难加工材料数控切削用量时变可靠性优化控制研究

The selection of cutting parameters for difficult-to-machine materials is very important to improve machining efficiency and ensure machining quality. The effective way to get reliable and optimal cutting parameters is a focal point of research for improving CNC machining efficiency of difficult-to-machine materials. This proposal devotes to deal with uncertainty and time-variant in the manufacturing procedure. The important research topics of this proposal cover following four points. Firstly, the time as a factor is added to design of experiment for the first time in order to considering time-variant. After that, data processing is for quantifying uncertainty from experiment data and determining the sources of uncertainty. Meta-models are for developing the relationship among cutting parameters (input), responses (tool life, cutting force, surface roughness, temperature and so on) and time variant. After the meta-models are developing, time-variant reliability-based optimization is done to obtain the cutting parameters considering uncertainty and time-variant which are feeding back to machining system. The research results to be developed will enrich the reliability optimization and provide a suite of theoretical methods and practical tools to effectively obtain reliable and optimal cutting parameters for difficult-to-machine materials.

难加工材料数控切削用量的选择对提高加工效率和保证加工质量至关重要。如何高效获取可靠最优的切削用量是提高难加工材料数控加工效率的研究热点之一。本项目围绕着数控加工过程中存在的不确定性影响因素和加工过程时变性特征，从四个方面研究难加工材料数控切削用量时变可靠性优化控制方法。首先将时间作为一因素放在实验设计中从而实现时变性特征地考虑。接下来在线收集数据并对其进行处理和分析，从而量化存在的不确定性并根据数据的特征发掘直接和间接不确定性影响因素的来源。然后建立切削用量和响应（刀具寿命、切削力、加工质量、加工温度等）之间的时变近似模型。通过建立的时变近似模型对含有不确定性和时变的切削用量进行优化，并将优化结果反馈到加工系统中，从而实现切削用量时变可靠性优化控制。项目将丰富可靠性优化的理论并为难加工材料数控加工切削用量地获取提供更符合工程实际的研究思路和重要的理论依据，具有重要的科学意义和工程价值。

难加工材料数控加工中，加工质量的保证和加工效率的提高很大程度取决于切削用量的正确选择，加上在实际工程中存在很多不确定性因素，因此，本项目主要目的是寻找高效获取可靠最优的切削用量的方法和途径。围绕此目的，首先是实验设计，实验设计方法与后期近似模型的建立有直接关系，所以从近似精度和实验次数角度出发，本项目对实验设计方法和近似模型匹配进行了比较，并运用一经典数学例子验证，给出了不同情况下实验方法的优选级别。结合近似精度和实验次数，本项目选择了正交实验方法，结合加工中心的机床设备参数、材料、刀具等，制定了实验数据收集表。然后购置了实验设备，搭建了多为监测数控加工过程的实验平台，实施实验，收集了切削用量和各个响应（振动、刀具磨损量、表面粗糙度、切屑）的实时数据。其次是数据处理和分析，针对收集的各类数据，采用相应的方法进行分析和特征提取。其中采用信号处理方法对振动数据进行处理，得到了描述数控加工过程的振动特征。刀具磨损量由于其数据较少，采用了贝叶斯方法分析了刀具磨损的可靠度。表面粗糙度采用了常规的最小二乘法。切屑采用了BP神经网络建立了一种切屑控制方法。然后，基于处理的数据，建立了切屑、刀具寿命、表面粗糙度、材料去除率和加工时间的时变近似模型。通过建立的时变近似模型对含有不确定性和时变的切削用量进行优化，在MATLAB中对四种不同可靠度约束（βT≥0, βMRR≥0；βT≥ 1, βMRR≥1；βT≥ 2, βMRR≥2；βT≥3, βMRR≥4）情况进行考虑，得到了可靠最优的切削用量组合。最后反馈到加工系统中进行验证，验证结果说明此方法可以有效的对数控加工过程进行实时监控和反馈信息，实现切削用量时变可靠性优化控制。从而达到了研究目标---提高加工效率和加工质量、降低生产成本、提高加工系统的可靠性。