數(shù)控車削系統(tǒng)物理仿真建模及其虛擬切削過程的研究.pdf

1、以敏捷制造和綠色制造理念為代表的21世紀制造業(yè)要求計算機仿真技術(shù)在整個產(chǎn)品研發(fā)周期內(nèi)貫穿始終,這就使得對虛擬制造過程的建模與仿真研究成為目前急需加速深入研究的課題. 動態(tài)切削力是切削加工過程中的基本參數(shù),其動態(tài)變化直接影響加工過程中刀具與工件的相對位移、刀具磨損和表面加工質(zhì)量等,因此動態(tài)切削力的預測仿真建模是切削過程物理仿真研究的基礎,但是目前大多使用經(jīng)驗公式描述動態(tài)切削力,這些經(jīng)驗公式多少存在一些不足,難以完全真實地反映在整個

2、切削過程中力的變化歷程和變化特點.本文提出了基于時間序列方法的動態(tài)切削力變化幅值預測模型,它是在切削實驗基礎上通過對數(shù)據(jù)分析提取能夠反映切削力動態(tài)變化的特征量-單位時間段內(nèi)的最大值和最小值,然后建立動態(tài)切削力變化的時序模型(刪A模型),模型可以對加工進程中動態(tài)切削力的變化幅度進行預測模擬,能夠基本反映加工過程的真實全貌,為在物理仿真研究領域中建立與之存在緊密映射關(guān)系的其他切削過程物理量模型提供了一個基礎平臺. 研究人工神經(jīng)網(wǎng)絡在

3、模式識別和預測方面的應用,分別建立了基于神經(jīng)網(wǎng)絡的切削力仿真、刀具磨損預測和切屑形態(tài)預測模型,使用切削力、切削速度、進給速度、切削深度、刀具磨損量等作為網(wǎng)絡的輸入變量,經(jīng)過一定數(shù)量樣本的訓練,使得預測模型可以對含概于訓練樣本范圍內(nèi)的未知加工條件下的切削力、刀具磨損量和切屑形態(tài)進行準確預報. 研究應用遺傳算法建立了以最大加工效率和最低加工成本為決策目標函數(shù)的切削參數(shù)優(yōu)化模型,該模型集成于數(shù)控加工仿真系統(tǒng)中,對NC程序中的切削參數(shù)進

4、行優(yōu)化,提出了一種集成NC圖形驗證與優(yōu)化結(jié)果評價的仿真優(yōu)化模式. 研究開發(fā)了集成切削力仿真、刀具磨損仿真和優(yōu)化評估模型的虛擬切削系統(tǒng).通過對車削、銑削加工特點的研究分析,針對車削仿真過程研究應用了基于特征造型與動態(tài)空間分割方法相結(jié)合的算法對車削過程實時建模；針對數(shù)控銑削加工的特點,提出了Z向動態(tài)變化的四叉樹自適應空間分割算法,其核心是根據(jù)加工仿真中Z向高度的動態(tài)變化和在發(fā)生碰撞干涉的前提下按照四叉樹分割算法自適應分割工件形體.仿