论文部分内容阅读
为了满足涡旋压缩机高效、节能、可靠的使用要求,涡旋型线的设计往往是几种曲线的组合,这就使变截面涡旋盘成为一种变壁厚深腔类零件,其铣削加工的难度比等截面涡旋盘更大。在加工设备确定的条件下,铣削参数的选择是否合理成为决定涡旋盘加工质量优劣的关键因素。本项研究选择三段基圆渐开线为变截面涡旋盘的型线,在变截面涡旋盘正交铣削试验的基础上进行了基于铣削力、齿面粗糙度和铣削时间的参数优化研究。(1)F_x、F_y、F_z三向铣削力的数据处理。为了处理变截面涡旋盘铣削过程中三向压电式测力仪测量并记录的几十万个数据,本文提出了“模糊判定法”—在SPSS软件中利用方差分析筛选出方差在?6内的数据,计算出正交铣削参数条件下的平均铣削力。(2)基于经验公式建立了改进的铣削力BP神经网络预测模型,通过单因素响应预测精确的得到了铣削参数分别对F_x、F_y、F_z的影响规律。利用处理好的铣削力数据建立了铣削力的多元非线性回归预测模型和改进的铣削力BP神经网络预测模型,经试验证明改进的铣削力BP神经网络模型具有更高的预测精度。以铣削力回归模型的预测值为参考,用改进的铣削力BP神经网络模型对各铣削因素进行了单因素响应预测,直观的的反映出各铣削参数对F_x、F_y、F_z的影响规律。(3)建立了变截面涡旋盘齿面粗糙度的双预测模型,精确的得到了各铣削因素对齿面粗糙度的影响程度。首先,利用正交铣削试验条件下的铣削参数和相应的粗糙度值建立齿面粗糙度的多元非线性回归模型和改进的齿面粗糙度BP神经网络预测模型。结合两种模型的优点,建立了变截面涡旋盘齿面粗糙度的双预测模型。然后,用试验证明了粗糙度的双预测模型比单一的预测模型具有更高的精确度,而且可以避免单一预测模型的离散误差。最后,用齿面粗糙度的双预测模型进行了单因素响应预测,直观的表达出齿面粗糙度与铣削参数之间的映射关系。(4)以各个铣削参数的范围为约束条件,以铣削合力最小,齿面粗糙度不大于0.8μm,工序铣削时间最短为目标建立多目标优化模型。用遗传算法在多目标约束空间中寻优,得到了具体且最佳的铣削参数组合。当a_p=1.65mm,f_z=0.18mm,n=3757r/min,a_e=0.74mm时达到的最佳铣削效果为F_H=186.27N,R_a=0.78μm,t_m=17.37s。