关系构建铣削温度模型。
在本实施例中，整体叶盘的刀具参数包括导热系数、比热容、密度、剪切角、刀具前角以及剪切屈服强度等，工件材料的属性参数包括导热系数、比热容、密度以及切削变形系数等，具体地，基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系的步骤包括：基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式；根据所述关系式确定对应的目标系数；根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系。
在具体实施中，基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式为：
其中，θt为切屑和刀尖在切触区的温度，即整体叶盘铣削温度，θ0为工件的初始温度,V为切削速度，h为单齿切削厚度，k2为导热系数，τs为剪切屈服强度，τs＝851.3599MPa，ε为相对滑移，ε＝6.26，k3、c2、ρ2、α2为整体叶盘的刀具参数和工件材料的属性参数，φc为法向剪切角，αr为刀具前角,η为切屑流角，ζ是切屑变形系数，lf为切屑与前刀面接触长度，βα为刀面摩擦角，λ是面热源的尺寸系数，ψ是前刀面剪应力与剪切面剪应力的比值，ψ为常数，需要说明的是，τs、ε、k3、c2、ρ2、α2、φc、αr、η、ζ、lf、ψ、βα、hc均与刀具和工件材料的类型有关，可以通过现有参数表查找获得，进一步地，根据上述关系式可以得到对应的目标系数A为：/>
在本实施例中，目标系数A中各参数的含义如上文所述，根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系实质为将目标系数A代入铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间对应的关系式中，得到第一对应关系为：
进一步地，在得到第一对应关系之后，从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系，在具体实现中，从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系的步骤具体为：从所述属性参数中提取导热系数，并在映射关系表中查找与所述导热系数对应的铣削温度；对所述导热系数和所述铣削温度进行线性拟合，得到目标曲线；将所述目标曲线对应的关系式作为所述铣削温度与所述导热系数之间的第二对应关系。
在具体实现中，根据映射关系表中可以查找到与导热系数对应的铣削温度，本实施例中以TC17钛合金工件材料为例说明，映射关系表如表1所示；
表1钛合金TC17的铣削温度和导热系数从表1中可以得到在导热系数k2为6.21W/(m·℃)时，对应的铣削温度θt为25℃，根据映射关系表中的数据进行线性拟合得到目标曲线，拟合得到的目标曲线如图3所示，目标曲线的关系式为k2＝0.01579θt+5.07185，目标曲线的关系式即为铣削温度与导热系数之间的第二对应关系。
此外，在得到第一对应关系与第二对应关系之后，可以根据所述第一对应关系和所述第二对应关系构建铣削温度模型，具体地，根据所述第一对应关系和所述第二对应关系构建铣削温度模型的过程具体为根据所述第一对应关系和所述第二对应关系确定所述铣削温度、所述工件初始温度、所述切削速度以及所述单齿切削厚度之间的目标对应关系；获取标定参数，并根据所述标定参数对所述目标对应关系进行标定，得到所述铣削温度、所述切削速度以及所述单齿切削厚度对应的目标方程式；将所述目标方程式作为铣削温度模型。
在本实施例中，将第二对应关系式代入第一对应关系式中可以得到铣削温度、工件初始温度、切削速度以及单齿切削厚度之间的目标对应关系，目标对应关系为：
在得到目标对应关系后，由于目标对应关系中存在多个常数，因此需要对目标对应进行标定，本实施例中根据标定参数对目标关系进行标定，标定参数为预先设定的工艺参数，例如主轴转速S＝42r/min,进给速度F＝24mm/min，计算后得到切削速度V＝55.4m/min，单齿切削厚度h＝0.0439mm/齿。c2取0.6J/(g·℃)，ρ2为4.68g/cm3，ε＝6.26，τs＝851.4Mpa，θ0取室温为20℃，θt为463℃，可得目标常数A＝0.786，预先设定的工艺参数可以根据实际情况自行更改，本实施例中不加以限制，此外需要说明的是，本实施例中θt是通过半人工热电偶方法测量的，在采用半人工热电偶测量铣削温度时，测量到的是热电势信号，而不是真正的温度信号，所以必须找到热电势信号与温度信号之间的关系,才能将所测得的热电势信号转换为温度值，半人工热电偶的温度-温差电势关系表如表2所示；
表2 半人工热电偶温度-温差电势关系表根据表2中每组温度与温差电势的数据，可以得到温度与温差电势之间的关系式为T＝167.999×U0.563，其中T为温度，U为温差电势，根据所述关系式即可对θt进行测量。
进一步地，在得到目标常数A后，同时结合预先设定的工艺参数，可以得到标定后的目标对应关系，即铣削温度、切削速度以及单齿切削厚度对应的目标方程式，目标方程式为：0.0443θt 3+12.47θt 2-551.96θt+5696.8＝2804298.36×Vh，根据所述目标方程式可知，只要获取到的整体叶盘的当前切削速度和当前单齿切削厚度，就能够计算出对应的目标铣削温度θt，这样省去了由于整体叶盘加工参数的调整导致需要多次测量铣削温度的麻烦，从而实现了整体叶盘铣削温度的预测。
此外，根据目标方程式可知，θt的值正相关于切削线速度和单齿切削量的乘积Vh，这意味着V与h对θt的贡献度是一致的，在保证乘积Vh的值不变的情况下分别改变V和h的大小，理论上切削温度θt的值应该是相同的，且当Vh的值改变时，θt也应该按照目标方程式中的规律改变。
进一步地，为了使铣削模型具有可靠性，本实施例还对构建的铣削温度模型进行验证，验证分三组进行，每组中Vh乘积相同，如表3所示；
表3 三组不同Vh乘积对应h、V的取值表
根据上述表3中的数据根据铣削温度模型分别得到A、B、C三组的刀片温度，如表4-6所示；
表4 铣削温度模型验证实验A组实验结果
表5 铣削温度模型验证实验B组实验结果
表6 铣削温度模型验证实验C组实验结果根据表4-6中每组刀片的温度数据及均值发现，B组实验的温度及均值与预测值吻合得比较好，而A组和C组中仅有h值接近B组h值的一小部分温度数据与预测值吻合，当每齿进给量h位于[0.024mm,0.16mm]内时，相应切削温度数据与预测的值比较接近，反之则切削温度比预测值偏大，且h值距离这个区间越远偏差越大，符合实际铣削温度变化规律。
本实施例通过获取整体叶盘的刀具参数和工件材料的属性参数，基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系，从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系，根据所述第一对应关系和所述第二对应关系构建铣削温度模型，并通过获取整体叶盘的当前切削速度和当前单齿切削厚度，将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度，将所述目标铣削温度作为整体叶盘铣削温度的预测结果，能够对整体叶盘铣削温度进行准确的预测。
在一实施例中，还包括构建模块，用于获取整体叶盘的刀具参数和工件材料的属性参数；基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的第一对应关系；从所述属性参数中提取导热系数，获取所述铣削温度和所述导热系数之间的第二对应关系；根据所述第一对应关系和所述第二对应关系构建铣削温度模型。
在一实施例中，所述构建模块还用于基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式；根据所述关系式确定对应的目标系数；根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系。
在一实施例中，所述构建模块还用于从所述属性参数中提取导热系数，并在映射关系表中查找与所述导热系数对应的铣削温度；对所述导热系数和所述铣削温度进行线性拟合，得到目标曲线；将所述目标曲线对应的关系式作为所述铣削温度与所述导热系数之间的第二对应关系。
在一实施例中，所述构建模块还用于根据所述第一对应关系和所述第二对应关系确定所述铣削温度、所述工件初始温度、所述切削速度以及所述单齿切削厚度之间的目标对应关系；获取标定参数，并根据所述标定参数对所述目标对应关系进行标定，得到所述铣削温度、所述切削速度以及所述单齿切削厚度对应的目标方程式；将所述目标方程式作为铣削温度模型。
在一实施例中，所述计算模块20，还用于通过所述目标方程式计算所述当前切削速度和所述当前单齿切削厚度对应的目标铣削温度。
在一实施例中，还包括分析模块，还用于采用半人工热电偶法对所述整体叶盘在盘铣开槽时的实际铣削温度进行测量，得到测量结果；根据所述测量结果和所述预测结果计算预测误差；若所述预测误差未处于预设误差阈值范围，则重新构建所述铣削温度模型。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有整体叶盘铣削温度预测程序，所述整体叶盘铣削温度预测程序被处理器执行时实现如上文所述的整体叶盘铣削温度预测方法的步骤。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的整体叶盘铣削温度预测方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种整体叶盘铣削温度预测方法，其特征在于，所述方法包括：
获取整体叶盘的当前切削速度和当前单齿切削厚度；
将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度；
将所述目标铣削温度作为整体叶盘铣削温度的预测结果；
所述获取整体叶盘的当前切削速度和当前单齿切削厚度的步骤之前，还包括：
获取整体叶盘的刀具参数和工件材料的属性参数；
基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式；
根据所述关系式确定对应的目标系数；
根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系；
从所述属性参数中提取导热系数，并在映射关系表中查找与所述导热系数对应的铣削温度；
对所述导热系数和所述铣削温度进行线性拟合，得到目标曲线；
将所述目标曲线对应的关系式作为所述铣削温度与所述导热系数之间的第二对应关系；
根据所述第一对应关系和所述第二对应关系构建铣削温度模型。
2.如权利要求1所述的整体叶盘铣削温度预测方法，其特征在于，所述根据所述第一对应关系和所述第二对应关系构建铣削温度模型的步骤包括：
根据所述第一对应关系和所述第二对应关系确定所述铣削温度、所述工件初始温度、所述切削速度以及所述单齿切削厚度之间的目标对应关系；
获取标定参数，并根据所述标定参数对所述目标对应关系进行标定，得到所述铣削温度、所述切削速度以及所述单齿切削厚度对应的目标方程式；
将所述目标方程式作为铣削温度模型。
3.如权利要求2所述的整体叶盘铣削温度预测方法，其特征在于，所述将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度的步骤包括：
通过所述目标方程式计算所述当前切削速度和所述当前单齿切削厚度对应的目标铣削温度。
4.如权利要求1-3中任一项所述的整体叶盘铣削温度预测方法，其特征在于，所述将所述目标铣削温度作为整体叶盘铣削温度的预测结果的步骤之后，还包括：
采用半人工热电偶法对所述整体叶盘在盘铣开槽时的实际铣削温度进行测量，得到测量结果；
根据所述测量结果和所述预测结果计算预测误差；
若所述预测误差未处于预设误差阈值范围，则重新构建所述铣削温度模型。
5.一种整体叶盘铣削温度预测装置，其特征在于，所述装置包括：
获取模块，用于获取整体叶盘的当前切削速度和当前单齿切削厚度；
计算模块，用于将所述当前切削速度和所述当前单齿切削厚度输入至预先构建的铣削温度模型，并获取所述铣削温度模型输出的目标铣削温度；
确定模块，用于将所述目标铣削温度作为整体叶盘铣削温度的预测结果；
其中，所述获取模块，还用于获取整体叶盘的刀具参数和工件材料的属性参数；基于所述刀具参数和所述属性参数建立铣削温度、工件初始温度、切削速度、单齿切削厚度以及导热系数之间的关系式；根据所述关系式确定对应的目标系数；根据所述关系式和所述目标系数确定所述铣削温度、所述工件初始温度、所述切削速度、所述单齿切削厚度以及所述导热系数之间的第一对应关系；从所述属性参数中提取导热系数，并在映射关系表中查找与所述导热系数对应的铣削温度；对所述导热系数和所述铣削温度进行线性拟合，得到目标曲线；将所述目标曲线对应的关系式作为所述铣削温度与所述导热系数之间的第二对应关系；根据所述第一对应关系和所述第二对应关系构建铣削温度模型。
6.一种整体叶盘铣削温度预测设备，其特征在于，所述整体叶盘铣削温度预测设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的整体叶盘铣削温度预测程序，所述整体叶盘铣削温度预测程序配置为实现如权利要求1至4中任一项所述的整体叶盘铣削温度预测方法的步骤。
7.一种存储介质，其特征在于，所述存储介质上存储有整体叶盘铣削温度预测程序，所述整体叶盘铣削温度预测程序被处理器执行时实现如权利要求1至4任一项所述的整体叶盘铣削温度预测方法的步骤。
CN202010346813.1A 2020-04-27 2020-04-27 整体叶盘铣削温度预测方法、装置、设备及存储介质 Active CN111553032B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010346813.1A CN111553032B (zh) 2020-04-27 2020-04-27 整体叶盘铣削温度预测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010346813.1A CN111553032B (zh) 2020-04-27 2020-04-27 整体叶盘铣削温度预测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111553032A CN111553032A (zh) 2020-08-18
CN111553032B true CN111553032B (zh) 2023-09-15

Family

ID=72005950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010346813.1A Active CN111553032B (zh) 2020-04-27 2020-04-27 整体叶盘铣削温度预测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111553032B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112416030B (zh) * 2020-11-30 2022-02-22 天津民昌科技有限公司 一种基于油泵电机电气特性的油温估算方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012153157A2 (en) * 2011-05-09 2012-11-15 Pécsi Tudományegyetem Method for optimizing cutting forces in a milling process and computer-controlled milling machine using the same method
EP2527054A1 (de) * 2011-05-24 2012-11-28 Siemens Aktiengesellschaft Steuerverfahren für eine Walzstraße
WO2014033928A1 (ja) * 2012-08-31 2014-03-06 東芝三菱電機産業システム株式会社 材料組織予測装置、製品製造方法及び材料組織予測方法
CN104268343A (zh) * 2014-09-28 2015-01-07 北京理工大学 一种用于端铣切削的切削力预测及温度预测的方法
CN106682281A (zh) * 2016-12-09 2017-05-17 西北工业大学 基于最大切削力的铣削瞬时切削力预测方法
CN107977528A (zh) * 2017-12-18 2018-05-01 重庆大学 一种用于丝杠旋风铣削加工区域的温度预测方法
CN109571142A (zh) * 2018-12-28 2019-04-05 哈尔滨理工大学 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
CN109583075A (zh) * 2018-11-26 2019-04-05 湖南科技大学 基于温度参数预测的永磁直驱风力机服役质量评价方法
CN109657307A (zh) * 2018-12-05 2019-04-19 武汉理工大学 一种适用于圆形硬质合金车刀的三维斜角切削热建模方法
CN110728091A (zh) * 2019-10-18 2020-01-24 山东大学 基于用户子程序的有限元法预测晶粒尺寸的方法及系统
CN110807227A (zh) * 2019-10-29 2020-02-18 大连理工大学 一种用于超低温冷却加工的切削区域温度场预测方法
WO2020056405A1 (en) * 2018-09-14 2020-03-19 Northwestern University Data-driven representation and clustering discretization method and system for design optimization and/or performance prediction of material systems and applications of same

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012153157A2 (en) * 2011-05-09 2012-11-15 Pécsi Tudományegyetem Method for optimizing cutting forces in a milling process and computer-controlled milling machine using the same method
EP2527054A1 (de) * 2011-05-24 2012-11-28 Siemens Aktiengesellschaft Steuerverfahren für eine Walzstraße
WO2014033928A1 (ja) * 2012-08-31 2014-03-06 東芝三菱電機産業システム株式会社 材料組織予測装置、製品製造方法及び材料組織予測方法
CN104268343A (zh) * 2014-09-28 2015-01-07 北京理工大学 一种用于端铣切削的切削力预测及温度预测的方法
CN106682281A (zh) * 2016-12-09 2017-05-17 西北工业大学 基于最大切削力的铣削瞬时切削力预测方法
CN107977528A (zh) * 2017-12-18 2018-05-01 重庆大学 一种用于丝杠旋风铣削加工区域的温度预测方法
WO2020056405A1 (en) * 2018-09-14 2020-03-19 Northwestern University Data-driven representation and clustering discretization method and system for design optimization and/or performance prediction of material systems and applications of same
CN109583075A (zh) * 2018-11-26 2019-04-05 湖南科技大学 基于温度参数预测的永磁直驱风力机服役质量评价方法
CN109657307A (zh) * 2018-12-05 2019-04-19 武汉理工大学 一种适用于圆形硬质合金车刀的三维斜角切削热建模方法
CN109571142A (zh) * 2018-12-28 2019-04-05 哈尔滨理工大学 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
CN110728091A (zh) * 2019-10-18 2020-01-24 山东大学 基于用户子程序的有限元法预测晶粒尺寸的方法及系统
CN110807227A (zh) * 2019-10-29 2020-02-18 大连理工大学 一种用于超低温冷却加工的切削区域温度场预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Jie Gao.Temperature prediction and evaluation of mill based on neural network.《 2018 Chinese Control And Decision Conference》.2018,全文. *
刘具龙.钛合金铣削刀具/工件接触区域温度预测.《航空学报》.2018,第39卷(第12期),全文. *
基于正交试验的Cr12MoV切削温度预测模型的研究;谢黎明;程格;靳岚;;工具技术(01);全文 *

Also Published As

Publication number Publication date
CN111553032A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
Zhou et al. Analytical modeling and experimental validation of micro end-milling cutting forces considering edge radius and material strengthening effects
Ozturk et al. Modeling of 5-axis milling processes
JP5234772B2 (ja) 工作機械の振動抑制方法及び装置
Wang et al. Thermal sensor selection for the thermal error modeling of machine tool based on the fuzzy clustering method
CN105759719B (zh) 一种基于无偏估计拆分模型的数控机床热误差预测方法及系统
Lamikiz et al. Calculation of the specific cutting coefficients and geometrical aspects in sculptured surface machining
Soori et al. Minimization of deflection error in five axis milling of impeller blades
CN107066775B (zh) 一种刀具车削温升均值的预测方法
Feng et al. Surface roughness modeling in Laser-assisted End Milling of Inconel 718
Sharma et al. Force evaluation and machining parameter optimization in milling of aluminium burr composite based on response surface method
Yao et al. A chatter free calibration method for determining cutter runout and cutting force coefficients in ball-end milling
CN111553032B (zh) 整体叶盘铣削温度预测方法、装置、设备及存储介质
Aydın et al. A methodology for cutting force prediction in side milling
CN112757052A (zh) 不同磨损刀具的车削热与多元影响因子的相关性分析方法
Manohar et al. Application of desirability-function and RSM to optimise the multi-objectives while turning Inconel 718 using coated carbide tools
Chen et al. A unified analytical cutting force model for variable helix end mills
Aydın et al. Analysis of cutting forces at different spindle speeds with straight and helical-flute tools for conventional-speed milling incorporating the effect of tool runout
Hendriko et al. Implementation of analytical boundary simulation method for cutting force prediction model in five-axis milling
Tikhonova et al. Thermo-emf as method for testing properties of replaceable contact pairs
Hsieh et al. Thermal growth measurement and compensation for integrated spindles
Affan Badar et al. Experimental analysis of search-based selection of sample points for straightness and flatness estimation
CN113177280B (zh) 球刀切削力系数标定方法
Zhang et al. Instantaneous uncut chip thickness modeling for micro-end milling process
Dotcheva et al. The evaluation of cutting-force coefficients using surface error measurements
Zhuang et al. An improved approach to tool life promotion concerning cutting edge microgeometry

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