基于机器学习与群智能算法的精车大螺距螺杆切削优化研究*

李 哲 丛玮琦 付祥夫 田 盛 罗明明

(哈尔滨理工大学高效切削及刀具国家地方联合工程实验室,黑龙江 哈尔滨 150080)

大螺距螺杆类零件广泛应用于重型立式车床以及大型压力机中，起着紧固、连接、传递动力的作用，它的表面质量和精度将影响着机器的加工精度，是影响机床可靠性的重要部件[1]。大螺距螺杆的加工过程中的振动和刀具磨损问题，使得工件表面质量难以保证[2]。

已有研究表明，切削力和切削温度是导致刀具振动与磨损的主要影响因素[3]。本文通过以切削力和切削温度为目标，结合加工效率，进行多目标优化，利用优化的切削参数和刀具参数来抑制刀具的振动与磨损，以期改善工件的表面质量。

庄可佳等[4]建立了切削力和材料去除率的预测模型，以最大材料去除率和最小切削力为优化目标，得到最优切削参数组合，实现了钛合金插铣高效稳定加工的目的。鲁娟等[5]应用支持向量机和BP神经网络结合的方法构建了铣削蠕墨铸铁表面粗糙度的预测模型，并对模型的预测精度进行验证，可以很好地对表面粗糙度进行预测。刘洋等[6]利用神经网络建立钻削过程中切削力与切削参数之间的关系模型，与多元线性回归建立的模型相比，神经网络建立的模型预测精度更高。卢明明等[7]为了抑制三维椭圆振动切削过程中刀具的振动，改善工件的表面质量，建立表面质量与切削参数之间的数学模型，应用改进后的人工蜂群算法进行切削参数优化，得到更优的工件表面质量。……