一种基于灰度分析的车削参数优化方法与流程

本发明属于数控车削领域，涉及一种车削参数优化方法，具体涉及一种基于灰度分析的车削参数优化方法。

背景技术：

本发明针对目前企业生产进行车削加工时，普遍依靠操作员经验选择切削参数，在一定程度上造成了加工能耗的增加，同时也未能获得更高的加工效率。当前制造业，低碳化、绿色化已成为重要的发展趋势，减小切削能耗，提高加工效率对于降低生产成本提高生产力至关重要，而衡量能耗大小的一个重要参数便是切削力，衡量加工效率的重要参数是材料去除率。已有的切削参数优化方法大多为单目标优化，考虑的问题过于单一片面，在实际生产中实用性较差。

技术实现要素：

为提高车削参数选择的经济型和科学性，本发明以减小切削力，提高材料去除率为目标，提出了一种基于灰色关联度分析的多目标优化方法，首先设计正交实验，得到正交实验表，之后利用灰色关联度分析将多目标函数转化为单目标函数，并使用响应面方法得到单目标函数，最后，进行方差分析，检验各参数对目标函数的实际影响大小，找到最优切削参数。以解决现有技术中加工能耗高，车削参数凭经验选择的问题。

为了解决上述技术问题，本发明采用的技术方案是：

一种基于灰度分析的车削参数优化方法，其特征在于，包括以下步骤：

步骤1、车削工艺实验：选择与待加工工件材料相同的试验工件进行切削实验，对于切削速度v、切削深度d和进给量f三个加工参数按照固定两个变一个的方式进行切削实验，变更一个参数的所有实验数据构成一个数据序列，在实验过程中测量切削力和切削消耗的功率p，计算材料去除率mrr；

步骤2、基于灰色关联度分析的数学模型，将多目标优化转化为单目标优化，具体包括以下子步骤：

步骤2.1、数据预处理，按照数据大小反映出的性能好坏的趋势对实验数据先进行归一化处理分成两类，一类是数据大小与所反映出的性能好坏正比，另一类是反比；

步骤2.2、计算灰度参数，首先计算各数据序列与参考序列的绝对差值，得到灰度参数，灰度参数处于(0,1]区间内；

步骤2.3、将各个灰度参数按照权重相加，得到灰色关联度；

步骤3、基于响应面方法建立预测模型，形式如下：

γ＝b0+b1v+b2f+b3d+b4v²+b5f²+b6d²+b7vf+b8vd+b9fd

其中，b1～b9均为系数，利用多元二次项回归分析，对归一化之后的实验数据进行处理，即可得到灰色关联度γ的预测模型；

步骤4、工艺参数多目标优化分析：使用方差分析的方法，分析切削速度、进给率、切削深度三个参数对目标函数的影响程度，并确定最优参数。

作为优选，所述切削实验设计为设计为三因素多水平的正交实验，并对三因素进行全要素分析，通过正交实验减少实验次数，提高分析效率。

进一步的，步骤1中，所述正交实验中，水平数范围设计范围为3-5个，该范围内的水平设计综合考虑了实验复杂性和数据准确度。

作为优选，步骤2.1中，对于数据大小与所反映出的性能好坏正比的实验数据归一化结果为：

对于数据大小与所反映出的性能好坏反比的实验数据归一化结果为：

其中，xio(j)为归一化前的原始数据，i代表实验序号，xi^*(j)为归一化后的实验数据，j代表不同的性能参数，max表示对xi^o(j)取最大值，min表示对xi^o(j)取最小值；

作为优选，计算灰度参数过程中，参考序列为每个性能指标的最优值，绝对差值为：

δ0i(j)＝|x0^*(j)-xi^*(j)|

灰度参数为：

其中，δmin为所有性能指标的最小值，δmax为所有性能指标的最大值，ζ为分歧系数，ζ∈[0,1]。

作为优选，步骤4中，使用方差分析过程中，设置方差分析置信度阈值，当方差分析后，显著性水平p若大于阈值则不考虑该因素对目标函数的影响，最终确定最优车削参数。

本发明的有益效果：

本发明提出的基于灰色关联度分析的切削参数多目标优化方法，利用灰色关联度分析将切削力和材料去除率的多目标优化转化为单目标优化，以此对问题进行简化，随后利用响应面方法建立目标函数模型，并用方差分析进行检验，确保获得的最优参数真实可靠。该方法实用性强又易于实施，有利于提高车削加工时的效率，降低能量消耗，对于昂贵金属加工和大批量产品加工尤为明显。

本发明采用数理统计的方法对切削参数进行多目标优化，实用性更强，且建模过程相对简单，不需要进行复杂的算法模型，只需对实验数据进行统计学分析，通用性更强。

本发明提出了以切削力和材料去除率为优化目标的切削参数优化方法，提高了车削参数选择的科学性。

附图说明

图1为本发明流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例为示例，用于对本发明进行详细解释，并不代表只适用于这一种示例。

本实施例中应用的一种基于灰度分析的车削参数优化方法，包括以下步骤：

步骤1：数控车削工艺实验：

选择工件材料为aisi1045钢，直径47mm，长度250mm，安装在三爪卡盘中，夹持长度为20mm；使用kistler9272测力仪测量切削力，间接得到切削消耗的功率，将其安装在刀架溜板箱上；选用的车刀前角为+7°，刀尖半径为0.04mm，材质为碳化钨；

实验设计为三因素三水平的正交实验，并对三因素进行全要素分析，共进行27次切削实验，切削速度v分别为103.31m/s、134.30m/s、174.14m/s，进给量f分别为0.12mm/r、0.16mm/r、0.2mm/r，切削深度d分别为0.5mm、1.0mm、1.5mm，每次固定其中两个工艺参数，改变一个工艺参数进行三次实验，采集切削力，计算材料去除率mrr。材料去除率计算公式如下：mrr＝1000vfd

表1因素水平控制表

表2l27正交实验表

步骤2：建立基于灰色关联度分析的数学模型，将多目标函数转化为单目标函数：

数据预处理：多目标优化问题中，各性能指标的量纲不同，数据大小差距很大，而且数据大小反映出的性能好坏也不相同，因此，必须对实验数据先进行归一化处理。材料去除率越大时，可获得更高的加工效率，即材料去除率越大越好，其归一化结果为

切削力越大时，切削过程中消耗的能量越多，即切削力越小越好，其归一化结果为

其中，xi^o(j)为归一化前的原始数据，i代表实验序号，xi^*(j)为归一化后的实验数据，j代表不同的性能参数，max表示对xi^o(j)取最大值，min表示对xi^o(j)取最小值；

计算灰度参数：首先计算各数据序列(各性能指标的实验值)与参考序列(每个性能指标的最优值，本例中为[1，1])的绝对差值

δ0i(j)＝|x0^*(j)-xi^*(j)|

灰度参数计算结果为

其中，δmin为所有性能指标的最小值，δmax为所有性能指标的最大值，ζ为分歧系数，ζ∈[0,1]，本例中取0.5。灰度参数的计算结果一般处于(0,1]区间内，即大于0且小于或等于1。

计算灰色关联度

其中，wj为各性能指标所占的权重，总和为1，在本例中，切削力和材料去除率对于实际生产同样重要，因此权重相等，均为0.5，在不同工况下，权值的选择和确定不相同。

这样，即可用灰色关联度γ表示切削力和材料去除率

步骤3：基于响应面方法建立预测模型，形式如下：

γ＝b0+b1v+b2f+b3d+b4v²+b5f²+b6d²+b7vf+b8vd+b9fd

其中，b1～b9均为系数，利用多元二次项回归分析，对27组归一化之后的实验数据进行处理，即可得到灰色关联度γ的预测模型。

步骤4：工艺参数多目标优化分析：

使用方差分析的方法，分析切削速度、进给率、切削深度三个参数对目标函数的影响程度，本例中方差分析置信度阈值为0.05，若方差分析，后得到显著性水平p值大于0.05，则表明该参数对目标函数的影响很小，可以不考虑。这样即可确定最终的最优车削参数。