JP7511963B1 - 複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法 - Google Patents
複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法Info
- Publication number
- JP7511963B1 JP7511963B1 JP2024067555A JP2024067555A JP7511963B1 JP 7511963 B1 JP7511963 B1 JP 7511963B1 JP 2024067555 A JP2024067555 A JP 2024067555A JP 2024067555 A JP2024067555 A JP 2024067555A JP 7511963 B1 JP7511963 B1 JP 7511963B1
- Authority
- JP
- Japan
- Prior art keywords
- machining
- end mill
- optimization
- parameters
- constraint
- 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
- 238000003754 machining Methods 0.000 title claims abstract description 73
- 238000005457 optimization Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003801 milling Methods 0.000 claims abstract description 37
- 238000005520 cutting process Methods 0.000 claims abstract description 13
- 238000013178 mathematical model Methods 0.000 claims abstract description 13
- 238000005265 energy consumption Methods 0.000 claims abstract description 12
- 238000002360 preparation method Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Abstract
本発明は、複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法を開示し、平面エンドミルパラメータ最適化分野に関し、それは、部品図面を参照し、加工すべき平面を特定し、加工すべき平面のサイズ特徴パラメータを分析し、且つ加工工作機械と切削工具の型番を決定することと、最適化変数を設定し、最適化ターゲットを選び、拘束条件を決定し、且つ前切削回転フライスと仕上げ切削回転フライスの複数の加工段階問題を総合的に考慮し、平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルを確立することと、そしてマルチターゲット最適化アルゴリズムに基づいて最適化モデルに対して最適解を求め、最適なプロセスパラメータ組み合わせ及び加工性能予測値を得、最後に解を求めて得られた加工プロセスパラメータ組み合わせに基づいて平面エンドミル加工過程を指導することとを含む。本発明は、平面エンドミル加工過程において、不適切なプロセスパラメータの選択による加工効率が低く、エネルギー消費が大きく、加工品質が悪いという問題、及び単一加工段階プロセスパラメータの最適化結果の適用性がないという問題を解決した。
【選択図】図1
【選択図】図1
Description
本発明は、平面エンドミルパラメータ最適化の技術分野に関し、特に複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法に関する。
平面エンドミル加工プロセスは、最もよく見られる機械加工方式のうちの一つとして、部品と製品の製造過程に幅広く用いられる。平面エンドミルの応用の成功は、往々にしてプロセスパラメータの最適化に依存することで、高品質の加工、最適な生産効率、及び比較的低いエネルギー消費を確保する。
従来の平面エンドミル加工プロセスパラメータ最適化は、一般的には経験的方法と試験に基づいている。これは、往々にしてプロセスパラメータの最適化範囲を制限するとともに、最適な加工性能を実現できないことを引き起こす恐れがあり、また材料と人的資源を無駄にする。なお、現在、平面エンドミル加工プロセスパラメータ最適化に関する研究は、単一加工段階、即ち荒フライス加工段階又は仕上げフライス加工段階に集中する場合が多いが、実際の生産加工において、プロセス過程は、往々にして複数の加工段階を互いに組み合わせる必要があり、且つ複数の加工段階のプロセスパラメータ最適化は、前後が互いに影響を与え、動的に変化する過程である。そのため、単一加工段階のプロセスパラメータ最適化結果は、往々にして適用性がなく、最適化結果を実際の生産に直接に用いることは、非常に難しい。
従来の技術に存在する問題に対して、本発明は、複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法を提供し、この方法は、複数の加工段階を総合的に考慮し、精確なマルチターゲット数学モデルを確立し、且つ最適化アルゴリズムによって解を求めることによって、最適なプロセスパラメータを正確で、高効率に決定し、且つ加工性能の事前予測を実現し、さらに平面エンドミル加工過程を指導することができる。
本発明は、以下の技術案を採用する。
複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法は、以下のステップを含む。
ステップ1:準備動作であり、部品図面を参照し、加工すべき平面を特定し、加工すべき平面のサイズ特徴パラメータを分析し、且つ加工工作機械型番と切削工具型番を決定し、加工プロセス過程を取得する。
ステップ3:加工効率、加工エネルギー消費、加工品質という最適化ターゲットを選ぶ。
ステップ4:拘束条件を決定する。
ステップ5:平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルを確立する。
ステップ6:ステップ5の平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルに基づいて加工プロセスパラメータ組み合わせ及び加工性能予測値を取得する。
ステップ7:ステップ6において得られた加工プロセスパラメータ組み合わせ及び加工性能予測値に基づいて、実際の平面エンドミル加工過程を指導する。
好ましくは、ステップ3は、具体的には以下を含む。
加工効率のターゲット関数モデルは、
加工エネルギー消費のターゲット関数モデルは、
加工品質のターゲット関数モデルは、
好ましくは、ステップ4において拘束条件は、主軸回転数拘束と、送り量拘束と、送り速度拘束と、フライス削り深さ拘束と、フライス削り幅拘束と、工作機械主軸の定格パワー拘束と、切削工具寿命拘束とを含む。
好ましくは、平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルは、
好ましくは、前記工具寿命式は、一般化したテイラー工具寿命式
好ましくは、ステップ6は、具体的に以下のとおり、
マルチターゲット最適化数学モデルの解を求める時に、粒子群アルゴリズム、遺伝的アルゴリズム、人工セルラーグループアルゴリズムなどのいくつかのマルチターゲット最適化モデルを処理するのに代表性を有する最適化アルゴリズムを採用してもよい。これらのアルゴリズムは、複数の点を生成し且つ多方向サーチを行うという特徴を有し、プロセスパラメータ最適化のような最適解サーチスペースにおける非常に複雑なマルチターゲット最適化問題の処理に非常に適用できる。
本発明が有する有益な効果は、以下のとおりである。
従来の平面エンドミル加工プロセスパラメータ最適化は、単一荒フライス加工過程又は仕上げフライス加工過程に向けて局所最適化を行うことであり、最適化過程において使用される加工代は、往々にして企業により規定された加工代である。本発明は、荒フライス加工段階、仕上げフライス加工段階を一つの全体とし、全般的最適化を行い、さらに最適化結果により適用性を有させる。なお、本発明は、拘束条件を処理する時に、切削工具寿命を考慮して、最適化結果がより現実的な意義を有する。本発明は、平面エンドミル加工過程において、不適切なプロセスパラメータの選択による加工効率が低く、エネルギー消費が大きく、加工品質が悪いという問題、及び単一加工段階プロセスパラメータの最適化結果の適用性がないという問題を解決した。
以下では、図面と実施例を結び付けながら、本出願の具体的な実施の形態をさらに詳細に記述する。
実施例1、図1から図3を結び付け、複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法は、以下のステップを含む。
本実施例は、XHK-714F縦型加工センター、W400F-FSコーティングタングステン鋼工具を選んで用いる。
ステップ3:加工効率、加工エネルギー消費、加工品質という最適化ターゲットを選ぶ。
具体的には以下を含み、加工効率ターゲット関数モデルは、
ここで、本実施例では、補助時間における自動カッター交換消費時間は、
補助時間において工具磨損で工作機械に手動カッター交換を必要とする時に消費した時間は、
と計算されてもよい。
と計算されてもよい。
本実施例では、加工効率ターゲット関数モデルは、さらに詳細に、
と表されてもよい。
と表されてもよい。
加工エネルギー消費ターゲット関数モデルは、
数値制御加工過程におけるエネルギー消費は、時間に対するパワーの積分に等しいため、加工エネルギー消費ターゲット関数モデルは、より具体的に、
と表されてもよい。
と表されてもよい。
本実施例では、平面エンドミル加工過程の各サブ加工過程パワー関数モデルは、表1のように示される。
<表1>
平面エンドミル加工過程の各サブ加工過程パワー関数モデル
平面エンドミル加工過程の各サブ加工過程パワー関数モデル
さらに、本実施例では、加工エネルギー消費ターゲット関数モデルは、さらに詳細に、
と表されてもよい。
と表されてもよい。
加工品質ターゲット関数モデルは、
本実施例では、指数型表面粗さ予測モデルを採用し、関数表現式は、
ステップ4:拘束条件を決定する。拘束条件は、主軸回転数拘束と、送り量拘束と、送り速度拘束と、フライス削り深さ拘束と、フライス削り幅拘束と、工作機械主軸の定格パワー拘束と、切削工具寿命拘束とを含む。
前切削回転フライス、仕上げフライス加工を結び付けた複数の加工段階の平面エンドミル加工について、荒フライス加工段階と仕上げフライス加工段階は、往々にして異なる拘束条件を採用し、荒フライス加工の時に、生産性の向上を主とすべきであり、一般的には比較的大きなフライス削り深さと送り量を選び、切削速度を非常に高くしてはならず、仕上げフライス加工の時に、部品の加工精度と表面品質の保証を主とすべきであり、往々にして比較的小さいフライス削り深さ、送り量及び比較的高い切削速度を採用し、なお、XHK-714F縦型加工センターの技術規格パラメータ及びW400F-FSコーティングタングステン鋼工具の切削パラメータ推薦範囲を結び付け、本実施例の加工過程の拘束条件のまとめは、表2のように示される。
<表2>
拘束条件
拘束条件
ステップ5:平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルを確立する。
平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルは、
ステップ6:ステップ5の平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルに基づいて加工プロセスパラメータ組み合わせ及び加工性能予測値を取得する。平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルの解を求める時に、粒子群アルゴリズム、遺伝的アルゴリズム、人工セルラーグループアルゴリズムなどのいくつかのマルチターゲット最適化モデルを処理するのに代表性を有する最適化アルゴリズムを採用してもよい。これらのアルゴリズムは、複数の点を生成し且つ多方向サーチを行うという特徴を有し、プロセスパラメータ最適化のような最適解サーチスペースにおける非常に複雑なマルチターゲット最適化問題の処理に非常に適用できる。
本発明に基づいて得られたプロセスパラメータ組み合わせ及び加工性能予測値、経験に基づくプロセスパラメータ組み合わせ及び加工性能予測値は、表3に示される。
<表3>
最適化解と経験的解でのプロセスパラメータ組み合わせ及び加工性能予測値
最適化解と経験的解でのプロセスパラメータ組み合わせ及び加工性能予測値
ステップ7:ステップ6において得られた加工プロセスパラメータ組み合わせ及び加工性能予測値に基づいて、実際の平面エンドミル加工過程を指導する。
上述したのは本発明の好適な実施形態を示したものに過ぎず、指摘すべきことは、本技術分野の当業者にとって、本発明の技術原理から逸脱しない限り、さらに幾つかの改善及び置換を行うことができることであり、これらの改善及び置換も本発明の保護範囲に入っていると見なされるべきである。
1 切削工具
2 パス経路
3 加工すべき平面
4 荒フライス加工段階において除去された材料
5 仕上げフライス加工段階において除去された材料
2 パス経路
3 加工すべき平面
4 荒フライス加工段階において除去された材料
5 仕上げフライス加工段階において除去された材料
Claims (3)
- 複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法であって、以下のステップを含み、
ステップ1:準備動作であり、部品図面を参照し、加工すべき平面を特定し、加工すべき平面のサイズ特徴パラメータを分析し、且つ加工工作機械型番と切削工具型番を決定し、加工プロセス過程を取得し、
ステップ3:加工効率、加工エネルギー消費、加工品質という最適化ターゲットを選び、
具体的には以下を含み、
加工効率のターゲット関数モデルは、
加工エネルギー消費のターゲット関数モデルは、
加工品質のターゲット関数モデルは、
ステップ4:拘束条件を決定し、
拘束条件は、主軸回転数拘束と、送り量拘束と、送り速度拘束と、フライス削り深さ拘束と、フライス削り幅拘束と、工作機械主軸の定格パワー拘束と、切削工具寿命拘束とを含み、
ステップ5:平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルを確立し、
平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルは、
ステップ6:ステップ5の平面エンドミルプロセスパラメータのマルチターゲット最適化数学モデルに基づいて加工プロセスパラメータ組み合わせ及び加工性能予測値を取得し、
ステップ7:ステップ6において得られた加工プロセスパラメータ組み合わせ及び加工性能予測値に基づいて、実際の平面エンドミル加工過程を指導する、ことを特徴とする複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法。 - 工具寿命式は、一般化したテイラー工具寿命式
- ステップ6は、具体的に以下のとおり、
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695679.6 | 2023-12-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7511963B1 true JP7511963B1 (ja) | 2024-07-08 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012057285A1 (ja) | 2010-10-29 | 2012-05-03 | 株式会社日立製作所 | 工具経路生成装置、工具経路生成方法およびそのためのプログラム |
CN111413923A (zh) | 2020-03-30 | 2020-07-14 | 辽宁省交通高等专科学校 | 一种用于复杂曲面加工的高速精密加工系统及方法 |
JP7214060B1 (ja) | 2022-05-18 | 2023-01-27 | 三菱電機株式会社 | 制御パラメータ調整装置 |
CN116252185A (zh) | 2023-04-11 | 2023-06-13 | 大连理工大学 | 一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法 |
CN117389161B (zh) | 2023-12-12 | 2024-02-27 | 山东科技大学 | 考虑多加工阶段的平面立铣参数优化及加工性能预测方法 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012057285A1 (ja) | 2010-10-29 | 2012-05-03 | 株式会社日立製作所 | 工具経路生成装置、工具経路生成方法およびそのためのプログラム |
CN111413923A (zh) | 2020-03-30 | 2020-07-14 | 辽宁省交通高等专科学校 | 一种用于复杂曲面加工的高速精密加工系统及方法 |
JP7214060B1 (ja) | 2022-05-18 | 2023-01-27 | 三菱電機株式会社 | 制御パラメータ調整装置 |
CN116252185A (zh) | 2023-04-11 | 2023-06-13 | 大连理工大学 | 一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法 |
CN117389161B (zh) | 2023-12-12 | 2024-02-27 | 山东科技大学 | 考虑多加工阶段的平面立铣参数优化及加工性能预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Klocke et al. | Technological and economical comparison of roughing strategies via milling, EDM and ECM for titanium-and nickel-based blisks | |
CN105785912B (zh) | 面向能耗的型腔数控铣削加工刀具组合优选方法 | |
CN111563301A (zh) | 一种薄壁件铣削加工参数优化方法 | |
CN111105069B (zh) | 数控加工工艺参数优化方法、装置、系统及计算机设备 | |
CN104517033A (zh) | 一种面向能量效率的数控加工工艺参数多目标优化方法 | |
PM et al. | Wire electric discharge machining of silica rich E-waste CRT and BN reinforced hybrid magnesium MMC | |
US10890890B2 (en) | Smart adjustment system and method thereof | |
Mellal et al. | Total production time minimization of a multi-pass milling process via cuckoo optimization algorithm | |
CN114925596A (zh) | 基于晶圆测试设备的铸件平台精铣加工参数的优化方法 | |
Xie et al. | Selection of optimum turning parameters based on cooperative optimization of minimum energy consumption and high surface quality | |
CN114912706A (zh) | 一种基于粒子群算法的刀具选配方法 | |
JP7511963B1 (ja) | 複数の加工段階を考慮した平面エンドミルパラメータ最適化及び加工性能予測方法 | |
Goyal et al. | Experimental study of turning operation and optimization of MRR and surface roughness using Taguchi method | |
CN107283219B (zh) | 一种切削加工方法及装置 | |
Bhowmik et al. | Modeling and optimization of advanced manufacturing processes | |
CN108481087B (zh) | 一种考虑应力集中效应的环形刀沟槽磨损预测方法 | |
CN110658782B (zh) | 一种基于特征的数控机床固有能效预测方法 | |
Deepak | Cutting speed and Feed Rate Optimization for minimizing production Time of Turning process | |
Priyadarshini et al. | Grey-Taguchi optimization of Wire-EDM parameters for P20 tool steel | |
CN117389161B (zh) | 考虑多加工阶段的平面立铣参数优化及加工性能预测方法 | |
CN116466651A (zh) | 基于混合启发式算法的数控加工工艺参数优化方法及系统 | |
CN111913437A (zh) | 一种基于nsga-ii的车削参数多目标优化方法 | |
Kumar et al. | Multi-objective particle swarm optimization of WEDM process parameters for inconel 825 | |
Milos et al. | Application of the Taguchi method for optimization of laser cutting: a review | |
Golshan et al. | Modeling and optimization of cylindrical wire electro discharge machining of AISI D3 tool steel using non-dominated sorting genetic algorithm |