本文摘要：

  3.2 车铣复合 CK36F 上的加工工艺

   本文通过对齿轮滚刀传统粗加工工艺进行分析，指出了滚刀传统粗加工生产效率低且人工决策工艺时存在“一致性"的问题，难以保证产品质量的稳定性，而开发针对滚刀车铣复合加工的CAPP系统以实现自动决策滚刀加工工艺。根据目前工艺决策研究的现状，利用优化模型决策滚刀加工参数的方法以解决滚刀车铣复合加工工艺缺少的问题，在获得工艺数据后构建神经网络模型对数据集进行训练学习，利用训练好的神经网络去决策滚刀车铣复合加工工艺；两者由MATLAB编写程序，程序验证了CAPP系统决策滚刀车铣复合加工工艺的正确性和可行性，模型获得了滚刀车铣复合加工的工艺数据，也实现了滚刀车铣复合加工工艺的准确、智能化决策。最后，根据研究内容，在VS2017平台编写了相应的人机交互软件供生产实践使用。具体研究结论如下：

  1）滚刀车铣复合加工工艺分析

  本文分析了齿轮滚刀的结构，根据其传统粗加工的加工特点，确定了车铣复合加工的各个工序；结合生产实际，对车铣复合加工工艺各工序的加工参数进行了修改、增删，以贴合实际生产要求，确定了车铣复合加工工艺各工序的加工参数。

  2）滚刀车铣复合加工优化模型构建

  根据生产实际本文分析了滚刀加工所要达到的质量和效率要求，因此确定了加工用时优化目标；同时根据部分工序所要求的表面粗糙度技术要求以及实际生产中机床的加工能力，对表面粗糙度和切削参数进行约束；以各工序的切削参数为优化变量，然后研究分析了各工序加工参数与优化目标之间的理论关系，综合其理论关系与约束条件，构建优化模型；使用遗传算法对其迭代求解。仿真计算结果表明：在满足加工质量的前提下，优化模型能够求解得到加工时间较少的滚刀车铣复合加工切削参数。

  3）滚刀车铣复合加工神经网络模型构建

  本文分析了滚刀加工工艺决策的已知参数与待求解参数，将其作为神经网络模型的输入和输出；对BP神经网络的反向传播算法进行研究分析，改进了其反向传播的过程，将改进算法应用于神经网络模型的训练、测试过程中；为了简化模型、提高神经网络决策的准确性，本文选择了两套方案神经网络结构方案，通过对比两者的预测性能，择优选用了方案二BP神经网络模型结构，进而对工艺数据集进行了训练学习以及测试。测试结果表明：所有预测参数的在80％以上，基本实现了本文要求的准确决策切削参数的预期目标。

  本文所设计的CAPP系统，通过MATLAB的仿真测试后，证实了该系统决策齿轮滚刀车铣复合加工工艺的正确性和可行性，实现准确、自动化决策滚刀工艺的目标，提高了滚刀加工质量的稳定性；相应人机交互软件的测试结果，表明了该系统对滚刀实际生产具有一定的指导意义。

  本文对滚刀车铣复合加工工艺自动决策做了深入的研究，虽然取得了一定的成果，但是仅局限于滚刀粗加工工艺，即滚刀能够在车铣复合加工机床上加工的工艺，不够全面，滚刀后续的加工工艺需要在今后的实际工作中作进一步研究：

1）本文主要针对常见的整体式滚刀作了车铣复合加工工艺的决策，其它结构滚刀的工艺需要进一步研究。

2）本文的优化模型考虑了加工时间目标，根据“绿色制造"的要求，可以考虑将制造过程中的碳排放量作为目标之一，但限于实验条件无法在此方向作深入的研究，后续工作需要对其深入研究。

3）由于车铣复合加工中心还在研发生产中，本文研究、设计的CAPP系统未能应用于车铣复合中心，待条件成熟，需要将本文所设计的CAPP系统应用于车铣复合加工生产实践。

宇匠数控 备注：为保证文章的完整度，本文核心内容由PDF格式显示，如未有显示请刷新或转换浏览器尝试，手机浏览可能无法正常使用！