探討數控加工切削參數

陳凱

摘 要：數控加工，是指在數控機床上進行零件加工的一種工藝方法，它是解決零件品種多變、批量小、形狀復雜、精度高等問題和實現高效化和自動化加工的有效途徑。工業生產技術水平的不斷提升，數控加工技術得到了普遍的應用，在這一過程中，對數控加工切削參數進行優化調整，對于提升數控加工質量和效率來說，發揮了十分重要的作用。

關鍵詞：數控加工；切削參數；優化分析

中圖分類號：TG659 文獻標識碼：A 文章編號：1671-2064（2017）02-0069-01

制造業的快速發展，要求技術手段不斷提升，這使得數控加工技術得到了快速的發展和應用。數控加工技術需要對切削參數進行把握，并能夠結合實際生產情況，對切削參數進行優化，以提升生產效率和生產質量。數控加工切削參數優化，考慮到了幾何形狀零件的特征，對相關算法進行優化，保證切削參數應用更加合理。

1 數控加工切削參數

數控加工技術對切削參數的選擇，主要考慮到了切削加工的實際情況，通過對切削參數進行合理選擇，能夠保證切削加工具有較高的效率和質量。制造業加工過程中，切削加工主要針對于復雜的幾何形狀零件，切削參數設計考慮到了切削加工的速度、寬度、背吃刀量、進給量等相關指標。數控加工技術效果的發揮，與切削參數有著密切的關聯性。切削加工參數關系到了企業的生產力和生產水平，決定了制造業在日益激烈的市場競爭中，能否把握競爭優勢，使自身獲得更加長遠的發展和進步。

2 數控加工切削參數算法分析

數控加工切削參數的選擇，本文主要介紹了遺傳算法在切削參數選擇中的應用。遺傳算法由John H.Holland提出，該算法具有通用性，并且在實際計算過程中，算法較為簡便，能夠針對于實際情況，對復雜的問題進行有效求解。遺傳算法主要由生物學原理演變而來，結合了生物進化論，對促進事物發展的因素進行把握[1]。遺傳算法在應用于數控加工切削參數選擇時，具體步驟如下：

（1）編碼：利用遺傳算法過程中，需要對變量進行編碼，并且將之設計為具有一定長度的字符。（2）初始群體生成：初始群體生成主要通過變量編碼產生，并且構成一個群體，之后對初始字符串進行迭代。（3）適應值計算：利用適應性函數，對初始群體的適應值進行計算，并對符合條件的個體進行選擇[2]。（4）交叉：對選中的個體利用字符段進行交換，生成兩個新個體。（5）變異：新個體產生變異，并且其字符串也會發生相應的改變。（6）收斂判斷：根據變異結果對其是否收斂進行判斷，并以收斂的字符串為最優結果。若是不收斂，則從第（3）步進行重復，直到收斂為止。

3 數控加工切削參數優化

3.1 模型目標函數

數控加工切削參數優化，其目標在于滿足生存效率最大化的發展目標，在這一過程中，需要對切削加工參數優化數學模型進行利用。以最大生產效率為目標，其目標函數為：，。數學函數式中，tm表示為工序的切削時間，tc表示換刀時間，th為刀具磨損后的換刀時間，tot表示輔助時間，D為刀具直徑，L為切削長度，Z為刀具齒數。同時，模型目標函數應用時，需要對其約束條件進行考慮[3]。

（1）切削速度約束條件：；

（2）進給量約束條件：；

（3）零件粗糙度要求：。

約束條件的限制，是為了滿足遺傳算法對最優解獲取的關鍵。遺傳算法應用于切削參數當中，會根據優化參數{x}對群體適應值進行分析，并在區域范圍[minxi，maxxi]中對滿足約束條件的個體進行編碼，在這一范圍內對最優個體進行選擇，以滿足優化需要。

3.2 參數優化分析

假設機床T-35的額定功率P=30kW，主軸轉速為n=20-4000r/min，進給速度為=15200mm/min；切削材料為7045-T7451（鋁合金）；刀具型號為JABRO SP SMG X24 JH420；加工要求為粗糙度為6.4，外形Ra=3.2，長度為1000mm[4]。在實際加工過程中，需要對刀具耐用系數、切削力系數予以把握，具體內容我們可以從表1和表2中看出。

在對切削參數優化過程中，結合刀具耐用系數和切削力系數，利用遺傳算法，群體的大小為100，交叉概率為0.8，變異概率為0.1，優化后的結果如表3所示。

結合表3來看，通過切削參數優化，主軸速度由原來的2400r/min優化到了3000r/min，進給量優化值為1100mm/min，Ra為5.7μm，功率提升到了23.1kW，切削時間降低了0.8s。通過對切削參數優化，提高了切削速度，使零件加工效率得到了有效提升，例如當生產20萬件零件時，減少切削時間6222小時。

4 結語

基于遺傳算法的數控加工切削參數優化，注重對原有的數控切削加工方法進行優化，從而保證切削加工生產效率得到提升，使企業能夠降低生產時間，使其在市場競爭中保持較大的競爭優勢。切削參數優化，要注重在主軸速度、進給量、功率、Ra、時間等方面進行考慮，保證參數優化與實際生產進行緊密結合。

參考文獻：

[1]龔肖新，芮延年.模具數控加工切削參數優化方案模糊綜合評價[J].機械設計與制造，2010，08：242-244.

[2]李堯，劉強，張偉.面向制造服務的數控切削數據庫系統[J].計算機集成制造系統，2014，09：2221-2230.

[3]祁琦.數控加工切削參數優化的研究[J].現代制造技術與裝備，2016，05：40-42.

[4]歐敏.分析數控加工工藝決策與切削參數規范化[J].煤炭技術，2013，04：21-22.