摘 要

本发明涉及数控机床的多目标切削数据生成算法及切割参数优化方法，数据库的核心算法包括切削力、动态切削振动等切削加工状态的计算，以及切削功率、主轴扭矩等负载状况，加工精度、表面粗糙度等加工质量，加工时间、材料去除率等加工效率信息，刀具磨损、生产成本等效益评估的计算。根据计算结果优化切削参数，以便提高机床的利用率和零件加工效率。并将针对数控车床和数控车削中心开发的切削数据库算法集成在国产I5智能数控系统平台上，方便机床用户根据具体加工需要调用和选择切削参数，并可在进行实际切削前预判设定参数可能产生的切削效果。  背景技术

在本领域中，国外现有的算法中有应用遗传算法和神经网络算法确定最优切削参数的方法，此方法同时考虑了最小加工成本和最短时间以及最终的加工表面粗糙度，它们的缺点在于需要长时间的学习过程和对算法的针对性的考虑。在1992年有人提出了优化流水线多工序加工系统的数学算法，该算法考虑了加工系统中机床性能的限制，在给定的加工时间内，优化各工序的切削参数，使得单位成本最低。在2004年有人提出了面向加工过程和生产计划的全局优化模型，该模型应用连续二次型目标算法，建立了以最小生产成本为优化目标的基于切削速度、切削深度和进给速度的全生产过程车削优化模型，且他通过几何、材料、表面质量、机床条件等约束限制最优解的范围，得到了比较好的效果。

哈尔滨理工大学在考虑了多个约束条件的情况下利用直接寻优算法对车削的切削参数进行优化，但是该方法是线形搜索过程，可能陷入局部优化值。在2003年有人针对加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题，提出了基于仿真数据的数控铣削加工多目标变参数优化方法，通过引入时段组合的概念，将连续问题转化成离散问题，将变参数优化问题转化成多参数优化问题。2004年有人用基于遗传算法的方法进行了切削参数的优化，遗传算法在处理优化问题时，它对空间进行多点搜索，避免收敛与局部最优解，并能很快达到最优值的90％-95％值域。之后，为了解决遗传算法收敛速度慢的问题提出了基于组合遗传算法的工艺参数优化方法。

但以上各类方法，均有下列不足：

1、现有切削数据库算法综合性不强，切削参数优化目标不全面。现有商业切削数据库算法应对领域比较宽泛，对特定领域及特定用户的针对性较少；用户建立的数据库只适合自身企业或相关企业；刀具商提供的数据库多针对刀具应用，缺少包含机床-零件-夹具等工艺考量，提供的参数考虑的因素中机床因素考虑的较少，不利于提高机床加工效率。

2、现有切削数据库算法及切削参数优化为用户推荐的切削参数，或未给用户提供更多优先级的选择

3、未提供推荐切削参数所能达到的加工效果评估。

4、现有切削数据库的算法及切削参数优化缺少机床的实验数据，更不能与数控机床或数控系统有效的集成应用。