一种高压冷却下切削高温合金切削力预测模型的优化方法与流程

本发明涉及一种切削力预测模型的优化方法，属于金属切削加工领域。

背景技术：

近些年，高温合金发展非常迅速，因为其拥有良好的物理力学性能，材料中加入的钴、钨等元素提高了合金的稳定性；较多的金属化合物使高温合金在800℃的高温环境中仍能保持很高的强度，抗拉强度可达800mpa；稳固的原子结构使高温合金塑性较好。高温合金大量应用在航空制造、船舶工程、核反应堆等领域，随着我国机械加工行业的发展，目前对高温合金的工艺加工提出了更高的要求。

高温合金加工问题是制造业难点，材料中弥散分布的强化相造成严重的加工硬化，结构稳定的原子要求很大的切削力，几乎达到钢材的2～3倍，常规切削不能很好的完成高温合金加工要求，高压冷却加工却能有效保证刀具切削时间并显著提高加工效率，但是高压冷却下切削高温合金振动和冲击等因素非线性影响仍然较大，直接干扰到切削力信号采集，而现有切削力测量装置还不能够克服上述缺陷。

切削力是引起切削热的重要原因，并造成刀具磨损和破坏，最终影响到工件已加工表面质量；实际生产中切削力又是计算切削功率、设计和使用机床、夹具的依据。因此如何有效减小采集到的切削力误差是研究高温合金切削加工的有效途径，对高压冷却下切削力进行研究可以探究高温合金切削层特性及表面形成机理等，最终为高效加工高温合金提供参考和借鉴，对切削力预测模型进行分析和优化将有助于分析切削机理和提高实际生产效率。

技术实现要素：

本发明的目的在于针对上述问题，提出了一种高压冷却下切削高温合金切削力预测模型的优化方法，基于残差诊断分析，从模型参数空间的全局最优出发，考虑振动和冲击等因素造成的切削环境复杂性，有效剔除切削力异常值并相应地减小误差，满足试验值与优化值最佳拟合度且在试验范围内进行验证保证预测准确性，为高效切削难加工材料加工工艺提供参考，为高压冷却下高温合金切削机理研究奠定一定的基础。

为实现上述目的，本发明的技术方案是：

一种高压冷却下切削高温合金切削力预测模型的优化方法，所述的优化方法包括如下步骤：

步骤一：合理选取vc、f、ap范围，在高压冷却下切削高温合金试验基础上采集不同切削力fx、fy、fz信号；所述的切削力fx、fy、fz分别为进给抗力、切深抗力、主切削力；

其中，所述的vc、f、ap分别为切削速度、进给量、切削深度，参考高速切削加工技术和难加工材料切削特点，选取范围须满足下述关系：

所述的高压冷却下切削高温合金试验包括单因素试验和正交试验两部分(所述的单因素试验探究pcbn刀具倒棱对切削力影响状况，了解其作用显著范围，在此基础上优选最佳倒棱宽度、角度，进行多因素多水平的正交试验)，所述的单因素试验和正交试验中vc、f、ap分别满足下述关系：

其中，vi为vc的具体取值情况，vi+1与vi关系用上式表示，n^*为正整数，fi+1与f关系、ai+1与ap关系同理，vc、f、ap单位分别是m/min、mm、mm/r；

所述的进给抗力fx、切深抗力fy、主切削力fz与切削力f关系满足以下条件：

步骤二：基于所述的单因素试验和正交试验，构建切削力预测模型；

所述的切削力f预测模型通过回归分析遴选最优组合共同来预测或估计切削力，满足以下条件：

其中，cf表示加工系数，其取值取决于加工条件；vc表示切削速度，m/min；ap表示切削深度，mm；f表示进给量mm/r；x^f、y^f、z^f分别表示切削速度、进给量、切削深度的指数；

所述的试验获取的切削力f(f1，f2，…f16)具体表现形式满足以下条件：

其中，y＝lgf，y包括y1～y16；x1＝lgvc，x1包括x0101～x0116，x2＝lgap，x2包括x0201～x0216；x3＝lgf，x3包括x0301～x0316；b0＝lgcp；b1＝x^f；b2＝y^f；b3＝z^f；

步骤三：基于所述的切削力预测模型和残差诊断方法，求取残差；

所述残差ei满足如下关系式：

其中，yi表示所述正交试验采集到的切削力数据，且i∈[1,16]，表示切削力预测模型的优化值，

步骤四：根据采集的切削力数据的统计特性，计算标准差；

所述的第i个残差的标准差计算公式为：

其中，hii表示第i个切削力观测值的杠杆率，n为所述正交试验样本容量，yi为正交试验第i个观测点切削力数据，为所有切削力观测值平均值，表示切削力预测模型的回归标准差；是第i个残差的标准差；

步骤五：根据切削环境和残差变化率设置阈值对切削力异常值进行判断和剔除，所述的阈值大小为0.1。

本发明相对于现有技术的有益效果是：

本发明基于残差诊断分析，从模型参数空间的全局最优出发，考虑振动和冲击等因素造成的切削环境复杂性，有效剔除切削力异常值并相应地减小误差，满足试验值与优化值最佳拟合度且在试验范围内进行验证保证预测准确性，以上方法为高效切削难加工材料加工工艺提供参考，为高温合金切削机理研究奠定一定的基础。

附图说明

图1为本发明的实施例1中切削力测量和采集装置结构图；

图2为本发明的实施例1中预测模型的残差杠杆图；

图3为本发明的实施例1中预测模型优化结果图。

具体实施方式

以下结合附图对本发明所示的一种高压冷却下切削高温合金切削力预测模型的优化方法作详细阐述，但本发明并不仅仅局限于以下的具体实施方式。

具体实施方式一：本实施方式披露了一种高压冷却下切削高温合金切削力预测模型的优化方法，所述的优化方法包括如下步骤：

步骤一：合理选取vc、f、ap范围，在高压(70-110bar)冷却下切削高温(1000-1500℃)合金试验基础上采集不同切削力fx、fy、fz信号；所述的切削力fx、fy、fz分别为进给抗力、切深抗力、主切削力；

其中，所述的vc、f、ap分别为切削速度、进给量、切削深度，参考高速切削加工技术和难加工材料切削特点，选取范围须满足下述关系：

所述的高压冷却下切削高温合金试验包括单因素试验和正交试验两部分(所述的单因素试验探究pcbn刀具倒棱对切削力影响状况，了解其作用显著范围，在此基础上优选最佳倒棱宽度、角度，进行多因素多水平的正交试验)，所述的单因素试验和正交试验中vc、f、ap分别满足下述关系：

其中，vi为vc的具体取值情况，vi+1与vi关系用上式表示，n^*为正整数，fi+1与f关系、ai+1与ap关系同理，vc、f、ap单位分别是m/min、mm、mm/r；

所述的进给抗力fx、切深抗力fy、主切削力fz与切削力f关系满足以下条件：

步骤二：基于所述的单因素试验和正交试验，构建切削力预测模型；

所述的切削力f预测模型通过回归分析遴选最优组合共同来预测或估计切削力，满足以下条件：

其中，cf表示加工系数，其取值取决于加工条件；vc表示切削速度，m/min；ap表示切削深度，mm；f表示进给量mm/r；x^f、y^f、z^f分别表示切削速度、进给量、切削深度的指数；

所述的试验获取的切削力f(f1，f2，…f16)具体表现形式满足以下条件：

其中，y＝lgf，y包括y1～y16；x1＝lgvc，x1包括x0101～x0116，x2＝lgap，x2包括x0201～x0216；x3＝lgf，x3包括x0301～x0316；b0＝lgcp；b1＝x^f；b2＝y^f；b3＝z^f；

步骤三：基于所述的切削力预测模型和残差诊断方法，求取残差；

所述残差ei满足如下关系式：

其中，yi表示所述正交试验采集到的切削力数据，且i∈[1,16]，表示切削力预测模型的优化值，

步骤四：根据采集的切削力数据的统计特性，计算标准差；

所述的第i个残差的标准差计算公式为：

其中，hii表示第i个切削力观测值的杠杆率，n为所述正交试验样本容量，yi为正交试验第i个观测点切削力数据，为所有切削力观测值平均值，表示切削力预测模型的回归标准差；是第i个残差的标准差；

步骤五：根据切削环境和残差变化率设置阈值对切削力异常值进行判断和剔除，所述的阈值大小为0.1。

实施例1：

本实施例披露了一种高压冷却下切削高温合金切削力预测模型的优化方法，所述的优化方法包括如下步骤：

步骤一：

合理选取vc、f、ap范围，在高压冷却下切削高温合金试件6试验基础上采集不同切削力fx、fy、fz信号；

如图1所示，所述的切削力fx、fy、fz信号采集由固定在刀片1上的测力仪2以及电荷放大器3、数采系统4及计算机5实现；

所述的vc、f、ap分别为切削速度、进给量、切削深度，参考高速切削加工技术和难加工材料切削特点，选取范围须满足下述关系：

所述的高压冷却下切削高温合金试验包括单因素试验和正交试验两部分，最大压力可达110bar，单因素试验探究pcbn刀具倒棱对切削力影响状况，了解其作用显著范围，在此基础上优选最佳倒棱宽度、角度，进行多因素多水平的正交试验，所述的单因素试验和正交试验中vc、f、ap分别满足下述关系：

其中，vi为vc的具体取值情况，vi+1与vi关系用上式表示，n^*为正整数，fi+1与f关系、ai+1与ap关系同理，vc、f、ap单位分别是m/min、mm、mm/r；

所述的切削力fx、fy、fz分别为进给抗力、切深抗力、主切削力，与切削力f关系满足以下条件：

如表1所示，所述的单因素试验包括1～15组，vc依次改变，分别为v1、v2、v3、v4、v5；f依次改变，分别为f1、f2、f3、f4、f5；ap依次改变，分别为a1、a2、a3、a4、a5；如表2所示，所述的正交试验包括1～16组，vc、f、ap对应取值情况已经列出，所述单因素试验探究pcbn刀具倒棱对切削力影响状况，了解其作用显著范围，优选最佳倒棱宽度、角度，在此基础上进行多因素多水平的正交试验，所述的单因素试验和正交试验中vc、f、ap分别满足下述关系，需要说明的是下述关系仅仅是本发明优选的一种情况：

经测力仪2(三向)、电荷放大器3，转换成数字量在计算机5中保存、处理、打印，所述的进给抗力fx、切深抗力fy、主切削力fz与切削力f关系满足以下条件：

步骤二：基于所述的单因素试验和正交试验，构建切削力预测模型，如何在切削试验基础上确定所述的预测模型是能够实现模型优化的关键技术；

所述的切削力f预测模型通过回归分析遴选最优组合共同来预测或估计切削力，满足以下条件：

其中，cf表示加工系数，其取值取决于加工条件，vc表示切削速度m/min；ap表示切削深度，mm；f表示进给量，mm/r；x^f、y^f、z^f分别表示切削速度、进给量、切削深度的指数；

所述的试验获取的切削力f(f1，f2，…f16)具体表现形式满足以下条件：

其中，y＝lgf，y包括y1～y16；x1＝lgvc，x1包括x0101～x0116，x2＝lgap，x2包括x0201～x0216；x3＝lgf，x3包括x0301～x0316；b0＝lgcp；b1＝x^f；b2＝y^f；b3＝z^f；

步骤三：基于所述的切削力预测模型和残差诊断方法，求取残差；

所述的残差ei满足如下关系式：

其中，yi表示所述正交试验切削力数据，且i∈[1,16]，表示切削力预测模型优化值；

步骤四：根据采集的切削力数据的统计特性，计算标准差；

所述的第i个残差的标准差计算公式为：

其中，hii表示第i个切削力观测值的杠杆率，n为正交试验的切削力样本容量，yi为所述的正交试验第i个观测点切削力数据，为所有切削力观测值的平均值，表示所述切削力预测模型的回归标准差，是第i个残差的标准差；

步骤五：根据切削环境和残差变化率设置阈值对切削力异常值进行判断和剔除，如图2所示，所述切削力观测值中第六点数据大于阈值，需要剔除，其它点符合要求；剔除振动和冲击等干扰因素造成的异常值来实现高压冷却下切削高温合金切削力预测模型优化所述阈值设定为0.1；

步骤六：为了对所述的预测模型更直观地进行表示，对切削力试验值、模型值、优化值进行对比验证，如图3所示，优化值相对模型值而言比试验值误差整体要小，优化效果较好。

表1单因素试验方案

表2正交试验方案