基于Cotes求积法和神经网络的稳定域判断及铣削参数优化新方法

扫码查看

原文链接

万方数据
维普

中文摘要：再生效应引起的铣削颤振,是制约加工效率和工件质量的主要因素之一.准确高效地识别铣削颤振的稳定域,是抑制颤振、提高生产效率的关键步骤.为此,根据铣削振动微分方程,利用柯特斯积分法(Cotes Integration Method,CIM)提出一种新的铣削稳定域预测方法.利用CIM获得主轴转速-轴向切深平面二维稳定性叶瓣图(Stabi1ity Lobe Diagram,SLD),与半离散法(Semi-discretization Method,SDM)和全离散法(Fu11-discretization Method,FDM)等方法进行比较,结果表明CIM的收敛性更优.考虑径向切深的影响,建立三维SLD的迭代计算方法,通过等效地离散三维SLD曲面为节点集合,随机以90％的节点作为训练集,构建轴向切深与主轴转速、径向切深之间的神经网络预测模型.10％验证集的预测结果表明神经网络的预测误差不超过6％.以材料去除率为效率目标,刀具寿命为成本目标,建立稳定铣削多目标优化模型并应用基于分解的多目标进化算法(Mu1tiobjective Evo1utionary A1gorithm Based on Decomposition,MOEA/D)求解,为获得高效率、低成本的最优铣削参数提供基础理论和技术支撑.

外文标题：A Novel Method of Stability Judgment and Milling Parameter Optimization Based on Cotes Integration Method and Neural Network

外文关键词：

milling operationchattercotes integrationneural networkgenetic algorithm

作者：

秦国华、娄维达、林锋、徐勇

展开 >

作者单位：

南昌航空大学航空制造工程学院, 江西南昌330063

西北工业大学机电学院,陕西西安710072

关键词：

铣削颤振 Cotes积分神经网络遗传算法

基金：

国家自然科学基金江西省自然科学基金重点项目江西省主要学科学术和技术带头人培养计划江西省重点研发计划

项目编号：

5176504720232ACB20401920172BCB2201320203BBE53049

出版年：

2024

DOI：

10.12382/bgxb.2022.0673

兵工学报

中国兵工学会

兵工学报

CSTPCD北大核心

影响因子：0.735

ISSN：1000-1093

年,卷(期)：2024.45(2)

参考文献量23