智能算法优化铣削进给速度的研究与实验

可在ScienceDirect上获得目录列表计算设计与工程杂志首页：www.elsevier.com/locate/jcde计算设计与工程学报5（2018）299优化进给速度以缩短加工时间的朴洪锡a、鲍文齐a、张文、邓越a、朴大佑ba韩国蔚山南区大学机械与汽车工程学院，93 Daehak-ro，Ulsan 44610b和川机床有限公司，有限公司、123-17，Hanamsandan 4 beon-ro，Gwangsan-Gu，光州，韩国阿提奇莱因福奥文章历史记录：2017年12月19日在线发布保留字：智能加工系统进给速度优化铣削工艺力控制A B S T R A C T进给速度优化是缩短加工时间、提高加工效率的一个重要方面本文提出了一个自主加工系统和优化策略，以预测和提高铣削操作的性能。在虚拟加工框架中对加工过程进行仿真分析，提取刀-工啮合条件。根据铣削加工力学规律，计算了沿切削段的切削力。在仿真中，基于约束的优化方案被用来最大化的切削力，通过计算可接受的进给速度水平作为优化策略。智能算法被集成到自动加工系统中，以修改NC程序，以适应这些新的进给速度值。对智能加工系统生成的优化NC文件进行了实验研究。结果表明，自主加工系统，有效地减少了26%。©2017计算设计与工程学会Elsevier的出版服务这是一个开放在CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下访问文章1. 介绍在当前的实际工业中，开发加工技术以提高高效加工的潜力已成为一个非常重要的事实。铣削加工是一种非常有效和灵活的制造工艺，通常用于制造自由曲面或雕塑曲面。铣削加工工艺参数的选择是根据操作者的经验或从各种手册。当径向切深和切屑厚度变化导致铣削力急剧增大时，经验参数不能使机床避免颤振和刀具破损。等进给速度导致加工时间过长，进一步降低了加工生产率.因此，进给速度的调整是一个有效的途径，以提高效率的加工潜力。过程优化的主要架构是离线和在线优化。离线系统使用数学和仿真模型的结果来选择加工产品的最佳切削参数。离线方法允许最大限度地操纵工艺参数，如切削速度和进给，深度和宽度以及刀具路径的形式优化方法的目标是使切削力最小化，由计算设计与工程学会负责进行同行评审。*通讯作者。电子邮件地址：bowen. gmail.com（B. Qi）。加工过程中的颤振和最大限度地减少能源消耗和切削时间。在线系统在加工过程中进行参数优化。算法根据传感器的反馈信息进行决策，评估切削过程的状态，并据此调整加工工艺参数。在线系统的目标通常是稳定 切 削 力 和 避 免 颤 振 （ Kurt Bagci ， 2011;Tapoglou ， Mehnen ，Butans，Morar，2016）。为了实现加工过程的优化，缩短加工时间，提高产品质量，进给速度的优化已经引起了众多研究者的关注。进给速度可以根据切削力重新安排，如Salami，Sadeghi和Motakef（2007）试图优化球头铣刀加工雕塑零件的进给速度Ridwan、Xu和Ho（2012）通过使用模糊自适应控制开发了最佳进给速度，以保持恒定的切削载荷，同时考虑机床的能力和限制。Erdim，Lazoglu，andOzturk（2006）在Guzel（2004）和Li，Zhao，Yao，and Liu（2008）的研究基础上，建立了一个基于切削力模型的自由曲面加工离线进给速度调度系统，建立了优化系统的框架，使可靠性验证、切削参数优化和误差补偿过程可以集成到一个系统中。Yazar、Koch和Altan（1994）通过模拟端铣过程和预测雕塑曲面三轴铣削中的切削力来优化进给像这样，进给速度优化https://doi.org/10.1016/j.jcde.2017.12.0042288-4300/©2017计算设计与工程学会Elsevier的出版服务这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。300H.- S. Park等人/Journal of Computational Design and Engineering 5（2018）299研究了基于启发式方法的铣削力预测（ Li ， Zhang ， Zheng ，2004）。Peng Xu等人提出了一种基于人工神经网络混合正向-反向映射的优化方法（Xu Lee，2016）。Javad Jahanpour等人提出了一 种 自 适 应 加 速 度 限 制 的 非 均 匀 有 理 B 样 条 插 值 方 法（Jahanpour&Alizadeh，2015）。郭建新等人使用限制跟踪误差法优化进给速度（郭，张，高，李，2015）。张晓婷等.使用了具有进给率优化的实时NURBS 曲线拟合（Zhang Song ， 2012 ）。Paolo Bosetti等人运动学约束下的最优费用生成问题得到了广泛的研究，并设计了有效的算法.然而，上述努力在产生新的进给速率值期间没有实现灵活和动态的操作。因此，开发一个智能自主加工系统来预测加工力、重新调度进给速度和生成新的数控代码，以提高数控机床的效率为了克服其他系统的局限性，我们开发了一个智能加工系统，嵌入到数控机床中，以优化加工过程。智能加工系统可以适应制造过程，并提供新的最佳进给速度，以减少基于切削力控制的加工时间，从而保持产品质量可靠。本文介绍了一种智能加工系统，用于生成优化的数控程序。首先，系统的程序。然后介绍了智能加工系统中进给速度重调度的原理最后，本文对全文进行了总结，并对未来的研究提出了建议。2. 智能加工系统的设计框架用于调整加工工艺参数的智能加工系统框架如图1所示。首先，设计产品并导入到传统的CAM系统中。设计了进给速度、切削速度、切削深度、刀具、步距等加工工艺参数，生成了刀具轨迹和数控加工程序。其次，将传统CAM系统的加工工艺参数传递给智能加工。系统在设置材料常数、参考力、阈值和最低进给速度后重新模拟制造过程。计算材料去除量（MRV）、材料去除率（MRR）和切削力，以监控加工过程参数。随后，在智能加工系统中实现了一种智能算法，以数控机床能力的参考力为基础重新调度进给速度。新的加工参数可以提高加工效率，减少加工时间，避免刀具断裂，提高刀具使用寿命。最后，以最优进给速度生成新的数控数据文件，并通过物理仿真实验进行验证.3. 自主加工系统Fig. 1. 自主加工系统开发框架。3.1. 机械切削力模型在智能加工系统中，使用MRR值预测切削力。基于主轴功率的方法与MRR成正比。然后，切向力和径向力通过使用主轴功率从扭矩计算（Wang，1988）。MRR是每时间单位的MRV，可表示为：MRR<$MRV<$MRV×fpð1Þ在此基础上开发了自主加工系统，实现了对刀具轨迹的仿真和验证。当NC程序从商业CAM环境导入到自主加工系统时，建立了体积模型。智能加工系统通过提取刀具轨迹上每个切削段的刀具与工件之间的几何参数，分析计算出MRV和MRR随后，智能算法实现优化进给速度的基础上的切削力控制与边界条件，以产生最佳进给速度。tc Ls其中tc;Ls;fp分别表示切削时间、段长和进给速度。制造操作所需的主轴功率为定义为P¼Km MRR200其中Km是材料常数，取决于工件材料、切削刀具几何形状、切削条件，并通过实验或金属切削手册（如Dynomax）计算。H.- S. Park等人/Journal of Computational Design and Engineering 5（2018）2993011/4秒Ft FthR ClF然后，切割扭矩Ts可以计算为（Stephenson&Agapiou，2016）Fr ef<$CS×F阈值其中CS是临界缩放值。工具开始破裂，T60000P2pn其中n是以rpm为单位的切割速度。ð3Þ临界缩放值是1。参考切削力的目的是避免这种损坏。为此，引入临界比例值，从切削力的角度切向切削力Ft的计算可以从切削扭矩和主轴功率估算为刀具开始当检测到的切削力变大或变小时，进给率被修改，以保持切削力恒定。如果切割力Ft<$2Ts< $41000Pð4Þ大于阈值力时，进给速度依次减小Dep D en其中De是刀具的直径。根据经验建模和实验，推力切削力近似计算为：Fth¼0： 5×Ft5mm切削力是切向切削力和以避免诸如刀具断裂或颤振的切削故障。如果切削力较低，则增加进给率以减少加工时间。因此，加工过程得到更短的加工时间和提高其效率的潜力传统的进给速度根据方程进行调整。（九）、最佳进给速度必须在最小和最大进给速度范围内，这是由刀具规格决定推力切削力q22fn<$fpð6ÞF参考×Frð9Þ这些方程是由经验模型和各种实验得出的。利用C++语言在Platform中实现了上述方程的求解，计算出了加工过程中的MRV、MRR和瞬时切削力。3.2. 进给速度优化进给速度调度是该智能加工系统的重要功能之一。计算给出了根据如图2所示的切割而变化的最佳费用。保持合适切割的参考力和避免切割故障的阈值力。这些参数被认为是不同的加工工艺和加工能力的目的的边界条件。参考切削力是最重要的参数，以避免在制造过程中损坏机床，并从我们的系统中获得最佳结果。这些参数与机床容量、工件材料、刀具直径和所需的产品精度有关。根据工具材料的横向断裂强度（TRS）和断裂表面面积（Lee Cho，2007）计算确定碎裂开始的阈值力，阈值力为：式中：fn：新的进给速率，fp：当前进给速率，Fref：ref-力，Fr：合力4. 原型开发一个模具产品是用来进行加工过程中所示的图。3.第三章。工件材料为KP4M。采用POWER-MILL软件作为传统的CAM系统，建立切削条件如表1所示.在智能加工系统中输入所有的加工工艺参数后，如图4所示，实现动画来验证切削过程。在自主加工系统中，计算了整个段切削过程中的MRV、MRR和切削力参数，并在MatlabF阈值<$TRS×Srf fdaq1K2ð7Þ式中，Sr是断裂表面的面积，fr和fc分别是前角和临界未切屑厚度的系数，l和da是断裂表面的高度和切削的轴向深度，Kf是摩擦切削力系数。参考力选择如下：图三. 测试模具产品。图二. 进给速度优化的原理。表1切割参数。参数值切削刀具平端刀具刀具直径[mm] 12凹槽数量工件尺寸[mm]100<$60<$40加工策略等高线模式主轴转速[rpm]4000快速进给速度[mm/min]20,000径向切削深度[mm]5轴向切削深度[mm]0.5Fr¼302H.- S. Park等人/Journal of Computational Design and Engineering 5（2018）299见图4。 智能加工系统中的加工过程仿真。环境MRV、MRR和切削力的仿真结果如图2和图3所示。5 - 7 分 别 。4.1. 样机仿真结果参考切削力和进给率范围信息基于公司提供的切削条件的表2切削参数优化工艺。参数值所需载荷[N]参考文献200进给速度[mm/min]Max2800Min800参数见表2。采用智能算法对进给速度进行优化，优化后的进给速度结果如图所示。8 .第八条。原始加工时间为670 s。与非最优情况相比，采用新的最优进给速度，加工时间可减少239 s，包含进给速度计划的新NC代码将导出到新文件中以执行物理制造过程。5. 实验以HWACHEON公司制造的UCIX数控智能机床为物理样机，进行了实验过程.自主加工系统在机床控制器系统中实现，如图所示。9.第九条。实验图五. 使用原始NC代码去除材料体积。图六、使用原始NC代码的材料去除率图7.第一次会议。使用原始NC代码的合成切削力H.- S. Park等人/Journal of Computational Design and Engineering 5（2018）299303见图8。 最佳进给速度的结果。进行铣削以证明所提出的系统的能力并验证其有效性。工件材料为KP4M，与模拟工艺相同。工件的刀具轨迹如图10所示。在制造过程中，在CNC机床系统中记录加工时间测试。在实验装置中，我们可以减少174 s，小于仿真系统的结果，这是239 s。这可以解释为，进给速度在每个位置立即改变，但机器不能跟随加速度和减速度的及时变化。此外，几何形状在两种情况下是相似的：使用常规NC代码和最佳NC代码，如图11所示。也就是说，通过自主加工系统，可以在不影响产品质量的情况下缩短加工时间。见图9。 UCIX智能机器。见图10。 工件刀具路径。6. 结论在C++程序的支持下，开发了智能加工系统中基于切削力控制的进给速度优化算法。在智能加工系统中计算了材料去除量、材料去除率和切削力.该系统采用智能算法生成最优进给速度，提高了数控机床的加工效率。仿真结果表明，该方法可使加工时间缩短35%左右，并生成新的NC文件以自动进行加工过程。制造了物理机械装置，将智能加工系统集成到控制系统中，以进行实验过程。结果表明，加工时间可以减少26%，而不会发生任何刀具断裂或崩刃。这意味着我们的系统是可靠的，以减少加工时间，提高机床效率。虽然使用仿真模型进行了尝试，并通过物理实验进行了验证，但加工时间在仿真结果和实验结果之间存在偏差。(a)常规NC程序（b）最佳NC程序见图11。 制造过程后的几何产品。304H.- S. Park等人/Journal of Computational Design and Engineering 5（2018）299原因是进给速度的加速和减速所需的时间在自主加工系统中，考虑机床加减速的进给速度优化将是进一步加强本研究的进一步工作的主题。利益冲突一个也没有。确认这项工作得到了贸易、工业能源部（MOTIE）资助的工业核心技术开发计划（10060188，基于ICT的智能机床和灵活自动化系统的开发）的支持。引用Dynomax，主轴部件事实和工程数据，第二部分。Erdim，H.，拉兹奥卢岛厄兹蒂尔克湾（2006年）。自由曲面的进给速度调度策略。International Journal of Machine Tools and Manufacture，46（7-8），747-757.Guo，Jianxin，Zhang，Qiang，Gao，Xiao-Shan，Li，Hongbo（2015）.基于线性规划的跟踪误差受限的时间最优进给速度生成。 Journal of Systems Science andComplexity，28，80-95.古泽尔湾联合（2004年）。基于力系统模型的分段变进给速度离线调度提高雕塑曲面加工生产率。International Journal of Machine Tools and Manufacture，44（1），21-28。Jahanpour，Javad，Alizadeh，Mohammad Reza.一种基于S形五次进给速度的加速度限制NURBS插补算法调度方案先进制造技术的国际杂志，77，1889-1905。Kurt，Mustafa，Bagci，Eyup（2011）.雕塑表面加工的进给速度优化/调度：全面回顾，应用和未来方向。国际先进制造技术杂志，55，1037-1067。Lee，Han-Ul，Cho，Dong-Woo（2007）.用有限元分析法建立粗铣进给率调度的参考切削力模型。国际机床&制造杂志，47，158-167。Li，Z. Z.，Zhang，Z.H、郑湖，澳-地（2004年）。基于切削力预测的变进给量铣削优化。国际先进制造技术杂志，24（7-8），541-552。Li，J.G.，赵，H.，Yao，Y. X.，&Liu，C. Q.（2008年）。基于虚拟加工的数控加工离线优化。国际先进制造技术杂志，36（9-10），908-917。Ridwan，Firman，Xu，Xun，&Ho，Frederick Chern Loong（2012）. 具有进给速度优化的NC程序的自适应执行。国际先进制造技术杂志，63（9 -12），1117-1130。萨拉米河Sadeghi，M. H、&莫塔基夫湾（2007年）。复杂曲面三轴球头铣削的进给速度优化。International Journal of Machine Tools&Manufacture，47（5），760-767.史蒂芬森，大卫A.， &约翰·阿加皮乌 （2016年）。 金属切削理论与实践（第3版）。Press.Tapoglou，Nikolaos，Mehnen，Jorn，Butans，Jevgenijs，Morar，Nicolau Iralal. 在线在线优化切削参数，实现高效节能的数控铣削。Procedia CIRP，40，384-389.Wang，W. P.（1988年）。三维数控端铣金属去除优化的实体建模。制造系统杂志，7，57-65。Xu，Peng，Lee，Rong-Shean（2016）.基于人工神经网络正反向混合映射的五轴铣削进给速度优化。国际先进制造技术杂志，87，3033-3049。Yazar，Z.，科赫，K。F.、Altan，T.（1994年）。 基于切削力计算的复杂曲面模具三轴铣削进给速度优化。International Journal of Machine Tools and Manufacture，34（3），365-377.Zhang，Xiao-ting，Song，Zhan（2012）.一种用于实时NURBS曲面造型的迭代进给速度优化方法。国际先进制造技术杂志，62，1273-1280。