摘要: 薄壁类零件因其自身刚度很差、材料去除量较高，在加工中极易产生变形、失稳及颤振问题，严重影响产品的质量；加之经验与理论的欠缺，在实际生产中难以制定合理的工艺参数，无法充分发挥机床的优越性能。本文以铝合金薄板零件层切试验为载体，对零件... 展开 薄壁类零件因其自身刚度很差、材料去除量较高，在加工中极易产生变形、失稳及颤振问题，严重影响产品的质量；加之经验与理论的欠缺，在实际生产中难以制定合理的工艺参数，无法充分发挥机床的优越性能。本文以铝合金薄板零件层切试验为载体，对零件加工后的变形规律与表面质量进行了深入探究，分析了铣削因素对加工质量的影响大小并提出相应的优化方案。具体研究工作如下： 首先，基于金属切削原理，详细分析了影响薄壁类零件加工质量的铣削力及残余应力等。对铣削加工中的稳定性进行分析，得到了立铣刀的固有模态与振型分布，并由谐响应分析得到其在激振力作用下的稳态响应。 其次，以轴向切深、径向切深、每齿进给量及主轴转速为决策变量，设置了薄板件正交铣削试验，获得了工件的变形误差与表面粗糙度数据。通过MATLAB的回归功能构造了决策变量与表面粗糙度之间的预测模型，并由方差分析验证了其有效性。 然后，以工件的最大变形量与表面粗糙度为特征目标，运用灰色关联理论分析了决策变量与特征目标间的关联度大小，结果显示每齿进给量对变形量的影响最大，然后依次是轴向切深、径向切深与主轴转速；每齿进给量与径向切深对表面粗糙度的影响最大，轴向切深对其影响最小。最后以加工质量的理想值为参考序列，得到了各决策变量与特征目标间的关联系数矩阵，并优选了各变量的优势水平。 最后，通过对决策变量设定约束、选定优化目标，构建了薄板分层铣削参数优化的总体模型。利用遗传算法结合人工神经网络对最小化加工变形量进行非线性寻优；采用带精英策略的 NSGAⅡ算法对由表面粗糙度与材料去除率构成的多目标进行优化分析，获得了互不支配的 Pareto 前沿解集，经验证，采用优化后的参数得到的工件表面质量与加工效率相比优化前均有较大提升，可以为实际生产提供决策支持。 收起