摘要

　　對于現代模具制造業來說,數控加工是模具制造過程中的重要一環,也是模具制造周期長短的主要影響因素之一。數控加工的質量和效率在很大程度上依賴于加工方案和加工參數的選取。本文針對模具型腔數控加工的現狀,以提高模具型腔數控加工效率為目標,進行了多方面的研究工作。

　　在模具型腔的數控加工過程中,大童的加工時間被耗于粗加工階段。本文在分析模具型腔粗加工特點的基礎上,應用人工神經網絡技術來構建模具型腔數控加工的走刀方式選擇模型,根據切削層幾何形狀的特點,采用BP網絡進行走刀方式的優選,設計了BP網絡的學習樣本,并通過實例驗證了方法的可行性和高效性。

　　切削力模型的建立是數控加工參數優化的關鍵技術,鑒于球頭銑刀廣泛應用于模具型腔的數控加工中,針對切削力解析模型的不足,采用人工神經網絡建立球頭銑刀的切削力模型,設計了切削試驗來獲得BP網絡的學習樣本集,最后對模型的正確性進行驗證。

　　提出了基于平均切削力曲面模型的進給速度自動優化策略,基于切削試驗建立了一個簡易的平均切削力模型,根據刀位點的二維當量載荷對進給速度進行優化,在保證模具型腔加工質量的基礎上,使切削力平穩,加工效率大幅度提高。其切削力平穩的特性更適合于模具型腔的高速數控加工,可以克服高速加工用刀具剛性差的不足。

　　關鍵詞：模具型腔;數控加工;走刀方式;切削力模型;進給速度;

Abstract

　　In modern die industry, NC machining is an important part of the manufacture of die and mold, and it has great influence on production period of die and mold. The quality and effciency of NC machining mainly depend on the selection of machining strategy and parameters. Dealing with the current situation of die cavity NC machining, this paper focuses on the following aspects with the goal of efficiency improvement in die cavity NC machining.

　　In NC machining, rough machining costs most of the machining time. Based on the analysis of die cavity roughing, a NC tool path pattern selection model for die cavity is constructed using artificial neural network (ANN) in this paper. A three-layer BP network is adopted，and the training sets are also designed. Experiments demonshate the validity and efficiency of the method.

　　The construction of cutting foice model is the key technology of the NC machining parameter optimization. Considering the extensive use of ball-end milling cutters and the shortcomings of analytical cutting force model, ANN is used to set up a cutting force model for ball-end milling cutters. Cutting experiments are put in practice to get the training sets. The accuracy of the model is test at last by experiments.

　　A method for the automatic feedrate optimization based on the mean cutting force surface model is introduced to optimize the feedrate according to the 2D chip-load at different cutter location points. A simplified mean cutting force model is also constructed based on the cutting force experiments data. Through this way, the machining efficiency can be improved, and the cutting force can be kept nearly constant. The cutters used in high speed machining(HSM) have poor rigidity, therefore the method fits to HSM of die cavity due to the unfluctuating cutting force characteristic.

　　Key Words: Die cavity;NC machining;Tool path pattern;Cutting force model;Feedrate

　　在微電子、計算機技術、信息工程和材料工程等高新技術的推動下，數控加工技術的迅速發展開創了現代制造技術的新時代，并對人類社會進步和經濟發展產生了巨大的推動作用。金屬切削技術進入了以高速、高效、高精度為標志的高速切削新階段川。

　　數控加工技術是計算機集成制造系統(CIMS )、柔性制造系統(FMS)、敏捷制造(AM)等先進制造系統中的核心技術，它可以大幅度地縮短產品的制造周期，提高產品的加工質量，加速了產品的更新換代，適合于加工形狀復雜，加工精度要求高的零件，它已經成為衡量一個國家機械制造工業水平的重要標志。

　　對于現代模具制造業來說，模具數控加工是模具制造過程中的重要一環，也是模具制造周期長短的主要影響因素之一隨著市場競爭的日益激烈，促使工業產品越來越向多品種、小批量、高質量、低成本的方向發展，于是對制造產品的關鍵工藝裝備—模具的要求越來越苛刻，用戶總是希望加工出來的產品外表光潔美觀，成型精度和表面質量高，交貨周期短。另外，飛機、汽車和輪船上的主要零件以及大量的塑料制品，由于功能或者美學的要求，通常包含有很多自由曲面(這類零件稱為曲面類零件)，其模具工作部分或相關電極一般是數控銑削加工完成的，加工時間(包括數控編程、切削加工和拋光時間)占整個制造周期60%以上，其中切削加工時間是最主要的，約占整個制造周期的30%-50%。因此，如何提高模具的數控加工效率就成了一個墮待解決的問題。

　　模具數控加工過程一般分為粗加工、半精加工、精加工三個階段。粗加工作為數控加工第一階段，其目的在于迅速切除工件毛坯的大部分余量以提高生產效率，同時為后續加工創造條件.據統計，目前在注射成型模具的加工中，有50%左右的時間花費在粗加工上。因此，從保證產品精度、提高加工效率、縮短交貨期等方面考慮，粗加工是一道非常重要的工序。

　　隨著高性能數控機床的普及，在現代模具制造中，如果能對數控加工進行優化規劃，使得切削時間大大減低，就可以顯著提高加工生產率。在數控加工過程中，數控加工工藝參數的變化，必將影響到切削過程的變化，因而影響到刀具使用壽命、工件的加工精度和數控機床效能的發揮。由于切削過程的不穩定性、復雜性和模糊性，雖然在世界范圍內已進行了大量的研究工作，但還不能完整地定量描述和預測切削加工過程。目前，數控加工工藝參數只能由工藝人員根據經驗判斷或是參考手冊規范確定，這些規范都是在特定條件下的試驗結果，因此所選擇的參數在一定條件下使用效果好，換一個條件往往就不適用了，或者雖然適用但是效率很低�？梢�，為了縮短模具制造周期，提高加工效率、降低模具成本，著眼于尋找一個優化的模具數控加工工藝方案不失為一種有效的辦法。

　　本文主要針對模具型腔的高效數控加工進行理論和應用研究，通過對數控加工過程中的各個關鍵環節進行研究，論文涉及到計算幾何、數控技術、CAD/CAM、人工神經網絡(Artificial Neural Netwo氏ANN)技術等多方面的內容，從優化加工方案和加工參數選取出發，探討了提高數控加工效率的多種有效措施，具有重要的現實意義和實用價值。

　　數控(Numerical Control, NC)技術是CAD/CAM中最核心的技術之一，代表了先進的現代制造技術和機械制造的發展方向。數控加工精度高，加工質量穩定，自動化程度高，能大大減輕工人的勞動強度，提高勞動生產效率。

　　數控技術的發展帶動了各種先進制造模式的發展。1967年，英國首先把幾臺數控機床連接成具有柔性的加工系統。20世紀80年代，國際上出現了柔性制造單元(FMC )，這種單元投資少，既可單獨長時間少人看管運行，也可集成到柔性制造系統或更高級的集成制造系統中使用。隨后進一步出現了CIMS制造模式、敏捷制造模式等�？梢哉f，數控技術是各種先進制造模式的低層支持技術，是將信息物化為產品的關鍵技術。

　　對復雜曲面的數控加工的研究主要集中在數控編程、機床數控技術等方面。數控編程的核心工作是生成刀具軌跡，然后將其離散成刀位點，經后置處理產生數控加工程序。目前中很多大型CAM系統都可以生成多種走刀方式，為用戶加工復雜曲面提供了很多可供選擇的余地。另外，基于特征的刀具軌跡生成方法的研究才剛剛開始，特征加工使數控編程人員不在對那瞥氏層次的幾何信息(如:點、線、面、實體)進行操作，而轉變為直接對符合工程技術人員習慣的特征進行數控編程，大大提高了編程效率。高速加工逐漸流行，而適應高速加工的數控編程技術還處于進一步發展中，特別是NURBS插補的逐步使用，如何生成有效的NURBS刀軌還有待研究。

 　　模具型腔數控加工技術研究：

銑削寬度的定義圖

二維當量載荷的定義

數控加工中刀位軌跡上不同位置的二維當盆載荷

加工過程的刀具接觸角變化情況

加工過程的有效切削深度的變化情況

數括咖工模擬仿真

目錄

　　摘要
　　Abstract
　　1 緒論
　　　　1.1 課題背景與意義
　　　　1.2 國內外研究概況
　　　　　　1.2.1 數控加工技術發展概況
　　　　　　1.2.2 數控加工工藝參數優化的研究概況
　　　　　　1.2.3 存在的問題
　　　　1.3 本文的研究內容
　　2 模具型腔數控粗加工走刀方式的優選
　　　　2.1 模具型腔的粗加工
　　　　　　2.1.1 粗加工中的層切法介紹
　　　　　　2.1.2 粗加工中的走刀方式二
　　　　2.2 基于BP網絡的走刀方式選擇模型
　　　　　　2.2.1 理論背景
　　　　　　2.2.2 基于BP網絡的走刀方式選擇的模型
　　　　2.3 BP網絡的學習樣本向量的確定
　　　　　　2.3.1 輸入模式的確定
　　　　　　2.3.2 輸出模式的確定
　　　　2.4 刀位文件的數控加工時間的獲得
　　　　　　2.4.1 數控代碼的預處理
　　　　　　2.4.2 加工時間的計算及其準確性驗證
　　　　2.5 BP網絡學習樣本集的獲得
　　　　　　2.5.1 輸入向量的獲得
　　　　　　2.5.2 輸出向量的獲得
　　　　　　2.5.3 學習樣本集的產生
　　　　2.6 BP網絡參數的確定
　　　　　　2.6.1 隱層的確定
　　　　　　2.6.2 其他參數的確定方法
　　　　　　2.6.3 BP網絡的最終確定
　　　　2.7 神經網絡的訓練
　　　　2.8 實例驗證
　　　　　　2.8.1 走刀方式優選及其驗證
　　　　　　2.8.2 實際加工驗證
　　　　2.9 本章小節
　　3 基于人工神經網絡的球頭銑刀切削力模型的建立
　　　　3.1 切削力模型及人工神經網絡技術在切削加工中的應用
　　　　　　3.1.1 切削力模型簡介
　　　　　　3.1.2 人工神經網絡在切削加工中的應用現狀
　　　　3.2 球頭銑刀切削力的ANN建模
　　　　　　3.2.1 基本思想
　　　　　　3.2.2 學習樣本向量的確定
　　　　3.3 學習樣本集的獲得
　　　　　　3.3.1 試驗條件
　　　　　　3.3.2 試驗步驟
　　　　3.4 神經網絡的訓練和測試
　　　　3.5 基于BP網絡的切削力模型驗證
　　　　3.6 本章小節
　　4 基于平均切削力曲面模型的粗加工進給速度優化
　　　　4.1 進給速度優化概述
　　　　4.2 二維當量載荷
　　　　　　4.2.1 二維當量載荷的概念
　　　　　　4.2.2 加工過程二維當量載荷的變化
　　　　4.3 基于刀位文件的數控加工模擬
　　　　4.4 簡易的平均切削力模型
　　　　　　4.4.1 切削力數據的獲得
　　　　　　4.4.2 模型的建立
　　　　4.5 自動的進給速度優化過程
　　　　　　4.5.1 等切削力曲線的生成
　　　　　　4.5.2 有效切削深度的計算
　　　　　　4.5.3 進給速度的優化
　　　　4.6 優化實例
　　　　4.7 本章小節
　　結論
　　參考文獻
　　附錄A基于BP網絡的切削力模型驗證數據表
　　攻讀碩士學位期間發表學術論文情況
　　致謝
　　大連理工大學學位論文版權使用授權書

（如您需要查看本篇畢業設計全文，請您聯系客服索�。�