BP神经网络在立铣刀结构参数优化中的应用

钛合金薄壁件的铣削加工过程中,刀具磨损速度快,并且工件容易变形,其主要因素是加工过程中切削力大,切削温度高。文章利用有限元仿真软件Advant Edge FEM铣削仿真数据,建立整体式立铣刀结构参数与切削力和切削温度的BP神经网络预测模型,并对切削预测模型进行了切削实验验证。在此基础上,利用BP神经网络模型的预测结果对整体式立铣刀的结构参数进行了优化,切削实验证明,优化后的刀具参数可以有效地降低切削力和切削温度,从而有效地改善过程中刀具的切削性能和工件的加工质量。

考虑不同铣刀结构微细立铣削时域仿真的研究(英文)

微细铣削是使用立铣刀在高转速下制造三维零件的一种加工方式,在微细立铣削加工过程中分析切削力和刀尖位移对表征切削过程、提高刀具寿命和优化加工参数有着非常重要的作用。为选择铣削过程合适的切削参数,提出一种预测切削力和刀尖位移的时域仿真方法。提出了动态切削厚度、动态切削力和位移的表示方法,并建立了相应的方程表达式;通过模态试验的方法得到了机床-刀具系统的频率响应函数;在此基础上针对直齿和螺旋齿2种铣刀结构,进行了详细的时域仿真试验,预测了铣削加工过程中的切削力和位移,仿真结果对实际加工有重要的指导意义。