论文部分内容阅读
铝合金模具广泛应用于飞机、光学、汽车、塑料制品等行业,铝合金模具具有脱模时间短,便于抛光,材料成本低,加工比钢模具快等优点,但在加工时的升温会增大塑性,导致切屑面摩擦力变大,易产生粘刀和磨损刀具的现象,影响表面质量和加工效率。加工铝合金模具时如何选择合适的加工参数来提高加工质量和加工效率,传统的解决方案往往依赖加工经验,需要大量的切削加工试验。因此,研究优化铝合金模具曲面铣削加工工艺,能够有效缩短模具曲面加工时间,提高加工质量。本文以加工6061铝合金模具的凸模非球曲面作为加工对象,对加工过程参数进行建模。采用中心复合设计法设计了四因子(进给速度,跨距,主轴转速,切割深度)五水平的加工试验,并选择合适的切削刀路轨迹,测量加工后表面的二维表征下粗糙度Ra和三维表征下粗糙度Sz和Sq (ISO 25178)作为加工质量的指标,计算材料去除率MRR作为加工效率的指标。通过非线性建模手段对加工结果(Ra, MRR, Sz和Sq)建立预测模型,分析加工切削参数对加工结果的影响,根据预测模型去优化,得到不同工艺要求的最优切削参数选择,并通过试验验证了加工工艺优化的可行性。具体研究内容如下：首先,对这些加工结果分别应用响应曲面法(RSM),遗传算法优化的BP神经网络(GA-BPNN),回归型支持向量机(SVR)建立回归模型,并分析各因子对加工结果的影响。分析得出Ra、Sq的最主要影响因素均为主轴转速,MRR, Sz的则为切削深度。所建立的加工结果模型中,GA-BPNN建立的Ra模型准确度最高,预测平均误差为3.18%,RSM建立的MRR模型准确度最高,预测平均误差为1.18%,SVR建立的Sz、Sq模型准确度最高,预测平均误差分别为10.64%和2.69%。其次,选择各加工结果的最优模型,采用NSGA-Ⅱ算法分别对Ra、MRR和Sz、Sq、MRR进行两目标和三目标优化,以实现保持高加工效率的同时降低表面粗糙度的工艺优化,求出的Pareto前端给出了相应的切削参数组合。最后,为了验证优化效果的可靠性,使用优化所得的切削参数进行了加工试验。试验表明,优化后保持了较高的材料去除率,Ra降低了11.99%,Sz下降了27.09%、Sq下降了2.25%Ra、MRR、Sq的实际结果与优化时的预测值相对误差小于6%,Sz则误差较大在13%以下。