CN113341874A - 一种基于混合推理的车削加工参数自动加载方法 - Google Patents

一种基于混合推理的车削加工参数自动加载方法 Download PDF

Info

Publication number
CN113341874A
CN113341874A CN202110631375.8A CN202110631375A CN113341874A CN 113341874 A CN113341874 A CN 113341874A CN 202110631375 A CN202110631375 A CN 202110631375A CN 113341874 A CN113341874 A CN 113341874A
Authority
CN
China
Prior art keywords
turning
processing
machining
parameters
workpiece
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
CN202110631375.8A
Other languages
English (en)
Other versions
CN113341874B (zh
Inventor
孙玉文
官俊楠
徐金亭
张宇宁
周鑫
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202110631375.8A priority Critical patent/CN113341874B/zh
Publication of CN113341874A publication Critical patent/CN113341874A/zh
Application granted granted Critical
Publication of CN113341874B publication Critical patent/CN113341874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical 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
    • G05B19/19—Numerical 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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35349—Display part, programmed locus and tool path, traject, dynamic locus
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供了一种基于混合推理的车削加工参数自动加载方法，属于智能制造技术领域。该方法旨在基于工件材料数据库和车削加工参数专家知识库，通过混合推理解决目前车削加工中加工参数与工件材料不匹配的难题。首先，根据材料加工属性参数，构建工件材料数据库；考虑影响车削加工参数的主要因素：加工阶段、加工特征、刀具材料、工件材料，构建车削加工参数专家知识库；进而，通过工件材料编码，建立车削加工参数专家知识库与工件材料数据库之间的关联关系；在此基础上，给出融合规则正向推理与模糊聚类算法的混合推理策略，实现与工件材料特性相匹配的车削加工参数的自动加载，从而可有效减轻工艺人员的设计负担。

Description

一种基于混合推理的车削加工参数自动加载方法
技术领域
本发明属于智能制造技术领域，涉及一种基于混合推理的车削加工参数自动加载方法。
背景技术
车削加工是以工件作回转运动，刀具在平面内作直线或曲线进给，从工件上移除材料的一种加工方法，是机械加工的重要组成部分。在切削过程中，切削参数的合理选择对切削效率、加工质量和制造成本具有重要的影响。目前，车削加工工艺人员主要根据机床或刀具厂商推荐，或者依据个人的加工经验选择切削参数。此种基于经验的方法简便易用，但由于缺乏理论指导和优化工具，很难获得合理最优的切削参数，很难充分发挥高档数控车床的加工潜能，甚至易发生损坏刀具和机床主轴的现象。因此，切削参数的合理选择，直接关系到能否安全有效地使用刀具与机床，对提高加工效率与加工精度、降低生产成本具有重要的作用。文献“铣削加工数据库专家系统的研究与设计，硕士学位论文，汪亚萍”针对铣削加工，采用数据库与专家系统技术，设计铣削加工数据库；文献“数控铣削加工切削参数优选专家系统的研究，硕士学位论文，蓝渊”针对铣削加工，使用专家系统技术，当实际加工条件与知识库中的知识相匹配时，实现了铣削加工切削参数的自动加载，但当知识库中没有与实际加工条件精确匹配的规则时，则无法输出加工参数。文献“孔加工切削参数优化系统的研究与开发，硕士学位论文，赵鹏飞”，建立了以最小加工工时、最小加工成本为目标函数，以表面粗糙度等技术要求为约束的孔加工切削参数优化模型，并提出了一种结合遗传算法与非线性规划寻优的优化算法，利用该算法计算优化模型得到优化后的孔加工切削参数，但只适用于孔的车削加工。到目前为止，融合规则正向推理与模糊聚类算法的混合推理的车削加工参数自动加载方法还未在相关文献和专利中出现。
发明内容
为解决目前车削加工中加工参数与工件材料不匹配的难题，本发明提供了一种基于混合推理的车削加工参数自动加载方法。
本发明所采用的技术方案是：首先根据材料加工属性参数，构建工件材料数据库；考虑影响车削加工参数的主要因素：加工阶段、加工特征、刀具材料、工件材料，构建车削加工参数专家知识库；进而，通过工件材料编码，建立车削加工参数专家知识库与工件材料数据库之间的关联关系；在此基础上，给出融合规则正向推理与模糊聚类算法的混合推理策略，实现与工件材料特性相匹配的车削加工参数的自动加载。具体实施步骤为：
步骤1.考虑影响材料加工性能参数，构建工件材料数据库。工件材料数据库由材料编号和材料加工属性参数构成，其中材料加工属性参数包括布氏硬度(N/mm2)、抗拉强度(N/mm2)、塑性延伸率(％)、导热率(W/(m·k))、冲击韧度(KJ/m2)；工件材料数据库具备材料编号及材料加工属性参数的添加、查询、删除及修改功能。
步骤2.将车削加工经验知识化，构建车削加工参数专家系统知识库。车削加工参数专家系统知识库中包括车削加工参数、加工阶段、加工特征、刀具材料、工件材料和加工规则；车削加工参数专家系统知识库应具备加工规则的添加、查询、删除及修改功能。车削加工参数专家系统知识库具体内容如下：
a1.步骤2中的车削加工参数包括：最小切削深度(mm)、最大切削深度(mm)；最小进给量(mm/r)、最大进给量(mm/r)；最小切削速度(m/min)、最大切削速度(m/min)；
a2.步骤2中的加工阶段包括粗加工、半精加工和精加工；
a3.步骤2中的加工特征包括端面、外型面、内型面和槽；
a4.步骤2中的刀具材料包括高速钢、硬质合金、陶瓷、人造金刚石和立方氮化硼；
a5.步骤2中的工件材料为步骤1中材料库所存储的材料编号；
a6.步骤2中的加工规则为基于规则的产生式知识表示形式，例如IF P THEN Q，其中P为影响车削加工的条件：即步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料和步骤a5中的工件材料，Q为推理得到加工参数。
步骤3.融合规则正向推理与模糊聚类算法的混合推理。具体步骤如下：
b1.输入用户加工条件：即步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料和步骤a5中的工件材料；
b2.序列化用户加工条件，调用车削加工参数专家系统知识库的加工规则，输出相匹配的加工参数；如果没有相匹配的加工参数，则进行以材料参数为特征的模糊聚类查询，在车削加工参数专家系统知识库中重新匹配。具体步骤如下：
c1.去除材料因素，考虑步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料，重新序列化用户加工条件；
c2.调用车削加工参数专家系统知识库的加工规则，将所有能与步骤c1中重新序列化后的加工条件匹配到的规则，重新建立一个临时车削加工参数专家系统知识库；
c3.获取步骤b1中用户输入加工条件中工件材料编号以及步骤c2中临时车削加工参数专家系统知识库中的所有材料编号；
c4.根据步骤c3中获得的所有材料编号，在步骤1的材料库中查询与之对应的材料加工属性参数，构建原始数据矩阵；
c5.根据步骤c4中原始数据矩阵，采用极值标椎化公式，构建模糊相似矩阵；
c6.根据步骤c5中获得的模糊相似矩阵，采用夹角余弦法，构建模糊等价矩阵；
c7.根据步骤c6中获得的模糊等价矩阵，找到与实际加工材料最相近工件材料的编号；
c8.根据步骤c7中得到的相近工件材料的编号替换实际加工材料编号重新序列化用户加工条件；
c9.根据步骤c8中重新序列化后的加工信息，调用车削加工参数专家系统知识库的加工规则，输出相匹配的加工参数；
本发明的有益效果是：首先根据材料加工属性参数，构建工件材料数据库；考虑影响车削加工参数的主要因素：加工阶段、加工特征、刀具材料、工件材料，构建车削加工参数专家知识库；进而，通过工件材料编码，建立车削加工参数专家知识库与工件材料数据库之间的关联关系；在此基础上，给出融合规则正向推理与模糊聚类算法的混合推理策略，实现与工件材料特性相匹配的车削加工参数的自动加载，从而解决传统车削加工过程中车削加工参数与工件材料不匹配的难题，有效减轻工艺人员的设计负担，同时提高零件的加工效率和质量，实现零件高质高效的车削加工。
附图说明
图1是本发明的流程示意图。
图2是所构建的材料库示意图。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
一种基于混合推理的车削加工参数自动加载方法的流程图如图1所示。下面参照附图和实施步骤对本发明方法的实施过程进行详细描述：
步骤1.考虑影响材料加工性能参数，构建材料库，如图2所示。具体存储内容如下：
步骤1中材料库存储内容有：该材料编号和加工属性参数，其中加工属性参数为：布氏硬度(N/mm2)、抗拉强度(N/mm2)、塑性延伸率(％)、导热率(W/(m*k))、冲击韧度(KJ/m2)；
步骤1中材料库具备功能有：1)添加功能：根据材料编号，存储与该材料对应的加工属性参数值；2)查询功能：根据材料编号查询与之对应的加工属性参数值；3)删除功能：根据材料编号删除该材料在材料库中的记录；4)修改功能：根据材料编号修改与之对应的加工属性参数值。
步骤2.将车削加工经验知识化，构建车削加工参数专家系统知识库，如表1所示。车削加工参数专家系统知识库中包括车削加工参数、加工阶段、加工特征、刀具材料、工件材料和加工规则；车削加工参数专家系统知识库应具备加工规则的添加、查询、删除及修改功能，其中1)添加功能：选择影响车削加工参数的因素水平，设置车削加工参数及规则编号；2)查询功能：根据规则编号查询与之对应的加工规则；3)删除功能：根据规则编号删除对应的规则；4)修改功能：根据加工规则编号，修改与之对应的加工参数。
表1构建的车削加工参数专家系统知识库
Figure BDA0003103872090000051
车削加工参数专家系统知识库具体内容如下：
a1.步骤2中的车削加工参数主要包括：最小切削深度(mm)、最大切削深度(mm)、最小进给量(mm/r)、最大进给量(mm/r)、最小切削速度(m/min)、最大切削速度(m/min)；
a2.步骤2中的加工阶段包括粗加工、半精加工和精加工；
a3.步骤2中的加工特征包括端面、外型面、内型面和槽；
a4.步骤2中的刀具材料包括高速钢、硬质合金、陶瓷、人造金刚石和立方氮化硼；
a5.步骤2中的工件材料为步骤1中材料库所存储的材料编号；
a6.步骤2中的加工规则为基于规则的产生式知识表示形式。例如，车削加工参数专家系统知识库中的一条规则可表示如下：
规则编号：C_C_Carbide_GH738
知识规则：IF加工阶段＝“粗加工”AND
加工特征＝“端面”AND
刀具材料＝“硬质合金”AND
工件材料编号＝“GH738”
THEN2.00mm≤切削深度≤4.00mm
0.20mm/r≤进给量≤0.40mm/r
70.00m/min≤切削速度≤90.00m/min
步骤3.融合规则正向推理与模糊聚类算法的混合推理。具体步骤如下：
b1.输入用户加工条件：即步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料和步骤a5中的工件材料；
b2.序列化用户加工条件，调用车削加工参数专家系统知识库的加工规则，输出相匹配的加工参数；如果没有相匹配的加工参数，则进行以材料参数为特征的模糊聚类查询，在车削加工参数专家系统知识库中重新匹配。具体步骤如下：
c1.去除材料因素，考虑步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料，重新序列化用户加工条件；
c2.调用车削加工参数专家系统知识库的加工规则，将所有能与步骤c1中重新序列化后的加工条件匹配到的规则重新建立一个临时车削加工参数专家系统知识库；
c3.获取步骤b1中用户输入加工条件中工件材料编号以及步骤c2中临时车削加工参数专家系统知识库中的所有材料编号；
c4.根据步骤c3中获得的所有材料编号，去步骤1的材料库中查询与之对应的材料加工属性参数，构建原始数据矩阵，获得的原始数据矩阵，如表2所示；
Figure BDA0003103872090000061
c5.根据步骤c4中原始数据矩阵，采用极值标椎化公式(1)，构建模糊相似矩阵，模糊相似矩阵，如表3所示；
Figure BDA0003103872090000071
Figure BDA0003103872090000072
式中，xi,j为材料属性值，x′i,j为材料属性值xi,j经过极值标椎化处理后的数值，即材料属性参数标准化值，m为当前材料库中材料种类个数。
c6.根据步骤c5中模糊相似矩阵，采用夹角余弦法公式(2)，构建模糊等价矩阵，模糊等价矩阵，如表4所示；
Figure BDA0003103872090000073
Figure BDA0003103872090000074
式中，x″i,j为材料模糊相似度。
c7.根据步骤c6中获得的模糊等价矩阵，找到与实际加工材料最相近工件材料的编号；
c8.根据步骤c7中得到的相近工件材料的编号替换实际加工材料编号重新序列化用户加工条件；
c9.根据步骤c8中重新序列化后的加工信息，调用车削加工参数专家系统知识库的加工规则，输出相匹配的加工参数。

Claims (1)

1.一种基于混合推理的车削加工参数自动加载方法，其特征在于：首先根据材料加工属性参数，构建工件材料数据库；考虑影响车削加工参数的主要因素：加工阶段、加工特征、刀具材料、工件材料，构建车削加工参数专家知识库；进而，通过工件材料编码，建立车削加工参数专家知识库与工件材料数据库之间的关联关系；在此基础上，给出融合规则正向推理与模糊聚类算法的混合推理策略，实现与工件材料特性相匹配的车削加工参数的自动加载；
具体步骤为：
步骤1.考虑影响材料加工性能参数，构建工件材料数据库；工件材料数据库由材料编号和材料加工属性参数构成，其中材料加工属性参数包括布氏硬度、抗拉强度、塑性延伸率、导热率、冲击韧度；工件材料数据库具备材料编号及材料加工属性参数的添加、查询、删除及修改功能；
步骤2.将车削加工经验知识化，构建车削加工参数专家系统知识库；车削加工参数专家系统知识库中包括车削加工参数、加工阶段、加工特征、刀具材料、工件材料和加工规则；车削加工参数专家系统知识库应具备加工规则的添加、查询、删除及修改功能；车削加工参数专家系统知识库具体内容如下：
a1.车削加工参数包括：最小切削深度、最大切削深度；最小进给量、最大进给量；最小切削速度、最大切削速度；
a2.加工阶段包括粗加工、半精加工和精加工；
a3.加工特征包括端面、外型面、内型面和槽；
a4.刀具材料包括高速钢、硬质合金、陶瓷、人造金刚石和立方氮化硼；
a5.工件材料为步骤1中材料库所存储的材料编号；
a6.加工规则为基于规则的产生式知识表示形式：IF P THEN Q，其中P为影响车削加工的条件：即步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料和步骤a5中的工件材料，Q为推理得到加工参数；
步骤3.融合规则正向推理与模糊聚类算法的混合推理；
b1.输入用户加工条件：即步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料和步骤a5中的工件材料；
b2.序列化用户加工条件，调用车削加工参数专家系统知识库的加工规则，输出相匹配的加工参数；如果没有相匹配的加工参数，则进行以材料参数为特征的模糊聚类查询，在车削加工参数专家系统知识库中重新匹配；具体步骤如下：
c1.去除材料因素，考虑步骤a2中的加工阶段、步骤a3中的加工特征、步骤a4中的刀具材料，重新序列化用户加工条件；
c2.调用车削加工参数专家系统知识库的加工规则，将所有能与重新序列化后的加工条件匹配到的规则，设置为一个临时车削加工参数专家系统知识库；
c3.获取步骤b1中用户输入加工条件中工件材料编号以及步骤c2中临时车削加工参数专家系统知识库中的所有材料编号；
c4.根据步骤c3中获得的所有材料编号，在步骤1的材料库中查询与之对应的材料加工属性参数，构建原始数据矩阵；
c5.根据步骤c4中原始数据矩阵，采用极值标椎化公式，构建模糊相似矩阵；
c6.根据步骤c5中获得的模糊相似矩阵，采用夹角余弦法，构建模糊等价矩阵；
c7.根据步骤c6中获得的模糊等价矩阵，找到与实际加工材料最相近工件材料的编号；
c8.根据步骤c7中得到的相近工件材料的编号替换实际加工材料编号重新序列化用户加工条件；
c9.根据步骤c8中得到用户加工条件匹配车削加工参数专家系统，得到相应的加工参数。
CN202110631375.8A 2021-06-07 2021-06-07 一种基于混合推理的车削加工参数自动加载方法 Active CN113341874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110631375.8A CN113341874B (zh) 2021-06-07 2021-06-07 一种基于混合推理的车削加工参数自动加载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110631375.8A CN113341874B (zh) 2021-06-07 2021-06-07 一种基于混合推理的车削加工参数自动加载方法

Publications (2)

Publication Number Publication Date
CN113341874A true CN113341874A (zh) 2021-09-03
CN113341874B CN113341874B (zh) 2022-04-12

Family

ID=77474529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110631375.8A Active CN113341874B (zh) 2021-06-07 2021-06-07 一种基于混合推理的车削加工参数自动加载方法

Country Status (1)

Country Link
CN (1) CN113341874B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010503067A (ja) * 2006-09-05 2010-01-28 サンネン プロダクツ カンパニー ゲージシステムの機械制御への完全統合による機械加工パラメータの自動制御のためのコントローラ
CN103105822A (zh) * 2011-11-10 2013-05-15 上海电机学院 智能选择切削参数的方法
CN203454922U (zh) * 2013-05-14 2014-02-26 中国人民解放军总装备部军械技术研究所 火炮随动系统检测仪
CN104679828A (zh) * 2015-01-19 2015-06-03 云南电力调度控制中心 一种基于规则的电网故障诊断智能系统
CN105354375A (zh) * 2015-10-27 2016-02-24 利诚服装集团股份有限公司 面向智能制衣的专家知识库的设计方法
CN107958043A (zh) * 2017-11-24 2018-04-24 中科院合肥技术创新工程院 一种电网工程预算清单自动生成方法
CN109726228A (zh) * 2018-11-01 2019-05-07 北京理工大学 一种大数据背景下的切削数据综合应用方法
CN110202190A (zh) * 2019-05-14 2019-09-06 山东理工大学 一种减小铣削塑性材料变形的方法
CN111159147A (zh) * 2019-12-09 2020-05-15 清华大学 基于Teamcenter平台的整体叶轮铣削工艺知识库模型
CN111738445A (zh) * 2020-05-26 2020-10-02 山东大学 一种支持产品快速创新的设计知识融合推理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010503067A (ja) * 2006-09-05 2010-01-28 サンネン プロダクツ カンパニー ゲージシステムの機械制御への完全統合による機械加工パラメータの自動制御のためのコントローラ
CN103105822A (zh) * 2011-11-10 2013-05-15 上海电机学院 智能选择切削参数的方法
CN203454922U (zh) * 2013-05-14 2014-02-26 中国人民解放军总装备部军械技术研究所 火炮随动系统检测仪
CN104679828A (zh) * 2015-01-19 2015-06-03 云南电力调度控制中心 一种基于规则的电网故障诊断智能系统
CN105354375A (zh) * 2015-10-27 2016-02-24 利诚服装集团股份有限公司 面向智能制衣的专家知识库的设计方法
CN107958043A (zh) * 2017-11-24 2018-04-24 中科院合肥技术创新工程院 一种电网工程预算清单自动生成方法
CN109726228A (zh) * 2018-11-01 2019-05-07 北京理工大学 一种大数据背景下的切削数据综合应用方法
CN110202190A (zh) * 2019-05-14 2019-09-06 山东理工大学 一种减小铣削塑性材料变形的方法
CN111159147A (zh) * 2019-12-09 2020-05-15 清华大学 基于Teamcenter平台的整体叶轮铣削工艺知识库模型
CN111738445A (zh) * 2020-05-26 2020-10-02 山东大学 一种支持产品快速创新的设计知识融合推理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
S.V. WONG: "A fuzzy logic based expert system for machinability data-on-demand on the Internet", 《JOURNAL OF MATERIALS PROCESSING TECHNOLOGY》 *
刘建萍等: "模糊数据融合的刀具磨损状态智能识别", 《机械与电子》 *
耿元伟等: "基于知识库的自升式平台结构设计方法研究", 《船舶工程》 *
赵鹏飞: "孔加工切削参数优化系统的研究与开发", 《航空精密制造技术》 *

Also Published As

Publication number Publication date
CN113341874B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN106776712A (zh) 基于i5智能数控车床的车削工艺数据库及其应用方法
Smith Cutting tool technology: industrial handbook
Dereli et al. Optimizing cutting parameters in process planning of prismatic parts by using genetic algorithms
CN102331749B (zh) 一种数控加工工艺参数优化方法
KR100845873B1 (ko) 단조용 금형 제조 방법
CN104400527A (zh) 一种面向机械加工过程的刀具选配方法
CN108555552A (zh) 车灯模具零件加工工艺
CN109992881A (zh) 一种面向step-nc制造特征的智能非线性工艺规划方法
CN113341874B (zh) 一种基于混合推理的车削加工参数自动加载方法
CN103105822A (zh) 智能选择切削参数的方法
CN110390138B (zh) 一种刀夹具的多目标综合优选方法
CN114912706A (zh) 一种基于粒子群算法的刀具选配方法
Abdou et al. TVCAPP, tolerance verification in computer-aided process planning
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
CN106078110B (zh) 一种以车代磨生产高精度轴承钢领的工艺
CN104174910A (zh) 铣削式微型刀具切削方法
CN101412121A (zh) 大功率中速柴油机连杆齿形加工方法及其专用加工刀具
CN205629492U (zh) 一种带修光刃铣刀
CN110321370B (zh) 基于rbr的刀夹具选配方法及滚齿机的刀夹具选配方法
Ostojic et al. An integral system for automated cutting tool selection
Cai et al. Intelligent grinding assistant (IGA (©))-system development part I intelligent grinding database
CN110442025A (zh) 一种构建铣削切削参数低碳优化模型的方法
CN201295787Y (zh) 一种用于大功率中速柴油机连杆齿形加工的专用刀具
Gonzalez et al. General and flexible methodology and architecture for CAPP: GF-CAPP system
Gogoi et al. A green process planning system

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