模糊逻辑方法预测金属切削表面粗糙度的新方法

þþHOS T E D B Y可在www.sciencedirect.com网站上查阅计算设计与工程学报3（2016）1www.elsevier.com/locate/jcde基于模糊集理论的加工表面粗糙度预测新方法Tzu-Liang（Bill）Tsenga，Udayvarun Konadaa，Yongjin（James）Kwonb，na工业、制造和系统工程系德克萨斯大学埃尔帕索分校，埃尔帕索，TX 79968，美国b大韩民国水原市Ajou大学工业工程系，邮编：443-749接收日期：2015年4月9日;接收日期：2015年4月24日;接受日期：2015年4月27日2015年5月19日在线发布摘要消费者对具有更精确公差和更好产品表面粗糙度的优质金属切削相关产品的需求增加，推动了金属切削行业不断提高金属切削工艺的质量控制。在本文中，两种不同的方法进行了讨论。首先，实验设计（DOE）被用来确定的显着因素，然后模糊逻辑方法提出的表面粗糙度的预测。用于训练和检查的模糊逻辑性能的数据来自在数控铣床上为了获得更好的表面粗糙度，在加工之前确定适当的切削参数实验中DOE考虑的因素有切削深度、每齿进给量、切削速度、刀尖半径、切削液的使用和切削力的三个分量。最后将这些重要因素作为模糊逻辑机制的输入因素，并利用经验公式预测表面粗糙度。测试结果表明，实际的过程输出和预测的表面粗糙度之间的良好协议。&2015年CAD/CAM工程师协会。由Elsevier制作和主持。All rights reserved.这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：实验设计;模糊逻辑;表面粗糙度;端铣;过程控制1. 介绍制造业在我们的生活中扮演着越来越重要的角色我们不仅关心产品是如何生产和交付给我们的，而且我们还关心产品的质量。世界各地的制造商不断寻求新的和改进的产品制造方法，以满足消费者的期望。在寻找新的和改进的生产方法时，可以考虑制造的许多方面工作可以集中在制造系统、制造过程或制造材料上。 所有这些努力共同将原材料转化为最终产品。 在制造工艺领域，可以评估不同工艺对加工时间、生产方法效率和成品质量的影响。n通讯作者。联系电话：传真：82 312191610。电子邮件地址：yk73@ajou.ac.kr（Y. Kwon）。同行评审由CAD/CAM工程师协会负责成品的质量取决于成品与规格的紧密程度。表面粗糙度（Ra）是衡量表面质量最常用的指标。它是一种测量加工表面光滑度的方法。表面质量由表面光洁度、表面纹理和表面粗糙度的组合来定义和识别。表面光洁度和表面粗糙度表达并代表相同的特性。表面粗糙度被定义为由切削工具在工件上产生的细微不规则性。表面纹理涉及与形成表面图案的标称表面的偏差。术语表面纹理、表面光洁度和表面粗糙度在工业中以及本文中可互换使用[1]。产品的许多终身属性取决于表面光洁度的保持程度。油漆或涂层附着力、表面反射率和摩擦要求是可以指定表面粗糙度的示例。当不满足表面粗糙度要求时，就会出现缺陷。应用表面可能无法正确粘附，http://dx.doi.org/10.1016/j.jcde.2015.04.0022288-4300/2015 CAD/CAM工程师协会。&由Elsevier制作和主持。All rights reserved.这是一个在CC BY-NC- ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。2T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）1可能由于通过加工不良的表面表现出的过多的摩擦成分而不能正确地组装。在加工过程中有许多因素影响表面粗糙度。虽然有些因素很难或不可能控制，但有些可控的工艺参数包括进给、切削速度、刀具几何形状和刀具设置。其他难以控制的因素包括刀具振动、工件和机床振动、刀具磨损和退化以及工件和刀具材料的可变性[2]。这些因素相互作用，以提高所生产的表面抛光的质量。当表面不符合规格时，调整参数并将原始或新工件插入加工中心进行加工[3]。取决于材料，主要变量对表面粗糙度的影响会发生显著变化。例如，高延展性材料倾向于在刀尖上引起堆积边缘，因此在粗糙度方面产生劣化的表面。非常脆的材料，如铸铁，由于断裂也会产生具有挑战性的加工条件，这会增加表面粗糙度。在铝合金的情况下，随着材料硬度的增加，表面粗糙度趋于改善。然而，非常硬的材料在加工过程中会引起振动，从而产生粗糙的表面光洁度。因此，一些广泛加工的常用材料，如中碳合金钢，含有有助于改善切削性能的元素。如果切削刀具材料、冷却剂、断屑槽和主要变量正确使用，固定在刚性机床上的中等韧性但坚硬的材料主要变量可以独立控制，以获得所需的表面粗糙度。例如，进给速率通常设定在低水平以改善表面粗糙度。切削速度设置在一个相当高的水平，以防止积屑瘤发生在刀尖上。切削深度通常设置得较小，以减少加工振动以及来自材料的阻力或相反的切削力。总的来说，采用低进给速率、高切削速度和小切削深度的组合来产生光滑表面。在这种情况下，这项研究背后的主要思想是，应该开发技术来预测铣削前的产品的表面粗糙度，以评估加工参数的鲁棒性，以保持所需的表面粗糙度和提高产品质量，对于一组给定的切削条件，工作材料，刀具刀片类型和刀具几何形状。预测技术的准确性和可靠性也很重要[4]。这可以在模糊逻辑和模糊推理系统的帮助下实现，这些系统被证明是识别，预测和控制复杂，非线性和模糊系统的有效技术。模糊逻辑是特别有吸引力的，因为它能够在没有精确数学模型的情况下解决问题[5]。本研究的总体目标是开发一种算法，铣削操作，预测表面粗糙度与设计的一套条件。实验设计（DOE）是一种有效的方法，以优化生产能力在各种制造相关的过程中使用的两种方法DOE和模糊逻辑分数因子DOE和统计将使用方差分析（ANOVA）来表示、推断和筛选铣削参数，以便为模糊逻辑生成适当的训练数据。此外，将使用ANOVA检查单个铣削参数对表面粗糙度值的统计学显著性。一旦确定了重要因素，这些因素将在模糊推理系统的帮助下用作模糊逻辑的输入参数。IF-THEN规则的框架依赖于操作者的经验和知识，采用近似推理的模式，类似于人类的决策过程模糊系统的行为很容易被人类专家理解，因为知识是通过直观的语言规则来表达的[6]。模糊系统的设计通常是通过访问专家，并将他们对潜在过程的隐含知识表达为一组语言变量和模糊规则。对于复杂的控制任务，从专家那里获得模糊知识库往往需要一个繁琐和不可靠的与神经网络不同，通用模糊系统不需要训练数据作为其开发过程的一部分。然而，已经提出了几种技术来从操作员控制策略的观察所收集的训练数据中提取模糊规则[5]。模糊规则和隶属函数的建立使用fuzzyTECH5.5i软件，从模糊输出（表面粗糙度）派生。加工零件的表面光洁度是过程的输出，然后将其与实验数据进行比较。通过大量的实验或数据点获得最小误差。所建立的模糊逻辑模型能够预测给定一组输入（切削速度、进给速率和切削深度）的因此，机械师可以针对给定的一组工作参数来预测表面的质量该模型通过采用不同的输入集进行实验验证。本文介绍了6061 T6铝合金端铣加工2. 模糊逻辑与表面粗糙度的理论背景2.1. 模糊逻辑模糊逻辑是一个基本概念，它是指所有使用模糊集的理论和技术它基本上是一个多值逻辑，允许在常规评估（如是/否，真/假，黑/白等）之间定义中间值，并在0和1之间定义真度[7]。模糊逻辑是由Zadeh教授于1964年发明的。模糊逻辑的概念来自隶属度的概念，它成为模糊集理论的支柱。模糊逻辑是以传统的精确推理为极限情况的近似推理逻辑[8]。扎德所说的例如，扎德写道，围绕速度连续体上的一个点分组的一组速度测量值将被集中T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）13一¼我一起，并通过模糊逻辑称为通过消除这些精确的测量，计算将被简化并更快地执行[9]。模糊逻辑核心技术基于四个基本概念。（1）模糊集：具有光滑边界的集合(2)语言变量，其值由模糊集定性和定量地描述;（3）可能性分布，其通过分配给语言变量模糊集而对语言变量的值施加约束;（4）模糊if-then规则：用于描述函数映射或逻辑公式的知识方案，其概括了两值逻辑中的蕴涵。[8]的一项建议。2.1.1. 模糊集模糊集是对经典集的推广，允许对象在模糊概念中具有部分成员资格（即，模糊集）[10]。引入模糊集的最好方法是从经典集的限制开始经典集合论中的集合总是有一个尖锐的边界，因为集合中的成员是非黑即白的概念- 对象要么完全属于集合，要么根本不属于集合。[8]的一项建议。一个对象属于模糊集的程度，它是一个介于0和1之间的实数，被称为集合中的隶属度因此，模糊集的含义的特征在于隶属函数，该函数将话语的域的元素映射到它们相应的隶属值。模糊集“A“的隶属函数 除了隶属函数之外，模糊集还与语言上有意义的术语（例如，“健康”家庭。将模糊集与语言术语相关联提供了两个重要的好处[11]。2.1.1.1. 模糊集合的表示。一个模糊集可以用两种方式定义：（1）通过枚举集合中这些元素的隶属度值第一种方法只有在集合是离散的情况下才是可能的，因为连续模糊集合有无限个元素。一般来说，一个模糊集合A可以通过使用表达式具有单个输入的多维MF。大多数隶属函数可以用几个参数来描述（例如，三角形的情况下有三个：端点和顶点），这使得计算特定值的隶属度非常2.1.3. 语言变量语言变量在模糊逻辑、人工智能和决策系统中起着至关重要的作用。基本上，它们是描述系统的输入和输出的单词或表达式例如，考虑I-10 East上的交通量。当它说，“交通流量低“，表达式“低”是一个模糊集的名称，描述了交通量，而语言变量是“交通流量。”1) 定性地使用涉及语言术语的表达式，以及2）定量地使用相应的隶属函数[13]。语言学术语用于与人类交流概念和知识;而隶属函数用于处理数字输入数据。语言变量就像人工智能中的符号变量（值是符号的变量）和科学和工程中的数值变量（值是数字的变量）一般来说，语言变量的值可以是涉及一组语言术语、诸如“非常”、“或多或少“（称为模糊限制语）的修饰语和连接词（例如，”，“或”）[11]。2.1.4. 模糊规则在所有使用模糊集开发的技术中，模糊if- then规则是迄今为止最明显的，因为它们广泛的成功工业应用，从消费品，机器人，制造，过程控制，汽车控制，医学成像到金融交易。模糊if-then规则将关于语言变量的条件与结论相关联。从知识表示的角度来看，模糊if-then规则是一种用于捕获涉及不精确性的知识的方案使用这些规则进行推理的主要特征（即，模糊规则为基础的A¼Xμmxμ m=x我ð1Þ推理）是它的部分匹配能力，这使得即使规则的条件仅部分满足，也可以从模糊规则中进行推理[8]。也就是说，它计算其中求和和加法运算符指的是并集运算，符号μA（xi）/xi指的是一个模糊集，它只包含一个隶属度为μA（xi）的（部分）元素x2.1.2. 隶属函数隶属函数（MF）是一条曲线，它定义了输入空间中的每个点如何输入空间有时被称为话语的宇宙，这是一个简单概念的花哨它描述了模糊集合中的模糊性-无论集合中的元素是离散的还是连续的-以图形形式最终用于模糊集合论的数学形式[12]。隶属函数的类型有很多种，实际中最常用的有三角形、椭圆形、钟形曲线、高斯函数和S形函数。所有这些都是参数化函数，通常用于定义一个输入数据与规则条件匹配的程度。图1示出了计算模糊输入A0和模糊条件A之间的匹配度的一种方式。匹配度（A，A0）supxmin（μA（x），μA0（x））输入数据与规则的条件相匹配的程度与结果相结合（即，“则“部分）以形成由模糊规则推断的结论。匹配度越高，推断的结论越接近规则的结果。有两种不同类型的模糊规则：1）模糊映射规则，和2）模糊蕴涵规则（见表1）。模糊映射规则使用语言项描述输入和输出之间的函数映射关系，而模糊蕴涵规则描述涉及语言变量的两个逻辑公式之间的广义逻辑蕴涵关系。模糊映射规则的基础是模糊图，而模糊蕴涵规则的基础是对二值逻辑或我4T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）1. .狭义模糊逻辑模糊映射规则的推理涉及到一组规则，这些规则的前件条件形成输入空间的模糊划分。这种模糊映射规则的集合称为模糊模型。模糊蕴涵规则的推理是单独进行的。即使这些规则的推理结果可以被组合，它们的推理的期望属性也是根据各个规则的行为来描述的（例如，涉及模糊限制语的广义肯定前件式和否定前件式）。因此，模糊映射规则被设计为一组，而模糊蕴涵规则被单独设计[8，11]。一般来说，模糊蕴涵规则和模糊映射规则之间的区别是微妙的，但重要的。2.1.5. 模糊规则推理基于模糊规则的推理算法由三个基本步骤和一个附加的可选步骤组成：模糊匹配、模糊推理、模糊组合和模糊化[14];a. 模糊匹配：这是一个计算程度的过程，系统经常“触发”多个多于一个规则将匹配输入到非零度）。因此，需要第三步来组合这些规则的推理结果。D. Defuzzi fication：对于最终输出需要以清晰（非模糊）形式的模糊系统，需要第四步将最终组合的模糊结论转换为清晰的。这一步被称为defuzzi fication，它给出了一个定量的总结，更常用于模糊逻辑控制和许多其他工业应用。有两种常见的去模糊技术：最大值的平均值和区域中心。i) 最大值的平均值（）最大值的平均值（Mean of Maximum ，缩写为MEN）模糊化方法计算具有最高可能度的输出值的平均值。假设“y是A“是一个待定义的模糊结论。我们可以用下面的公式来表示模糊化方法：Pyn. .输入数据是否符合模糊规则的条件妈妈一个公司简介. P.2B. 推理：是计算规则结论基于其匹配度。在模糊匹配步骤之后，针对每个相关规则调用模糊推理步骤，以基于它们的匹配程度产生结论。有两种方法：（1）裁剪方法和（2）缩放方法。C. 组合模糊结论：到目前为止描述的模糊推理中的两个步骤使每个模糊规则能够推断出关于后件变量值的模糊陈述。由于基于模糊规则的系统由一组具有部分重叠条件的模糊规则组成一一ð Þ¼ ð Þ其中P是A中具有最高可能度的输出值y的集合，即，一个例子，最大模糊化的一个主要局限是它没有考虑可能性分布的整体形状。具有相同峰值点但形状不同的两个模糊结论将使用模糊方法产生相同的模糊结果。上面的例子描述了这样的结果。ii) 区域中心（COA）面积中心（COA）方法（在文献中也称为重心或质心方法）是最流行的去模糊化技术。与概率论不同，COA方法在计算其代表点时考虑了整个可能性分布。如果我们把mA（x）看作是x处的质量密度，那么解模糊方法与物理学中计算重心的公式类似。或者，我们可以将COA方法视为计算加权平均值，其中mA（x）为值x提供权重。如果x是离散的，则A的解模糊结果为：PμAx~x图1.一、将模糊输入A0与模糊条件A匹配。公司简介PμA？x？ð3Þ表1两类模糊规则的比较。模糊映射规则模糊蕴涵规则目的近似泛函映射概括处理不精确性期望推理仅转发广义肯定前件和否定前件应用控制、系统建模和信号处理诊断、高层决策相关学科系统病态，分段线性插值，神经网络经典逻辑、多值逻辑、其他扩展逻辑系统典型设计方法设计为规则集单独设计合适的问题域连续非线性域具有连续和离散变量的XT.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）15R一类似地，如果x是连续的，则结果为COAARμAxxdx铺设（表面填充图案的方向）粗糙高度ð4Þ缺陷μAμACOA解模糊示例见上图。 二、COA方法的主要缺点是计算量大波度高度但对于某些模糊模型，计算可以简化。即使这是大多数模糊 规 则 为 基 础 的 系 统 的 情 况 下 ， 有 情 况 下 ， defuzzification不能粗糙度宽度波纹宽度完全与融合步骤分离[8]（图 3）。2.2. 表面粗糙度术语表面光洁度和表面粗糙度在工业中广泛使用，通常用于量化表面光洁度的光滑度。1947年，美国标准B46.1-1947“表面纹理”定义了许多表面计量学的概念和术语，这些概念和术语使以前的标准黯然失色。一些概念被讨论并显示如下[15，16]：表面纹理：表面纹理是偏离标称表面的表面图案。偏差可能是重复的或随机的，可能是由粗糙度、波纹度、铺设和锯齿造成的[17]。真实表面：物体的真实表面是将其与周围介质分隔开的外围皮肤。该表面总是吸收结构偏差，这些结构偏差被分类为形状误差、波纹度和表面粗糙度。X0X图二. 这是一个模糊化的例子。X0X图三. 一个COA解模糊的例子。见图4。 粗糙度和波纹度轮廓。粗糙度：粗糙度由表面纹理的细微不规则性组成，通常包括由生产过程的内在作用引起的不规则性。这些被认为包括横向进给痕迹和粗糙度范围内的其他不规则性取样长度。粗糙度和波纹度的轮廓如图4所示[17，24]。粗糙度宽度：粗糙度宽度是构成粗糙度主要图案的连续峰或脊之间平行于标称表面的距离。粗糙度宽度截止值：粗糙度宽度截止值包括在平均粗糙度高度的测量中，平均粗糙度高度表示重复表面不规则性的最大间距。它的额定值是千分之一英寸。标准表格列出了粗糙度宽度截止值为0.003、0.10、0.030、0.100、0.300和0.100。一千英寸。如果未指定值，则假定额定值为0.030″波纹度：波纹度是表面纹理中间隔较宽的成分。除非另有说明，波纹度应包括间距大于粗糙度采样长度且小于波纹度采样长度的所有不规则部分。波纹度可能由机器或工件变形、振动颤动、热处理或翘曲应变等因素引起。粗糙度可以被认为是超级-施加在波浪形表面上，如图所示。 4 [17、18、24]。波纹高度：波纹高度是峰谷距离，以英寸为单位。波纹宽度：波纹宽度是连续波峰或连续波谷的间距，以英寸为单位。铺设：铺设是主要表面图案的方向，通常由所使用的生产方法确定缺陷：锯齿是零件表面典型形貌中的无意、意外和不必要的峰：峰是位于中心线上方和轮廓与中心线的两个交点之间的谷：谷是位于中心线以下和轮廓与中心线的两个交点之间的轮廓部分上的最大深度点。粗糙度采样长度：粗糙度采样长度是确定粗糙度平均值的采样长度。这个长度是选择的，或指定的，以分离6T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）1¼n¼-þSKnR3不Ra¼L. 是的。dx5一12345一nRq¼LY xdx 7将指定为粗糙度的不规则性与指定为波纹度的不规则性区分开。2.2.1. 表面修饰参数表面修饰可以用许多不同的参数来指定。大量的新开发的表面粗糙度参数的设想和仪器来测量它们的开发，由于在各种各样的加工操作中需要不同的参数。表面抛光规范的一些常用参数如下所述：如下所示：只.它是在采样长度内五个最高峰和五个最低谷之间的平均高度差。偏度，Rsk：Rsk是关于中线的轮廓对称性的度量。它将区分相同Rs或Rq的不对称轮廓，因为它对偶尔的深谷或高峰很敏感。负偏度表示具有深划痕的轮廓。一个表面轮廓与山谷填充或高峰有正偏度。图6示出了这两种情况。nR 1/4Xy3Q1ð9Þ（中线平均）CLA。Ra是国际上公认的最常用的粗糙度参数因此，我们认为，其中轮廓中的n个数据点峰度，Rku：Rku是一个衡量锐度的指标，1Z l..0表面轮廓如果Rkuo3，则分布相对较少高峰和低谷如果Rku43，表面有相对多的高峰和低谷。因此其中，Ra是与平均值的算术平均偏差直线，L为采样长度，y为曲线纵坐标R1/4Xy4Q1ð10Þ的轮廓。它是两个变量的偏差的算术平均值[24]第24话，一个人的幸福的示例表面轮廓如图5[24]所示。平均粗糙度Ra的近似值可以通过将Y增量相加（不考虑符号）并将总和除以增量因此kunR4t其中n是轮廓中的数据点数量。2.2.2. 端铣端铣的基本几何形状如图7所示，其中Vc是切削速度（rpm），D是铣刀的直径Ry1y2y3y4ynnð6Þ刀具（mm），Ns是刀具的转速（rpm），ft是每齿进给量（mm/齿），fr（f，n，）是每转进给量均方根（rms）粗糙度，Rq：Rq是与q对应的均方根参数[24]，s1Z120或近似R<$qy2y2y2y2y2=n8其中，nt是刀具上的齿数，fm（f，Ni）是每分钟进给量（mm/min），aa是轴向深度（mm），并且ar是切削的径向深度（宽度）（mm）。在端铣操作中，理论表面粗糙度通常取决于切削刀具几何形状、刀具材料、工件几何形状、工件材料、切削条件、刀具跳动、铣削模式、机床刚度等。铣削可以使用以下公式[19- 21]进行估算最大峰谷粗糙度高度，Ry或Rmax：这是平行于平均线的两条线之间的距离，该平均线在粗糙度采样长度内接触轮廓上的最高点和最低点。10点高度，Rz：Rz也称为IS0 10点高度参数，在未过滤轮廓1 1 1 1Ra¼ft2=132R7ftnt=132111其中R1是表面粗糙度CLA（μm），n1是刀具上的齿数，R是刀具半径，ve符号表示上铣，ve符号表示下铣。在面铣操作中产生的表面抛光，YXL图五. 表面纹理的轮廓见图6。 负R sk和正Rsk的图示。轮廓振幅分布曲线Rsk为阴性LRsk阳性粗糙度平均值，Ra：该参数也称为算术平均粗糙度值，（算术平均值）AA或T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）17过程运动学切削刀具性能冷却液刀具材料终止误差跨过切削深度刀具角度进给速度刀尖半径切割速度工件Ro加速度工件工件长度硬度切屑形成振动切割区工件特性切削力变化N一一见图7。 端铣的基本几何形状。立铣刀刀片可以表示为[22，23]：Ra¼ft2=32r12其中r是端铣刀刀片的刀尖半径。实际的表面粗糙度通常大于由方程给出的理论粗糙度值。11、Eq。12.由于上述表达式没有考虑振动、机床系统的偏转2.2.3. 加工因素在几种CNC工业加工过程中，铣削是一种基本的加工操作。表面质量在铣削性能中起着非常重要的作用，因为高质量的铣削表面可以显著提高疲劳强度、耐腐蚀性或蠕变寿命。表面粗糙度还影响部件的几个功能属性，例如引起表面摩擦、磨损、光反射、热传递、分布和保持润滑剂、涂层或抗疲劳的能力的接触。因此，通常会指定所需的抛光表面，并选择适当的有几个因素会影响CNC铣削操作中的最终表面粗糙度。可以考虑最终表面粗糙度作为两个独立效应的总和：1）理想的表面粗糙度是刀具几何形状和进给速率的结果，2) 自然表面粗糙度是切割操作中的不规则性的结果[24]。主轴转速、进给速度和切削深度等控制切削操作的因素可以提前设置。然而，诸如刀具几何形状、刀具磨损、切屑载荷和切屑形成或刀具和工件的材料特性等因素是不受控制的[25]。即使在机床的颤振或振动发生时，工件材料的结构缺陷、刀具磨损或切屑形成的不规则性也会导致加工过程中的表面损伤[26]。人们应该开发技术来预测铣削前产品的表面粗糙度，以评估加工参数，如进给速度或主轴速度，以保持所需的表面粗糙度和提高产品质量。同样重要的是，预测技术应该准确、可靠、低成本和非破坏性。因此，本研究的目的是发展一种称为多元回归预测模型的地表预测技术，并评估其预测能力。2.2.4. 造成表面粗糙度的影响表面粗糙度的重要因素有进给量、切削深度、切削速度、刀具角度和冷却液。除此之外，刀具材料、刀尖半径、切削力和振动等因素也会对表面粗糙度产生影响。下面的鱼骨图让我们清楚地了解了造成表面粗糙度的因素（图1）。 8）。3. 方法本研究分两个阶段进行，第一阶段是实施实验设计，从实验中确定重要因素并推导回归模型。第二阶段是应用模糊逻辑预测表面粗糙度，并开发一个端铣表面粗糙度预测模型。加工参数的选择取决于工艺工程师或机械师的经验和直觉，他们指定参数以产生所需的表面粗糙度，特别是在没有先验知识或切削数据的情况下。一个可加工性数据库只能给出一个粗略的近似过程的行为，因此加工参数选择保守。可以通过少量试切削来测量表面粗糙度，并据此调整加工参数，但这种方法很难达到最佳效果加工参数表面粗糙度切割现象见图8。 鱼骨图与影响表面粗糙度的因素。DFVF8T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）1-~ ¼--以一致的方式解决。如果要避免一组新的切削实验，以获得正确的加工参数，表面粗糙度的准确预测可以替代模型的重新制定。相反，表面粗糙度可以根据直接从工艺知识和经验推断的预期工艺行为粗略预测[27]。图9示出了方法开发的概念框架，其包括实验和模糊逻辑的3.1. 第一阶段：实验为了开发表面粗糙度模型，实验检查了以下参数对表面粗糙度的影响样品和每个测量间隔约120度。每个样品三次测量的平均AA值见表3。然后在统计软件“MINITAB“中进行这些运行方差分析的结果证明，进给速度，切削速度和切削深度是五个因素中的三个重要因素P值、T值R2¼95.54%和R2（调整）93.44%的数值证明表2实验设计的关注因素和水平等级因子端铣表面粗糙度：（1）进给速度，（2）主轴进给速度切削 速度深度切割鼻子半径切割阿斯图里亚斯速度、（3）切削深度、（4）刀尖半径和（5）切削液。训练所需的数据必须来自实验而不是手册，以便更真实地描述所调查的现象。这些因素是潜在的-低（1）高40 mm/min 1200 rpm 2 mm 0.1 mm 2%300 mm/min 4000 rpm 25 mm 0.5 mm 5%所考虑的主要因素均来自文献，并首先进行了简要分析。然后，考虑到大多数因素的数量和连续的值范围，应该设计一种减少实验（测量值）数量的策略。这些因素是从以前的研究中选择完成端铣。注意，（1）我们的测试和验证结果。这三个因素的进料速率，表3模型构建的实验和数据设计。的 水平 的 兴趣 为 每个 因子 给出1 2 3表2中这项研究假设，三，四，五因子相互作用可以忽略不计，因为这些高阶相互作用通常被认为在实际中是非常不可能的。因此，选择25-1部分设计。该分辨率V设计导致16次实验运行，并分别选择重复次数为3。结果，实验总数为16 3 48。设计如表3所示。48个实验的顺序首先是随机的。然后在三轴立式数控铣床（Cincinnati Milacron Arrow 750 CNC VMC，重复性为0.0001″）上进行这些实验。主轴接触式测头（RenishawMP 700表面传感无线测头）和Renishaw TS27R刀具设置测头用于收集表面粗糙度数据。对每一个进行三次测量1111112.96 三点三八三点三三2111113.15 2.84 2.793 1 1-1-1 1 3.13.61 3.214 1 1-1 1-1 2.41 3.44 2.855 1-1 1 1-1 5.18 5.56 5.236 1-1 1-1 1 5.69 4.55.637 1 1111 5.2四点九一四点六七8-1-1111.51 一点四九一点四十四9 1-1 1-1-1 0.85 0.90.88个单位10-111-111.91.47 1.3211-1-1-11-11.79 2.13 1.6712-1 1 1-1 0.79 0.59 0.8613-11-1112.44 2.16 0.6314-1-1-1-1 11.01 一点三二一点一八15-1 1-1-1-1 2.81 3.69 2.8916 1-1-1 1 5 5.63 4.5实验数据重要因素知识库输入输出清脆清脆重要因素DOE部 分 析因设计数据采集铣削过程规则库数据库决策单元模糊化接口模糊化接口二期一期见图9。 方法发展的概念框架。基于感兴趣的水平进行实验，运载段供料切割深度鼻子切割表面每个因素。率速度切割半径阿斯图里亚斯粗糙度T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）19¼¼¼¼解模糊模糊推理将切削速度和切削深度作为模糊逻辑的输入因素，并执行第二3.2. 第二阶段：模糊逻辑模糊逻辑方法被用来构建预测表面粗糙度的算法模糊逻辑的基本概念是将变量分类为模糊集，在数值区间（0和1之间）中具有一定程度的确定性，以便可以处理数据结构和人类知识中的不精确性和不确定性，而无需构建复杂的数学模型[28，29]。模糊算法的构建基于第3节中开发的重要因素，其中进给速率、切削速度和切削深度被认为是对表面粗糙度结果最重要的变量。由模糊预测器定义的函数关系为：f：F，Cs，D-Ra1其中f表示表面粗糙度与F（进给速度）和Cs（切削速度）、D（切削深度）之间的非线性关系，Ra1（模糊输出）是表面粗糙度Ra的子集。模糊算法有三个输入和一个输出。进给量、切削速度和切削深度是两个模糊输入，其中表面粗糙度的预测值是模糊输出。三个模糊输入是相同的独立变量，从DOE和方差分析。模糊预测器的基本结构如图10所示。3.2.1. 隶属函数在本研究中，只有进给速度、切削速度和切削深度是经验实验的重要因素。因此，这些因素形成输入变量，影响单输出变量，表面粗糙度。下面介绍这些输入变量的隶属函数.进给速度：基于加工专家和模糊逻辑专家，选择了七种不 同的 进 给速 度 隶属 度 函数 。 进料 速 率的 行 向量 是FT{VS，S，MS，M，MF，F，VF}，其中VS是非常慢的进料速率（40 mm/min）; S是慢的（80 mm/min）; MS是中等慢的（110 mm/min）; M是中等的（150 mm/min）;MF是中等快的（195 mm/min）; F快速（240 mm/min）; VF非常快（300 mm/min）。切削速度：将切削速度的隶属函数分为3种不同的速度Cs{S，M，H}，其中S是慢切削速度（1200 rpm）;M为中等切削速度（2600 rpm）; H为高切削速度（4000rpm）。切削深度：切削深度也有3个隶属函数。Dc{S，M，D}，其中S是浅切削深度（2 mm）; M是中等深度（10mm）; D是深（20 mm）。表面粗糙度：模糊逻辑的输出因子已被分成5个隶属函数Ra{VF，F，M，R，VR}，其中VF是非常精细（30mm）; F是精细（50m m）; M是中等（100m m）; R是粗糙（130m m）; VR是非常粗糙（150m m）。从实验数据中选取表面粗糙度值，代表在切削速度、切削深度和切削速度三个不同水平下的表面粗糙度平均值。3.2.2. 模糊规则库模糊输入的划分决定了规则的数量。由于每个输入变量有7个、3个和3个分区，因此将有63条规则。基本上，模糊规则规定了输入变量和输出变量之间的关系，这允许根据模糊输入的特性适当地选择控制动作，并且通过区域中心（CoA）defuzzi- tion方法获得模糊输出。表4总结了本研究中定义的模糊规则库4. 数值案例研究4.1. 加工实验在三轴立式CNC铣床（Cincinnati Milacron Arrow 750CNC VMC，重复性为0.0001“）上进行铣削操作。主轴接触 式 测 头 （ Renishaw MP 700 表 面 传 感 无 线 测 头 ） 和Renishaw TS27R刀具设置测头用于收集表面粗糙度数据。所有实验均在模糊输入模糊输出清晰的输入输入隶属函数模糊规则库输出隶属函数清晰的输出见图10。 模糊预测器的结构。深度速度进料速率RA模糊化10T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）1----------¼ ¼¼铝6061 T6和总共20个部件使用1英寸的机加工。直径，2毫米钴高速钢（HSS）立铣刀。选择这种特殊类型的合金和插入件是因为6061 T6 AL具有至少42，000 psi（290MPa）的极限拉伸强度和至少35，000 psi（241 MPa）的屈服强度。厚度为0.250 in. (6.35 mm）或更小，其具有8%或更大的伸长率;在较厚的部分中，其具有10%的伸长率。此外，它比大多数其他金属的刀具寿命问题更少;它非常容易切割，因此刀具具有很长的寿命。它具有低切削力，并且在铝切屑中产生的平均温度通常为5000-9000 F，在切屑/工具界面处具有稍微更高的幅度。需要110、150和200的正前角，但200和表4模糊规则库。S低切割速度中切割速度高切割速度F DSMDDSMDDSMDDVSMRVRFMDRVFFMSRVRVRFMDRVFFMMSRVRVRFMDRFFMMSRVRVRMRVRFMDRMFRRVRRVRVRVMRVRFVRVRVRRVRVRRVRVRMFVR VR R R VR R VR VR260型是首选，以实现积极的耙和足够的间隙。在整个实验过程中保持高切削速度，来自更高速度的离心力也有助于排出切屑[30]。高速钢或钴切削刀具适用于有色金属材料的较短生产周期，以及加工条件限制使用较硬、较脆基材的应用。这些刀具的耐磨性较低，耐热性明显低于硬质合金切削刀具[31]。4.2. DOE的计算结果为了建立预测模型、回归模型并找出重要因素的影响，使用软件包MINITAB（Minitab 2005）使用实验数据进行ANOVA和回归分析。表5总结了DOE结果和模型。的高表5中给出的方差分析（ANOVA）中的R2、调整后的R2值和零P值表明，该模型具有令人满意的拟合优度。在考虑的五个参数中，进给速度、切削速度和切削深度显著影响表面粗糙度，显著性水平α<$0.05。此外，五个两因素间，这五个变量中的作用项也会显著影响表5Minitab的ANOVA结果因子拟合：表面韧性与进给速度、切削速度等的关系表面粗糙度的估计影响和系数（编码单位）2013年12月31日进给量 * 切削速度1.2504 0.6252 0.05921 10.56 0.000进给量 * 切削0.4762 0.2381 0.05921 4.02 0.000进给量 * 刀尖半径0.0462 0.0231 0.05921 0.39 0.699进给量 * 切削液0.1046 0.0523 0.05921 0.88 0.384切割速度 * 切割0.3212 0.1606 0.05921 2.71 0.011切削速度 * 刀尖半径0.5463 0.2731 0.05921 4.61 0.000切削速度 * 切削液0.546 0.0273 0.05921 0.46 648切削深度* 刀尖半径0.0654 0.0327 0.05921 0.55 0.584切削深度液0.3288 1644 0.05921 2.78 0.009机头半径 * 切削液0.1504 0.0752 0.05921 1.27 0.213S0.410198，R295.54%，R2（adj）93.44%表面粗糙度的方差分析（编码单位）源DF序列SS调整SS调整MSFP主效应587.13987.139117.4278103.580.000双向交互1028.11628.11582.811616.710.000残差325.3845.38440.1683纯误差325.3845.38440.1683总47120.639Term效果CoefSE系数不P恒定2.84350.0592148.030.000进料速率2.54381.27190.0592121.480.000切削速度0.80210.4010.059216.770.000切削深度0.33380.16690.059212.820.008刀尖半径切削液-0.1804-0.09020.05921-一点五二0.137T.- L. （Bill）Tseng et al./计算设计与工程学报3（2016）111¼图十一岁规则31的矩阵规则编辑器和COA定义图12个。（a）3D图和（b）规则31的传递图表面粗糙度为α0.05，分别为进给量与切削速度、进给量与切削深度、切削速度与切削深度、切削速度与刀尖半径、切削深度与切削液。正态概率图、恒定方差图、直方图图描绘了数据正态分布和均匀分布，并验证了该模型具有令人满意的拟合优度。4.3. 使用fuzzyTECH 5.5i模糊技术5.5i版是一个完整的模糊逻辑软件开发系统的所有微控制器设备。图形编辑器和分析器工具提供有效的系统设计、优化和验证。它生成的模糊逻辑系统设计为高度优化的汇编