CN114536108B - 一种基于灰色系统的凸轮摆动磨削工艺参数优化方法 - Google Patents
一种基于灰色系统的凸轮摆动磨削工艺参数优化方法 Download PDFInfo
- Publication number
- CN114536108B CN114536108B CN202210081219.3A CN202210081219A CN114536108B CN 114536108 B CN114536108 B CN 114536108B CN 202210081219 A CN202210081219 A CN 202210081219A CN 114536108 B CN114536108 B CN 114536108B
- Authority
- CN
- China
- Prior art keywords
- rsm
- process parameter
- gray
- parameter
- process parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 180
- 230000008569 process Effects 0.000 title claims abstract description 147
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000010606 normalization Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 33
- 238000002474 experimental method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003746 surface roughness Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012067 mathematical method Methods 0.000 abstract description 5
- 238000010219 correlation analysis Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 239000012530 fluid Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005255 carburizing Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/56—Investigating resistance to wear or abrasion
-
- 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)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明公开了一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，包括：选取多个工艺参数，选取表面三维评定参数幅度参数Ra、Rz、Rsm为工艺指标，将所有工艺参数的水平值通过相互组合的方式进行正交试验，测量获取到不同水平值组合下的Ra、Rz、Rsm的值；进行极差分析，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合；量纲归一化处理；计算灰色相关系数；计算每个工艺参数组合的灰关联度，获取到最优的工艺参数组合；将工艺参数组合进行对比，得到最终的最优工艺参数组合。本发明采用灰色系统的方法对现有的工艺参数进行优化，以降低表面粗糙度为目标，能够根据现有的数据，通过数学的方法进行优化，能节约大量的时间和资金，优化效果显著。
Description
技术领域
本发明属于凸轮摆动磨削技术领域，具体涉及一种基于灰色系统的凸轮摆动磨削工艺参数优化方法。
背景技术
宽型面凸轮磨削加工中，砂轮与凸轮型面较大的接触区限制了磨削温度的扩散，易导致磨削烧伤问题，制约了宽型面凸轮的加工效率。针对宽型面凸轮加工，传统的切入式磨削由于易导致磨削烧伤的现象发生和加工后工件表面质量超差，因此不在适用。为解决这一问题，采用窄砂轮进行摆动磨削加工。由于缺乏零件加工材料、硬度等特性和磨削砂轮的系统匹配性研究，零件加工的过程只能根据操作者经验和设备自带软件进行参数设定，实际加工过程中需要操作者凭借经验根据磨削负荷曲线和加工过程中的火花大小、设备振动情况对加工进给量、转速进行及时调整，磨削过程对操作者技能要求较高，由于磨削过程中进给量不均匀造成的凸轮表面粗糙度超差问题。为此，需要进行凸轮型面磨削工艺参数优化技术研究。现有的优化技术需进行大量的实验，耗费资金高、周期长，优化效果不显著。
发明内容
发明目的：为了克服现有技术中摆动磨削凸轮时工艺参数的选取凭借操作者经验选取，且磨削工艺参数优化成本高、周期长等问题，提供一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其采用灰色系统的方法对现有的工艺参数进行优化，以降低表面粗糙度为目标，提出一个适用凸轮摆动磨削加工的工艺，能够根据现有的数据，通过数学的方法进行优化，能节约大量的时间和资金，优化效果显著。
技术方案：为实现上述目的，本发明提供一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，包括如下步骤：
S1：进行凸轮摆动磨削实验，选取多个工艺参数，将每个工艺参数设定w个水平值，选取表面三维评定参数幅度参数Ra、Rz、Rsm为工艺指标，将所有工艺参数的水平值通过相互组合的方式进行正交试验，测量获取到不同水平值组合下Ra、Rz、Rsm的值；
S2：对步骤S1获取的不同水平值组合下的Ra、Rz、Rsm进行极差分析，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合；
S3：对步骤S2获取的数据进行量纲归一化处理；
S4：根据量纲归一化处理后的数据和理想状态下的数据，计算得到Ra、Rz、Rsm的灰色相关系数；
S5：根据Ra、Rz、Rsm的灰色相关系数，计算每个工艺参数组合的灰关联度，根据灰关联度，获取到最优的工艺参数组合；
S6：将步骤S5获取的工艺参数组合和步骤S2获取的工艺参数组合进行对比，得到最终的最优工艺参数组合。
进一步地，所述步骤S1中工艺参数包括磨削深度、工件转速、砂轮摆动频率和砂轮摆动幅度。
进一步地，所述步骤S1中每个工艺参数设定三个水平值。
进一步地，所述步骤S2具体为：
计算工艺参数分别对于Ra、Rz、Rsm的影响顺序，根据获取的影响顺序，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合。
每个水平下工艺参数分别对于Ra、Rz、Rsm的影响顺序的计算方式为：
对于Ra，计算每个工艺参数的Ra的范围值，根据范围值的大小，获取到所有工艺参数对于Ra的影响顺序；
对于Rz，计算每个工艺参数的Rz的范围值，根据范围值的大小，获取到所有工艺参数对于Rz的影响顺序；
对于Rz，计算每个工艺参数的Rz的范围值，根据范围值的大小，获取到所有工艺参数对于Rz的影响顺序。
进一步地，所述步骤S3中运用灰色关联分析方法对步骤S2里的实验结果进行深入分析。灰色关联分析可利用灰色关联度顺序来描述影响因素之间的大小、强弱的方法。其基本原理是：通过数学的方法得到各因素之间的关联度以及之间的对应关系来衡量多目标的完成情况，优化整合每一个目标的完成度，将多项工艺指标的优化问题转化为优化单项灰色关联度。这大大的减小了实验分析难度，从而实现工艺参数的优化，得到最优工艺参数的组合。
由于原始数据序列之间的量纲的不同，所以不能直接进行灰色关联的数据处理。因此，需要对其进行量纲归一化处理。
量纲归一化公式如下：
式中，xi(j)为第i个指标下第j次试验。
进一步地，所述步骤S4中为得到量纲归一化后的数据结果与理想状态下的数据的关系，需求灰色相关系数，灰色相关系数的计算公式为：
式中，yi(j)为量纲归一化后的数据结果；
为第i项工艺指标下的理想状态值；Ra理想状态值为0，Rz理想状态值为0，Rsm理想状态值为0，ρ为分辩系数，ρ∈[0，1]。
进一步地，所述步骤S5中灰关联度的计算公式为：
式中，m为工艺指标的个数，ξi(j)为灰色相关系数。
由正交实验的性质及灰色关联分析方法可知，各工艺参数不同水平的灰关联度平均值，是各工艺参数下不同的水平导致的，它无其他影响因素；因此，灰关联度平均值之间的差值体现了各工艺参数下不同水平对各项工艺指标之间的影响程度。这种选择的依据是根据灰关联度的大小值，灰关联度最高的参数水平组合为不同工艺指标评价下的最优工艺参数组合。
有益效果：本发明与现有技术相比，以降低表面粗糙度为目标，通过灰色关联分析的方法对现有凸轮的摆动磨削工艺进行优化，得出一个适用于凸轮加工的工艺方案，能够获取到精确的工艺参数，解决了现有摆动磨削凸轮时工艺参数的选取只能凭借操作者经验选取、存在盲目性这一问题，从而有效解决了磨削过程中由于工艺参数不精确导致进给量不均匀的问题，降低了凸轮表面粗糙度，提升了摆动磨削效果。
附图说明
图1为本实施例中凸轮加工现场图；
图2为凸轮摆动磨削原理示意图；
图3各工艺参数各水平平均灰关联度的折线图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，包括如下步骤：
S1：进行凸轮摆动磨削实验，选取多个工艺参数，将每个工艺参数设定w个水平值，选取表面三维评定参数幅度参数Ra、Rz、Rsm为工艺指标，将所有工艺参数的水平值通过相互组合的方式进行正交试验，测量获取到不同水平值组合下的Ra、Rz、Rsm的值；
工艺参数包括磨削深度、工件转速、砂轮摆动频率和砂轮摆动幅度；
每个工艺参数设定三个水平值；
S2：对步骤S1获取的不同水平值组合下的Ra、Rz、Rsm进行极差分析，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合：
计算工艺参数分别对于Ra、Rz、Rsm的影响顺序，根据获取的影响顺序，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合。
每个水平下工艺参数分别对于Ra、Rz、Rsm的影响顺序的计算方式为：
对于Ra，计算每个工艺参数的Ra的范围值，根据范围值的大小，获取到所有工艺参数对于Ra的影响顺序，范围值即各几何参数的最大值和最小值之差；
对于Rz，计算每个工艺参数的Rz的范围值，根据范围值的大小，获取到所有工艺参数对于Rz的影响顺序；
对于Rz，计算每个工艺参数的Rz的范围值，根据范围值的大小，获取到所有工艺参数对于Rz的影响顺序。
S3：对步骤S2获取的数据进行量纲归一化处理：
运用灰色关联分析方法对步骤S2里的实验结果进行深入分析。灰色关联分析可利用灰色关联度顺序来描述影响因素之间的大小、强弱的方法。其基本原理是：通过数学的方法得到各因素之间的关联度以及之间的对应关系来衡量多目标的完成情况，优化整合每一个目标的完成度，将多项工艺指标的优化问题转化为优化单项灰色关联度。这大大的减小了实验分析难度，从而实现工艺参数的优化，得到最优工艺参数的组合。
由于原始数据序列之间的量纲的不同，所以不能直接进行灰色关联的数据处理。因此，需要对其进行量纲归一化处理。
量纲归一化公式如下：
式中，xi(j)为第i个指标下第j次试验。
S4：根据量纲归一化处理后的数据和理想状态下的数据，计算得到Ra、Rz、Rsm的灰色相关系数：
为得到量纲归一化后的数据结果与理想状态下的数据的关系，需求灰色相关系数，灰色相关系数的计算公式为：
式中，yi(j)为量纲归一化后的数据结果；
为第i项工艺指标下的理想状态值；Ra理想状态值为0，Rz理想状态值为0，Rsm理想状态值为0，ρ为分辩系数，ρ∈|0，1|，通常取ρ＝0.5。
S5：根据Ra、Rz、Rsm的灰色相关系数，计算每个工艺参数组合的灰关联度，根据灰关联度，获取到最优的工艺参数组合；
由正交实验的性质及灰色关联分析方法可知，各工艺参数不同水平的灰关联度平均值，是各工艺参数下不同的水平导致的，它无其他影响因素；因此，灰关联度平均值之间的差值体现了各工艺参数下不同水平对各项工艺指标之间的影响程度。灰关联度较高的参数水平组合为不同工艺指标评价下的最优工艺参数组合。
灰关联度的计算公式为：
式中，m为工艺指标的个数，m＝3，ξi(j)为灰色相关系数。
S6：将步骤S5获取的工艺参数组合和步骤S2获取的工艺参数组合进行对比，得到最终的最优工艺参数组合。
本发明还提供一种灰色系统，该系统包括网络接口、存储器和处理器；其中，网络接口，用于在与其他外部网元之间进行收发信息过程中，实现信号的接收和发送；存储器，用于存储能够在所述处理器上运行的计算机程序指令；处理器，用于在运行计算机程序指令时，执行上述凸轮摆动磨削工艺参数优化方法的步骤。
本实施例还提供一种计算机存储介质，该计算机存储介质存储有计算机程序，在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
基于上述方案，本实施例中将上述方案进行实例应用，具体如下：
本实施例将本发明方法应用于船用柴油机凸轮磨削加工进行实验，具体的加工现场图如图1所示，用于获取到最佳的凸轮摆动磨削工艺参数，具体的实验过程为：Step1:实验材料与方法
船用柴油机凸轮磨削加工通常采用切入法进行磨削，此加工方法，砂轮运动轨迹简单，对机床的要求相对较低，但在此磨削方式下砂轮的修整平整度、砂轮磨削过程中的磨损情况对凸轮型面母线直线度和表面加工质量有着较大的影响。随着柴油机凸轮设计宽度的不断增加，加工难度不断加大，加工过程中零件的超差风险增大。而摆动磨削是指在磨削过程中砂轮除了与C轴联动沿X轴做直线运动外，还可通过程序设置，沿Z轴做直线往复运动(如图2所示)其摆动可用f(t)＝Fsin(2πft)表示。
本实施例采用高速数控凸轮磨床CNC8325，砂轮采用陶瓷结合剂的CBN砂轮，型号为14A1500*30*127*5*20，浓度V175。砂轮最高线速度125m/s，工件材料为40Cr，经过渗碳淬火处理。磨削方式为摆动磨削，加工方式为逆磨。磨削砂轮线速度为65m/s，磨削液为21-2水基磨削液。试验工艺参数的选择，主要有磨削深度、工件转速、砂轮摆动频率、砂轮摆动幅度4个参数，每个因素选取3个水平，工艺指标选取表面三维评定参数幅度参数Ra,Rz,Rsm，设计如表1所示四因素三水平的L9(34)正交表进行正交试验。
表1：正交试验设计与结果
Step2：正交实验结果分析
表2列出了Ra、Rz、Rsm的范围，每个因子的Ra的和用Ti在i(i＝1,2,3)水平表示，每个因子的Rz的和用Ri在i(i＝1,2,3)水平表示，每个因子Rsm的和用Ki在i(i＝1,2,3)水平表示，范围值即各几何参数的最大值和最小值之差。从表2可以看出ap、n、f、F的Ra范围值为0.637、0.196、0.279、0.013，Rz的范围值为7.953、1.568、2.659、1.506，Rsm的范围值为36.61、12.654、33.488、61.12。因此，工艺参数对Ra、Rz的影响顺序为ap＞f＞n＞F，对Rsm的影响顺序为F＞ap＞f＞n。以Ra为响应目标，得到的最优工艺参数组合为磨削深度为0.003mm、工件转速为2600mm/min、摆动频率为90次/min、摆动幅度为1.5mm；然后以Rz为响应目标，得到最优工艺参数组合为磨削深度为0.003mm、工件转速为1800mm/min、摆动频率为90次/min、摆动幅度为1.5mm；最后以Rsm为相应目标，得到最优工艺参数组合为磨削深度为0.003mm、工件转速为2600mm/min、摆动频率为60次/min、摆动幅度为2mm。
表2：结果分析表
Step3:灰色关联分析
运用灰色关联分析方法对表1中的实验结果进行深入分析。灰色关联分析可利用灰色关联度顺序来描述影响因素之间的大小、强弱的方法。其基本原理是：通过数学的方法得到各因素之间的关联度以及之间的对应关系来衡量多目标的完成情况，优化整合每一个目标的完成度，将多项工艺指标的优化问题转化为优化单项灰色关联度。这大大的减小了实验分析的难度，从而实现工艺参数的优化，得到最优工艺参数的组合。
由于原始数据序列之间的量纲的不同，所以不能直接进行灰色关联的数据处理。因此，需要对其进行量纲归一化处理。量纲归一化后的结果如表3所示：
表3：量纲归一化序列
| 实验序号 | Ra量纲归一化序列 | Rz量纲归一化序列 | Rsm量纲归一化序列 |
| 1 | 0.765 | 0.498 | 0.328 |
| 2 | 0.619 | 0.490 | 0.813 |
| 3 | 0.723 | 0.767 | 0.293 |
| 4 | 0.020 | 0.000 | 0.000 |
| 5 | 0.355 | 0.285 | 0.306 |
| 6 | 0.000 | 0.017 | 0.251 |
| 7 | 1.000 | 0.843 | 1.000 |
| 8 | 0.919 | 1.000 | 0.112 |
| 9 | 0.531 | 0.659 | 0.439 |
Step4：求灰色相关系数
本实施例中计算得Ra、Rz和Rsm的灰色相关系数如表4所示。
Step5：计算灰关联度
本实施例中计算得到的灰关联度也如表4所示。
表4：灰关联系数及灰关联度
由正交实验的性质及灰色关联分析方法可知，各工艺参数不同水平的灰关联度平均值，是各工艺参数下不同的水平导致的，它无其他影响因素；因此，灰关联度平均值之间的差值体现了各工艺参数下不同水平对各项工艺指标之间的影响程度。灰关联度较高的参数水平组合为不同工艺指标评价下的最优工艺参数组合。各水平的灰关联度平均值如下表5所示。
由表5分析得到的工艺参数水平与灰关联度平均值的关系如图3所示。从表5中数据分析可知，影响最大的为磨削深度，其次为砂轮摆动频率、摆动幅度、工件转速。由图3分析可知，在灰色关联分析下最优工艺参数组合为：磨削深度为0.003mm、工件转速为2600mm/min、砂轮摆动频率为90次/min、砂轮摆动幅度为2mm。
表5：工艺参数各水平平均灰关联度
Step6：实验验证
采用正交实验分析得到比较好的工艺参数组合为A2B3C2D2，A2B1C2D2和A2B3C1D3这三组，采用灰色关联分析的方法得到的比较好的工艺参数组合为A2B3C2D3。通过试验验证，对比结果如表6所示。
表6：正交设计极差分析和灰色关联度分析结果对比
根据灰关联度的对比，发现A2B3C2D3这一组工艺参数在降低了表面粗糙度的同时，也使得加工后工件表面的波峰波谷分布的更加合理。综合比较、考虑正交实验的极差分析结果和灰色关联的分析结果，得出A2B3C1D2这一组工艺参数。使用这一组工艺参数进行加工实验，发现这一组摆动磨削加工后工件表面具有更好的表面质量，同时灰关联度的值为0.979，达到最大。综合上述分析，最终选定的工艺参数组合为A2B3C1D2，即磨削深度为0.003mm、工件转速为2600mm/min、摆动频率为60次/min、摆动幅度为1.5mm。
Claims (7)
1.一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，包括如下步骤：
S1：进行凸轮摆动磨削实验，选取多个工艺参数，将每个工艺参数设定w个水平值，选取表面三维评定参数幅度参数Ra、Rz、Rsm为工艺指标，将所有工艺参数的水平值通过相互组合的方式进行正交试验，测量获取到不同水平值组合下的Ra、Rz、Rsm的值；
S2：对步骤S1获取的不同水平值组合下的Ra、Rz、Rsm进行极差分析，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合；
S3：对步骤S2获取的数据进行量纲归一化处理；
S4：根据量纲归一化处理后的数据和理想状态下的数据，计算得到Ra、Rz、Rsm的灰色相关系数；
S5：根据Ra、Rz、Rsm的灰色相关系数，计算每个工艺参数组合的灰关联度，根据灰关联度，获取到最优的工艺参数组合；
S6：将步骤S5获取的工艺参数组合和步骤S2获取的工艺参数组合进行对比，得到最终的最优工艺参数组合；
所述步骤S1中工艺参数包括磨削深度、工件转速、砂轮摆动频率和砂轮摆动幅度。
2.根据权利要求1所述的一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，所述步骤S1中每个工艺参数设定三个水平值。
3.根据权利要求1所述的一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，所述步骤S2具体为：
计算工艺参数分别对于Ra、Rz、Rsm的影响顺序，根据获取的影响顺序，得到分别以Ra、Rz、Rsm为响应目标的最优工艺参数组合。
4.根据权利要求3所述的一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，所述步骤S2中每个水平下工艺参数分别对于Ra、Rz、Rsm的影响顺序的计算方式为：
对于Ra，计算每个工艺参数的Ra的范围值，根据范围值的大小，获取到所有工艺参数对于Ra的影响顺序；
对于Rz，计算每个工艺参数的Rz的范围值，根据范围值的大小，获取到所有工艺参数对于Rz的影响顺序；
对于Rz，计算每个工艺参数的Rz的范围值，根据范围值的大小，获取到所有工艺参数对于Rz的影响顺序。
5.根据权利要求1所述的一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，所述步骤S3中量纲归一化公式如下：
式中，xi(j)为第i个指标下第j次试验。
6.根据权利要求1所述的一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，所述步骤S4中灰色相关系数的计算公式为：
式中，yi(j)为量纲归一化后的数据结果；
为第i项工艺指标下的理想状态值；Ra理想状态值为0，Rz理想状态值为0，Rsm理想状态值为0，ρ为分辩系数，ρ∈|0，1|。
7.根据权利要求6所述的一种基于灰色系统的凸轮摆动磨削工艺参数优化方法，其特征在于，所述步骤S5中灰关联度的计算公式为：
式中，m为工艺指标的个数，ξi(j)为灰色相关系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210081219.3A CN114536108B (zh) | 2022-01-24 | 2022-01-24 | 一种基于灰色系统的凸轮摆动磨削工艺参数优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210081219.3A CN114536108B (zh) | 2022-01-24 | 2022-01-24 | 一种基于灰色系统的凸轮摆动磨削工艺参数优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114536108A CN114536108A (zh) | 2022-05-27 |
| CN114536108B true CN114536108B (zh) | 2023-04-25 |
Family
ID=81671339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210081219.3A Active CN114536108B (zh) | 2022-01-24 | 2022-01-24 | 一种基于灰色系统的凸轮摆动磨削工艺参数优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114536108B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102107376B (zh) * | 2010-12-16 | 2012-05-30 | 湖南大学 | 一种实现磨削加工效率和质量最优化的工艺链方法 |
| CN105893665B (zh) * | 2016-03-30 | 2018-12-04 | 南通大学 | 一种采用组合赋权-灰色关联的机床横梁优化设计评估方法 |
| EP3499514A1 (en) * | 2017-12-14 | 2019-06-19 | Brainlab Ltd. | Image-based and demographic prediction-based implant size determination |
| CN109885900A (zh) * | 2019-01-28 | 2019-06-14 | 武汉理工大学 | 一种基于灰度分析的车削参数优化方法 |
| CN110186789B (zh) * | 2019-06-20 | 2022-07-22 | 长沙理工大学 | 基于灰色系统的建筑废弃物路基永久变形正交预估方法 |
-
2022
- 2022-01-24 CN CN202210081219.3A patent/CN114536108B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114536108A (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mukherjee et al. | Optimization of material removal rate during turning of SAE 1020 material in CNC lathe using Taguchi technique | |
| Tzeng et al. | Optimization of turning operations with multiple performance characteristics using the Taguchi method and Grey relational analysis | |
| Gadakh | Application of MOORA method for parametric optimization of milling process | |
| Horng et al. | Investigating the machinability evaluation of Hadfield steel in the hard turning with Al2O3/TiC mixed ceramic tool based on the response surface methodology | |
| Saini et al. | Residual stresses, surface roughness, and tool wear in hard turning: a comprehensive review | |
| CN103235553B (zh) | 一种基于分数阶的数控加工尺寸误差自动补偿方法 | |
| CN110328558B (zh) | 铣削钛合金表面形貌特征一致性分布工艺控制方法 | |
| CN105538050A (zh) | 脆性材料超声振动侧面磨削的切削力预测方法 | |
| CN110118543B (zh) | 一种基于机器人盘式打磨的工件表面粗糙度预测方法 | |
| CN114536108B (zh) | 一种基于灰色系统的凸轮摆动磨削工艺参数优化方法 | |
| CN114936525B (zh) | 外圆磨削工艺优化方法及装置 | |
| Aravind et al. | Optimization of surface grinding process parameters by Taguchi method and response surface methodology | |
| Kumari et al. | Optimisation of machining parameters using grey relation analysis integrated with harmony search for turning of aisi d2 steel | |
| Tien et al. | Multi-objective optimization of the cylindrical grinding process of scm440 steel using preference selection index method | |
| Dhandapani et al. | Investigation on effect of material hardness in high speed CNC end milling process | |
| Chudy et al. | Comparison of power and energy consumption for hard turning and burnishing operations of 41Cr4 steel | |
| Klocke et al. | Characterization of Tool Wear in High‐Speed Milling of Hardened Powder Metallurgical Steels | |
| CN102489574A (zh) | 一种板材渐进成形加工控制回弹的方法 | |
| Sredanović et al. | Optimization of cutting parameters for minimizing specific Cutting energy and maximizing productivity in turning of AISI 1045 steel | |
| Marchuk et al. | An analysis of intercommunications of technological factors is with indexes of quality of polishing operations | |
| Ji et al. | A GA-based optimization algorithm for cutting tool “shape-performance-application” integrated design approach | |
| Chang et al. | Optimization of grinding efficiency considering surface integrity of bearing raceway | |
| Paltan et al. | Monitoring the technological processes in the wood industry in order to make them more efficient through technical overhauling | |
| CN106541301A (zh) | 一种变螺旋铣刀切削稳定性快速预测方法 | |
| Khan et al. | Selection of optimal condition for finishing of centreless-cylindrical ground parts using grey relational and principal component analyses |
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 |