摘要
Ti-6Al-4V合金具有比强度高、耐腐蚀性好以及良好的生物相容性，在航空航天、生物医学等精密微小件制造领域拥有广泛的应用前景，但微铣削加工时易产生毛刺缺陷，而毛刺严重影响其实际使用。本文采用有限元仿真、实验分析和构建基于深度神经网络的预测模型等方法，开展Ti-6Al-4V合金微铣削毛刺尺寸精准预测以及最小化毛刺控制技术等问题研究。主要内容如下： （1）建立微铣削毛刺仿真模型，分析刀具几何参数对侧顶毛刺影响规律。基于二维正交切削仿真模型研究微铣削中存在的最小切削层效应，确定该材料的切削比值为进给量选择提供依据；构建三维轮廓微铣削仿真模型研究刀具前角、后角以及螺旋角对侧顶毛刺尺寸影响规律，为刀具几何参数的选用提供数据参考。 （2）Ti-6Al-4V合金轮廓微铣削正交实验影响因素研究。研究切削参数（主轴转速、轴向切深、径向切宽和每齿进给量）对轮廓加工过程中侧顶毛刺的形成机制及影响规律；同时分析切削参数对微铣削力、底面表面粗糙度的影响显著性，得到提高工件表面加工质量的参数选取准则。 （3）构建深度学习模型实现毛刺尺寸精准预测。在引入反向传播的GRU和Attention模块的基础上提出一种基于多头注意力机制的卷积双向门控循环网络（1D-MHA-BiGRU）模型，解决小样本数据下微铣削毛刺尺寸的高精度预测难题。通过1DCNN的数据处理、BiGRU的分析预测以及MHA机制的重点特征权重分配优势，有效学习到切削参数与毛刺尺寸之间的非线性映射特征，为微铣削毛刺的精准预测提供一种新的研究思路。 （4）毛刺尺寸主动控制的切削参数多目标优化。以侧面顶部毛刺、底面表面粗糙度、微切削力以及材料去除率多个目标建立优化模型，采用遗传算法以毛刺尺寸最小化为首要目标进行求解，得出合理优化结果，指导实际生产加工。
NETL