CN112069233A - 一种基于生产现场统计数据分析的切削用量确定方法 - Google Patents
一种基于生产现场统计数据分析的切削用量确定方法 Download PDFInfo
- Publication number
- CN112069233A CN112069233A CN202010972647.6A CN202010972647A CN112069233A CN 112069233 A CN112069233 A CN 112069233A CN 202010972647 A CN202010972647 A CN 202010972647A CN 112069233 A CN112069233 A CN 112069233A
- Authority
- CN
- China
- Prior art keywords
- cutting
- cutter
- cutting data
- workpiece
- parameter
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 14
- 238000007405 data analysis Methods 0.000 title claims abstract description 10
- 230000014509 gene expression Effects 0.000 claims abstract description 16
- 238000000611 regression analysis Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000003801 milling Methods 0.000 claims description 21
- 238000007514 turning Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种基于生产现场统计数据分析的切削用量确定方法,首先将收集的切削数据集进行合理性和完整性的审核,剔除不符合要求的切削数据记录,并根据分类属性进行分组,建立求解切削速度的公式,对于切削数据记录超过5项的组别可直接通过回归分析求解公式中的各参数值,对于切削数据记录不超过5项的组别,待求解参数无法确定时,借用切削工艺、工件材料种类和刀具材料种类均相同的组别所对应的已经确定出切削速度具体表达式中的参数,本发明可以将企业现有的传统离散型静态数据库转换为浓缩型数据库,并综合了其优势,可以使生产企业大量切削加工中的经验数据得到有效的利用。
Description
技术领域
本发明涉及机械加工及切削数据库技术领域,具体涉及一种基于生产现场统计数据分析的切削用量确定方法。
背景技术
切削用量的确定一般通过两种途径,依据机床操作工人的个人经验或由切削数据库推荐。
现有的切削数据库依据其存储内容和运行模式大体可以分为两类:存储经验数据的检索式离散型静态数据库,以及存储经验公式的计算式浓缩型动态数据库。
离散型静态数据库是目前大多数切削数据库所采取的模式。优点是数据库结构简单,存储的数据为原始数据,多经过经验验证。缺点是切削数据的特征属性较多,而不同特征属性的组合通常是个天文数字,在数据量有限的条件下,检出率很低。而且在切削条件描述越精确,数据越完整的情况下,数据的检出率越低。导致此类数据库的实用性普遍不高。除少量小品种、大产量的行业之外,绝大多数并未取得实际的应用。
浓缩型动态数据库中存储的是经验公式,通过计算得到所需切削条件下的切削用量数据,较大程度上解决了离散型静态数据库检出率低的问题。但经验公式的取得必须以大量的切削试验及完整的理论体系作为支撑,单一的研究机构或者企业基本无力承担。而生产企业的真实工况与切削试验及理论之间往往又存在很大的差距,亦制约了此类切削数据库的实用性。
基于实例的推理是一种新的切削数据库建立方法。它通过计算已有数据属性和查询条件的相似度,并通过推理对切削用量进行调整,在一定程度上结合了以上两种数据库原理的优势。近年来一直有一些机构在开展相应的研究。然而从应用效果上来看,除了在数据相似度判断方面比较成熟之外,数据推理计算方面还普遍达不到实际应用的需求。其主要障碍在于,推理机所采用的数学模型通常较为复杂,而源数据又经常达不到要求的优化度与稳定性。
因此,生产企业的现状往往是,一方面耗费大量人力物力收集了大量宝贵的切削经验数据,另一方面又由于缺少行之有效的方法,使这些数据得到有效的利用。在确定切削用量时,大多数情况下仍主要依赖机床操作工人的个人经验。
发明内容
针对现有技术的不足,本发明提出一种基于生产现场统计数据分析的切削用量确定方法,包括如下步骤:
步骤1:统计包含N条切削数据记录的切削数据集,每条切削数据记录各分类属性和参数属性,所述分类属性包括切削工艺、工件材料种类、工件材料牌号、工件被加工表面几何特征、刀具材料牌号、刀具材料种类、刀具几何特征,所述切削工艺包括车削、铣削、钻削、铰削、镗削数控切削工艺,所述参数属性包括切削用量、刀具几何参数和工件被加工表面几何参数,所述切削用量包括进给量、切削深度、切削行距,所述刀具几何参数包括刀具直径、刀尖圆角半径、刀具前角、刀片宽度、铣刀齿数、铣刀螺旋角和主偏角,所述工件被加工表面几何参数包括外圆弧半径、内圆弧半径、工件的外表面直径和内表面直径;
步骤2:判断每条切削数据记录的完整性,如果第k条切削数据记录中包含所有分类属性、切削工艺对应的所有切削用量以及特定刀具几何特征所对应的刀具几何参数,则认为第k条切削数据记录是完整的,否则,认为第k条切削数据记录是不完整的,剔除不完整的切削数据记录,k=1,2,…,N,所述特定刀具几何特征所对应的刀具几何参数为:旋转类刀具的刀具几何参数是指刀具直径,铣刀的刀具几何参数是指铣刀齿数,切槽刀具的刀具几何参数是指刀片宽度;
步骤3:判断每条切削数据记录的合理性,如果第k条切削数据记录中的切削用量是在设备额定转速受限情况下保存的,则认为第k条切削数据记录中的切削用量是不合理的,剔除切削用量不合理的切削数据记录;
步骤4:按照每种分类属性对N'条具备完整性、合理性的切削数据记录进行分组,得到对应不同分类属性的切削数据组,其中N'表示剔除不完整的、不合理的切削数据记录后切削数据集中剩余的总条数;
步骤5:建立计算每组切削条件下对应切削速度的表达式如公式(1)所示,
式中,Vc,j表示第j组切削条件下的切削速度,j=1,2,…,Q,Q表示切削数据集分组后的总组数,C、n1~n14表示待求解参数,f表示进给量,ap表示切削深度,ae表示切削行距,d表示刀具直径,r表示刀具圆角半径,γ表示刀具前角,w表示刀片宽度,z表示铣刀齿数,β表示铣刀螺旋角,κ表示刀具主偏角,Re表示工件被加工表面的外圆弧半径,Ri表示工件被加工表面的内圆弧半径,De表示工件的外表面直径,Di表示工件的内表面直径,各待求解参数n1~n14需满足合理的数值范围,即-1≤n1≤0、-0.5≤n2≤0、-0.5≤n3≤0、0≤n4≤0.5、0≤n5≤0.5、0≤n6≤0.5、-0.5≤n7≤0、-0.5≤n8≤0、-0.5≤n9≤0.5、-0.5≤n10≤0、-0.5≤n11≤0、0≤n12≤0.5、-0.5≤n13≤0、0≤n14≤0.5;
步骤6:如果第j组切削数据组中包含的切削数据记录超过5条,将第j组切削数据组中每条切削数据记录分别代入公式(1)中,通过回归分析求解公式(1)中的待求解参数;
步骤7:将求解出来的各参数带入公式(1),确定出第j组切削条件下切削速度的具体表达式;
步骤8:如果第j'组切削数据组中包含的切削数据记录不超过5条,利用公式(1)通过回归分析求解各参数时,借用与切削工艺、工件材料种类和刀具材料种类均相同的组别所对应的已经确定出切削速度具体表达式中的n1~n14的具体数值,待求解参数C的具体数值通过将第j'组切削数据组中的包含参数属性最多的一条切削数据记录带入公式(1)中确定,若包含参数属性最多的切削数据记录大于等于2条,则分别通过每条切削数据记录求解参数C并取平均值,即可确定出第j'组切削条件下切削速度的具体表达式,其中j'∈Q;
步骤9:根据各个组别切削条件下的切削速度,以及对应的进给量、切削深度、切削行距即可确定出切削用量。
进一步地,所述步骤6中利用回归分析计算待求解参数时,需要满足第j组切削数据组中包含的切削数据记录的条数l1大于等于待求解参数的个数l2,当l1小于l2时,选择去掉公式(1)中代表工件被加工表面几何参数或刀具几何参数中不影响切削数据记录完整性的任意因子项,直到满足l1等于l2,通过构建的l1个等式方程求解各参数,如果将公式(1)中可去掉的所有因子项都去掉后,仍然不满足l1等于l2时,则按步骤8的情况进行处理;如果步骤6求解出来的任意一项参数值不在合理的数值范围之内时,则按照步骤8的情况进行处理。
进一步地,步骤8中借用与切削工艺、工件材料种类和刀具材料种类均相同的组别,具体表述为:存在与第j'组切削数据组的切削工艺、工件材料种类和刀具材料种类均相同的组别有J个时,J>1,确定采用哪个组别的优先顺序表述为:根据工件材料牌号>刀具材料牌号>刀具几何特征>工件被加工表面几何特征的排列等级依次判断各分类属性是否相同,优先采用排列等级高的分类属性所对应的组别。
本发明的有益效果是:
本发明提出了一种基于生产现场统计数据分析的切削用量确定方法,通过对收集的切削数据集进行分组,并通过回归分析确定不同切削条件下求解切削速度的公式,作为一种工业生产中确定切削用量的经验公式,对于无法直接确定公式中各参数的组别,给出了借用其他组别确定待求解参数的方法,本发明可以将企业现有的传统离散型静态数据库转换为浓缩型数据库,并综合了其优势,可以使生产企业大量切削加工中的经验数据得到有效的利用。
具体实施方式
下面结合具体实施实例对发明做进一步说明。按照马卡洛夫切削温度守恒定律,在工件、刀具材料及其他切削条件不变的情况下,最优切削用量组合存在以下关系:
式中,Vc表示切削速度,f表示进给量,ap表示切削深度,ae表示切削行距,Cv、x、y、z为常数,对于部分切削工艺种类,不包含ap、ae项。
当进给量f、切削深度ap、切削行距ae等已由工序余量、工件被加工表面粗糙度确定时,可由公式(2)计算出对应的最优切削速度Vc(或称经济切削速度),在该速度下,刀具可切削量达到最大。
基于以上理论所做的进一步试验研究表明,某些特定的工件被加工表面和刀具几何参数在其常用的合理范围内变化时,可以通过回归分析确定出特定切削条件下求解最优切削速度的公式,即一种基于生产现场统计数据分析的切削用量确定方法,包括如下步骤:
步骤1:统计包含N条切削数据记录的切削数据集,每条切削数据记录各分类属性和参数属性,所述分类属性包括切削工艺、工件材料种类、工件材料牌号、工件被加工表面几何特征、刀具材料牌号、刀具材料种类、刀具几何特征,所述切削工艺包括车削、铣削、钻削、铰削、镗削数控切削工艺,所述参数属性包括切削用量、刀具几何参数和工件被加工表面几何参数,所述切削用量包括进给量、切削深度、切削行距,所述刀具几何参数包括刀具直径、刀尖圆角半径、刀具前角、刀片宽度、铣刀齿数、铣刀螺旋角和主偏角,所述工件被加工表面几何参数包括外圆弧半径、内圆弧半径、工件的外表面直径和内表面直径;
步骤2:判断每条切削数据记录的完整性,如果第k条切削数据记录中包含所有分类属性、切削工艺对应的所有切削用量以及特定刀具几何特征所对应的刀具几何参数,则认为第k条切削数据记录是完整的,否则,认为第k条切削数据记录是不完整的,剔除不完整的切削数据记录,k=1,2,…,N,所述特定刀具几何特征所对应的刀具几何参数为:旋转类刀具的刀具几何参数是指刀具直径,铣刀的刀具几何参数是指铣刀齿数,切槽刀具的刀具几何参数是指刀片宽度;
步骤3:判断每条切削数据记录的合理性,如果第k条切削数据记录中的切削用量是在设备额定转速受限情况下保存的,则认为第k条切削数据记录中的切削用量是不合理的,剔除切削用量不合理的切削数据记录;
步骤4:按照每种分类属性对N'条具备完整性、合理性的切削数据记录进行分组,得到对应不同分类属性的切削数据组,其中N'表示剔除不完整的、不合理的切削数据记录后切削数据集中剩余的总条数;
步骤5:建立计算每组切削条件下对应切削速度的表达式如公式(1)所示,
式中,Vc,j表示第j组切削条件下的切削速度,j=1,2,…,Q,Q表示切削数据集分组后的总组数,C、n1~n14表示待求解参数,f表示进给量,ap表示切削深度,ae表示切削行距,d表示刀具直径,r表示刀具圆角半径,γ表示刀具前角,w表示刀片宽度,z表示铣刀齿数,β表示铣刀螺旋角,κ表示刀具主偏角,Re表示工件被加工表面的外圆弧半径,Ri表示工件被加工表面的内圆弧半径,De表示工件的外表面直径,Di表示工件的内表面直径,各待求解参数n1~n14需满足合理的数值范围,即-1≤n1≤0、-0.5≤n2≤0、-0.5≤n3≤0、0≤n4≤0.5、0≤n5≤0.5、0≤n6≤0.5、-0.5≤n7≤0、-0.5≤n8≤0、-0.5≤n9≤0.5、-0.5≤n10≤0、-0.5≤n11≤0、0≤n12≤0.5、-0.5≤n13≤0、0≤n14≤0.5;用表格的形式表示如表1所示,需要说明的是,不同种类的切削工艺对应的分类属性不同,且不同的分类属性对应的参数属性也不同,所以不同的切削工艺、刀具、工件下需要求解的参数也不同。
表1参数属性表
步骤6:如果第j组切削数据组中包含的切削数据记录超过5条,将第j组切削数据组中每条切削数据记录分别代入公式(1)中,通过回归分析求解公式(1)中的待求解参数;利用回归分析计算待求解参数时,需要满足第j组切削数据组中包含的切削数据记录的条数l1大于等于待求解参数的个数l2,当l1小于l2时,选择去掉公式(1)中代表工件被加工表面几何参数或刀具几何参数中不影响切削数据记录完整性的任意因子项,直到满足l1等于l2,通过构建的l1个等式方程求解各参数,如果将公式(1)中可去掉的所有因子项都去掉,即去掉了代表工件被加工表面几何参数和刀具几何参数中不影响切削数据记录完整性的所有因子项后,仍然不满足l1等于l2时,则按步骤8的情况进行处理;如果步骤6求解出来的任意一项参数值不在合理的数值范围之内时,则按照步骤8的情况进行处理。
步骤7:将求解出来的各参数带入公式(1),确定出第j组切削条件下切削速度的具体表达式;
步骤8:如果第j'组切削数据组中包含的切削数据记录不超过5条,利用公式(1)通过回归分析求解各参数时,借用与切削工艺、工件材料种类和刀具材料种类均相同的组别所对应的已经确定出切削速度具体表达式中的n1~n14的具体数值,待求解参数C的具体数值通过将第j'组切削数据组中的包含参数属性最多的一条切削数据记录带入公式(1)中确定,若包含参数属性最多的切削数据记录大于等于2条,则分别通过每条切削数据记录求解参数C并取平均值,即可确定出第j'组切削条件下切削速度的具体表达式,其中j'∈Q;所述借用与切削工艺、工件材料种类和刀具材料种类均相同的组别,具体表述为:存在与第j'组切削数据组的切削工艺、工件材料种类和刀具材料种类均相同的组别有J个时,J>1,确定采用哪个组别的优先顺序表述为:根据工件材料牌号>刀具材料牌号>刀具几何特征>工件被加工表面几何特征的排列等级依次判断各分类属性是否相同,优先采用排列等级高的分类属性所对应的组别。
步骤9:根据各个组别切削条件下的切削速度,以及对应的进给量、切削深度、切削行距即可确定出切削用量,所述进给量、切削深度、切削行距根据工序余量、工件被加工表面粗糙度确定,进给量、切削深度、切削行距、切削速度确定了之后,即确定了切削用量。将各种切削条件下切削速度的具体表达式出来后,存入数据库中,即可用于新的切削条件下的切削用量的计算,实际应用时,若所查询切削条件所对应的组别下没有检索到相应的经验公式,则显示“无法推荐切削用量”。
下面结合实施例对本发明进行进一步说明。
本实施方式中根据收集的切削数据,经合格性审查后,对其进行不同组别的分类,如表示2所示。
表2切削数据集分组表
经统计,组别01切削数据记录为10条,可以利用公式(1)确定各待求解参数的具体数值,通过回归分析计算得到切削速度的公式为:
Vc=24.45γ0.18f-0.38ap -0.15Re -0.03
其中,Vc为切削速度,γ为刀片前角,f为进给量,ap为切削深度,Re为工件被加工表面的外圆弧半径。
组别18中包含的切削数据记录条数为3条,不能直接利用公式(1)求解各参数,需要借用组别01对应的切削速度公式中γ、f、ap、Re指数项上参数的具体值,通过回归分析得到如下公式:
Vc=13.37γ0.18f-0.38ap -0.15Re -0.03
将上式存入数据库中。
若生产中需要计算如下条件的切削速度:普通车削、工件材料TC17、刀具材料HX、圆形刀片前角6°、进给量0.12mm、切削深度0.5mm、工件被加工表面外圆弧半径32mm,则可根据数据库中的组别18对应的公式进行计算:
Vc=13.37×60.180.12-0.380.5-0.1532-0.03=41.3(m/min)。
Claims (3)
1.一种基于生产现场统计数据分析的切削用量确定方法,其特征在于,包括如下步骤:
步骤1:统计包含N条切削数据记录的切削数据集,每条切削数据记录各分类属性和参数属性,所述分类属性包括切削工艺、工件材料种类、工件材料牌号、工件被加工表面几何特征、刀具材料牌号、刀具材料种类、刀具几何特征,所述切削工艺包括车削、铣削、钻削、铰削、镗削数控切削工艺,所述参数属性包括切削用量、刀具几何参数和工件被加工表面几何参数,所述切削用量包括进给量、切削深度、切削行距,所述刀具几何参数包括刀具直径、刀尖圆角半径、刀具前角、刀片宽度、铣刀齿数、铣刀螺旋角和主偏角,所述工件被加工表面几何参数包括外圆弧半径、内圆弧半径、工件的外表面直径和内表面直径;
步骤2:判断每条切削数据记录的完整性,如果第k条切削数据记录中包含所有分类属性、切削工艺对应的所有切削用量以及特定刀具几何特征所对应的刀具几何参数,则认为第k条切削数据记录是完整的,否则,认为第k条切削数据记录是不完整的,剔除不完整的切削数据记录,k=1,2,…,N,所述特定刀具几何特征所对应的刀具几何参数为:旋转类刀具的刀具几何参数是指刀具直径,铣刀的刀具几何参数是指铣刀齿数,切槽刀具的刀具几何参数是指刀片宽度;
步骤3:判断每条切削数据记录的合理性,如果第k条切削数据记录中的切削用量是在设备额定转速受限情况下保存的,则认为第k条切削数据记录中的切削用量是不合理的,剔除切削用量不合理的切削数据记录;
步骤4:按照每种分类属性对N'条具备完整性、合理性的切削数据记录进行分组,得到对应不同分类属性的切削数据组,其中N'表示剔除不完整的、不合理的切削数据记录后切削数据集中剩余的总条数;
步骤5:建立计算每组切削条件下对应切削速度的表达式如公式(1)所示,
式中,Vc,j表示第j组切削条件下的切削速度,j=1,2,…,Q,Q表示切削数据集分组后的总组数,C、n1~n14表示待求解参数,f表示进给量,ap表示切削深度,ae表示切削行距,d表示刀具直径,r表示刀具圆角半径,γ表示刀具前角,w表示刀片宽度,z表示铣刀齿数,β表示铣刀螺旋角,κ表示刀具主偏角,Re表示工件被加工表面的外圆弧半径,Ri表示工件被加工表面的内圆弧半径,De表示工件的外表面直径,Di表示工件的内表面直径,各待求解参数n1~n14需满足合理的数值范围,即-1≤n1≤0、-0.5≤n2≤0、-0.5≤n3≤0、0≤n4≤0.5、0≤n5≤0.5、0≤n6≤0.5、-0.5≤n7≤0、-0.5≤n8≤0、-0.5≤n9≤0.5、-0.5≤n10≤0、-0.5≤n11≤0、0≤n12≤0.5、-0.5≤n13≤0、0≤n14≤0.5;
步骤6:如果第j组切削数据组中包含的切削数据记录超过5条,将第j组切削数据组中每条切削数据记录分别代入公式(1)中,通过回归分析求解公式(1)中的待求解参数;
步骤7:将求解出来的各参数带入公式(1),确定出第j组切削条件下切削速度的具体表达式;
步骤8:如果第j'组切削数据组中包含的切削数据记录不超过5条,利用公式(1)通过回归分析求解各参数时,借用与切削工艺、工件材料种类和刀具材料种类均相同的组别所对应的已经确定出切削速度具体表达式中的n1~n14的具体数值,待求解参数C的具体数值通过将第j'组切削数据组中的包含参数属性最多的一条切削数据记录带入公式(1)中确定,若包含参数属性最多的切削数据记录大于等于2条,则分别通过每条切削数据记录求解参数C并取平均值,即可确定出第j'组切削条件下切削速度的具体表达式,其中j'∈Q;
步骤9:根据各个组别切削条件下的切削速度,以及对应的进给量、切削深度、切削行距即可确定出切削用量。
2.根据权利要求1所述的一种基于生产现场统计数据分析的切削用量确定方法,其特征在于,所述步骤6中利用回归分析计算待求解参数时,需要满足第j组切削数据组中包含的切削数据记录的条数l1大于等于待求解参数的个数l2,当l1小于l2时,选择去掉公式(1)中代表工件被加工表面几何参数或刀具几何参数中不影响切削数据记录完整性的任意因子项,直到满足l1等于l2,通过构建的l1个等式方程求解各参数,如果将公式(1)中可去掉的所有因子项都去掉后,仍然不满足l1等于l2时,则按步骤8的情况进行处理;如果步骤6求解出来的任意一项参数值不在合理的数值范围之内时,则按照步骤8的情况进行处理。
3.根据权利要求1所述的一种基于生产现场统计数据分析的切削用量确定方法,其特征在于,步骤8中借用与切削工艺、工件材料种类和刀具材料种类均相同的组别,具体表述为:存在与第j'组切削数据组的切削工艺、工件材料种类和刀具材料种类均相同的组别有J个时,J>1,确定采用哪个组别的优先顺序表述为:根据工件材料牌号>刀具材料牌号>刀具几何特征>工件被加工表面几何特征的排列等级依次判断各分类属性是否相同,优先采用排列等级高的分类属性所对应的组别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972647.6A CN112069233B (zh) | 2020-09-16 | 2020-09-16 | 一种基于生产现场统计数据分析的切削用量确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972647.6A CN112069233B (zh) | 2020-09-16 | 2020-09-16 | 一种基于生产现场统计数据分析的切削用量确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112069233A true CN112069233A (zh) | 2020-12-11 |
CN112069233B CN112069233B (zh) | 2022-10-21 |
Family
ID=73696003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010972647.6A Active CN112069233B (zh) | 2020-09-16 | 2020-09-16 | 一种基于生产现场统计数据分析的切削用量确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069233B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108038083A (zh) * | 2017-11-15 | 2018-05-15 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种使用数据软件进行刀具耐用度预测的方法 |
-
2020
- 2020-09-16 CN CN202010972647.6A patent/CN112069233B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108038083A (zh) * | 2017-11-15 | 2018-05-15 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种使用数据软件进行刀具耐用度预测的方法 |
Non-Patent Citations (1)
Title |
---|
叶洪涛等: "基于航空发动机工艺特征的动态切削数据系统", 《智能制造》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112069233B (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776712B (zh) | 基于i5智能数控车床的车削工艺数据库及其应用方法 | |
Kumar et al. | Multi objective optimization using different methods of assigning weights to energy consumption responses, surface roughness and material removal rate during rough turning operation | |
CN107248047B (zh) | 基于加工过程状态熵动态计算的加工过程状态评价方法 | |
Sristi et al. | Multi-response optimization of hard turning parameters: a comparison between different hybrid Taguchi-based MCDM methods | |
CN110032159A (zh) | 船用柴油机关重件切削加工控制系统实现方法 | |
CN109901512A (zh) | 一种基于加工参数标准化的车削工时定额方法 | |
Bagaber et al. | Sustainable optimization of dry turning of stainless steel based on energy consumption and machining cost | |
CN110390138B (zh) | 一种刀夹具的多目标综合优选方法 | |
Usubamatov et al. | Optimization of multi-tool machining processes with simultaneous action | |
CN116719275A (zh) | 面向零件全切削过程的工艺综合优化方法 | |
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 | |
Ordu et al. | A novel decision support system based on fuzzy multi criteria decision making for optimizing machining parameters | |
Suresh et al. | An experimental investigation with minimum quantity lubrication and its comparison with various vegetable oil based cutting fluids during turning | |
CN112428025A (zh) | 一种构建刀具二维磨损图进行安全切削区域优选的方法 | |
Patel et al. | Insert selection for turning operation on CNC turning centre using MADM methods | |
CN108038083B (zh) | 一种使用数据软件进行刀具耐用度预测的方法 | |
Garg et al. | A study of surface roughness in drilling of AISI H11 die steel using face centered design | |
CN113869625A (zh) | 一种刀具优选评估模型及方法 | |
CN205600297U (zh) | 一种采用微量润滑系统的机器人钻铣装置 | |
Vasudevan et al. | Optimization of process parameters in the turning operation of Inconel 625 | |
CN111460053B (zh) | 一种面向制造业刀具数据的数据查询方法 | |
Lau | Optimization of milling conditions | |
Ingle et al. | Performance evaluation of process parameters using MCDM methods for Titanium Alloy (Ti6al4v) in turning operation | |
Barać et al. | A review of machine learning methods applied in smart machining | |
Bani et al. | Grey Relational Analysis-based Interactions of Machining Parameters for Optimal Process Response: An Experimental Initiative |
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 |