試論數控加工表面粗糙度的預測

周游

摘要：數控加工作為現代化機械加工的主要方式，在對數控加工質量判斷上，最為主要標準就是為加工表面粗糙度。在數控實際生產加工過程中，研究人員一直在探索最合理切削參數，進而對數控加工表面粗糙度進行控制。本文在對數控加工表面粗糙度預測分析研究中，首先對表面粗糙度理論進行研究，進而探索對表面粗糙度影響的因素，最后對數控加工表面粗糙度進行預測研究，希望能夠有效提高數控加工表面粗糙度的控制質量。

關鍵詞：數控加工；表面粗糙度；影響因素；預測模型

1前言

在對一個國家工業發展水平判斷上，主要標準就是機械加工技術。機械加工技術水平對國家國防建設具有直接性影響，同時也是國家科學技術建設的集中體現。在改革開放之后，我國開始引入了一些先進技術，其中數控加工技術就是其中典型案例。在對數控加工質量判斷上，主要指標就是產品表面粗糙度，現代數控加工之前就會對產品表面粗糙度及加工質量進行預測，也就是構建數控加工表面粗糙度預測模型。

2表面粗糙度理論

任何零件在生產加工過程中，零件表面都不是完全平整的，即便是零件表面上并不存在肉眼能夠看見的凹凸，一旦將零件放在顯微鏡之下，就會發現零件表面還是存在一定凹凸的。研究人員在對零件表面凹凸程度判斷上，主要利用表面粗糙進行判斷。

3數控加工表面粗糙度的影響因素

3.1數控加工表面粗糙度受到進給量的影響

數控加工過程中需要進給運動。進給運動需要將材料表面上多余材料進行切削，進而保證加工出所需要的表面形狀及粗糙度。假設數控加工在進行橫向進給運動過程中，銑刀需要按照工件進行相對進給運動。進給量就是在規定時間內，進給運動一共運動的范圍。進給量是數控切削加工過程中的主要參數，同時與零件表面粗糙度之間有著十分緊密的關聯。數控加工一旦進給量選擇不合理，就會造成零件表面粗糙度較高，同時銑刀應用壽命也會有效縮短。

在計算分析研究之后認為，要是在切削速度與切削行程相同背景之下，表面粗糙度影響因素就是進給量，在這個過程中提高進給量數值，對零件數控加工表面粗糙度具有直接性影響。

因此，在對零件表面粗糙度確定上，可以采取控制進給量方式，提高零件數控加工精確度。但是進給量在減小之后，對數控加工經濟效益及生產效率都會造成影響，所以需要保證選擇合適的進給量。

3.2殘留面積對表面粗糙度的影響

數控加工過程中，對零件表面粗糙度影響的另一個因素就是殘留面積高度。刀具與零件表面在進行切削運動過程中，一定會產生殘留面積高度，零件殘留面積高度在計算過程中，可以通過利用刀具及切削運動有關數據進行計算。

在對復雜表面加工過程中，零件表面粗糙度還會受到刀具行距方向及進給方向殘留面積高度確定。在對復雜零件殘留高度計算上，研究人員經常使用等殘留高度法對殘留面積高度進行計算，同時還能夠有效提高零件表面粗糙度。

等殘留高度法原理是按照相鄰軌道，對軌道內殘留面積進行控制，進而研究人員完成對刀具軌道的預算。造成進給殘留面積高度形成的主要原因由于零件所具有的幾何形狀存在一定差別。

4表面粗糙度預測模型

表面粗糙度是評價零件表面加工質量的主要標準。對于零件加工系統而言，零件加工表面粗糙度與數控加工系統安裝精度與穩定性之間有著十分緊密的關聯；對于獨立零件而言，零件表面加工粗糙度與零件耐磨性與耐腐蝕性之間有著十分緊密的關聯。除了進給量、殘留面積高度影響因素之外，還會受到較多因素的影響。所以，為了能夠有效對數控加工零件表面粗糙度進行預測，構建數控加工零件表面粗糙度預測模型十分必要。

現階段，人們經常應用的數控加工零件表面粗糙度預測模型主要由三種，分別為自適應神經模糊推理系統、基于響應曲面法的表面粗糙度預測模型、基于回歸分析對表面粗糙度預測模型。

4.1自適應神經模糊推理系統

自適應神經模糊推理系統是以知識系統作為前提條件，進而構建針對性知識庫。自適應神經模糊推理系統有效將神經網絡與模糊推理系統相融合，該系統在實際應用過程中具有良好的推廣能力及收斂速度特征。

4.2基于響應曲面法的表面粗糙度預測模型

基于響應曲面法的表面粗糙度預測模型有效地將統計學和數學原理相融合，在實際應用過程中具有良好精確性，能夠有效判斷零件表面粗糙度與切削參數之間的關聯。

4.3基于回歸分析對表面粗糙度預測模型

基于回歸分析對表面粗糙度預測模型是應用最為廣泛的預測模型，該模型比較適合應用在繁瑣加工流程上，利用回歸方程，對因變量數值進行判斷，具有良好精確性。

5結語

科學技術在快速發展過程中，人們對零件及機械設備需求不斷提高，其中主要判斷標準就是表面粗糙度。為了能夠最大程度降低零件表面粗糙度，研究人員投入了大量人力物力，構建粗糙度預測模型就是有效的解決方法。