第10期 2017年10月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)10013404
D0I:10.13462/j.cnki.mmtamt.2017.10.032
基于支持向量机的钛合金铣削加工参数优化
向国齐
（攀枝花学院资源与环境工程学院，四川攀枝花617000）
No.10 Oct.2017
摘要：针对钛合金材料在加工过程中受镜削力影响易于产生变形而影响加工效果，属难加工材料，为了保证加工质量，提高生产效率及降低加工成本，其切削加工参数的合理选择非常关键；对钛合金铣削加工进行有限元数值计算，结合试验设计方法构建了基于支持向量机的切削力预测模型，提出了一种基于支持向量机和遗传算法的优化方法，对钛合金铣削工艺参数进行了优化；结果表明，该方法
准确、高效、可行，为钛合金加工工艺参数优化提供一种新的思路，具有良好的推广价值。关键词：钛合金正交设计：支持向量机；遗传算法
中图分类号：TH166；TG506.1
文献标识码：A
Parameters Optimization of Titanium Alloy Milling Process Based on Support Vector Machine
XIANG Guo-qi
( School of Resources and Environmental Engineering, Panzhihua University, Panzhihua Sichuan 617000, China) Abstract: Titanium alloys are widely used in various fields, the processing quality of this materials will be affected by the milling force. In order to guarantee the machining quality , improve production efficiency and reduce cost, the cutting parameters of the titanium alloy are reasonable selected, which plays an important role. In this paper, the Titanium Alloy milling process is analyzed by finite element method, a milling force prediction model was established based on Support Vector Machine( SVM), The design methodology based on (SVM) and genetic optimization(GA) is proposed for Titanium Alloy milling process parameters. The results show that this methodology is feasible and highly effective, and thus can be used in the machining process parameters optimum and other material processing fields.
Key words:titanium alloy; orthogonal experiment; SvVM; genetic algorithm
0引言
钛合金材料具有抗高温、高强度、耐磨性好、抗腐
蚀性能好等优良特性，产泛应用到航空航天、汽车、铁路交通、化工、石油、医疗等领域。同时钛合金材料具有弹性模量小、导热性差和加工硬化严重差等特点，属于难加工材料，因此研究钛合金加工尤其是铣削加工性能，优化加工工艺参数，对提高加工效率和控制质量，降低制造成本，促进钛合金应用具有重要的实际意义。
目前，国内外很多学者对钛合金高速铣削工艺参数优化作出了大量的研究，AndreF.H.L等人[2]以加工效益作为优化目标，采用遗传算法求解的方法对铣削参数进行优化研究。SardifiasR.Q等学者[3]以切削力、表面粗糙度和加工成本为优化目标，建立多自标优化模型，对铣削加工参数进行优化研究。国内学者时政博等[4]以提高刀具寿命和加工效率为目标，通过预测铣齿功率大小和在线监控机床振动稳定性方法对切
收稿日期：2016-03-05；修回日期：2016-04-18
削参数进行优化。王明海等[3]提出了采用改进遗传算法寻优，以机床、刀具、工件等参量及所建立的切削力、刀具磨损和表面粗糙度非线性数学模型为约束条件，以最大生产率为目标的方法，实现了铣削用量优化。陈建玲等6提出以生产效率最大和刀具寿命消耗率最小为目标，建立了铣削参数多自标优化模型，采用扩展非支配排序遗传算法获得满意的Pareto解集，工程人员可根据实际需要灵活选取铣削参数。目前的优化方法大多是采用经验公式作为优化函数，少数也采用响应面法或神经网络模型预测法，均存在模型精度不足的问题，存在得到可能是局部优化解等缺点。
支持向量机是建立在统计学Vapnik-Chervonenkis（VC)维理论和结构风险最小原理基础上，用于解决小样本、强非线性、高维数、局部极小点等非参数回归建模问题的有效方法[7]，具有很强的泛化能力。大量事例表明.支持向量机比常用的响应面、Kriging模型和神经网络模型具有更好的回归性能(8-9]。
本文首先建立准确的钛合金铣削加工有限元计算
*基金项目：攀枝花市科学技术和知识产权局(0290100061）：四川省教育厅项目（13za0310）
作者简务数据974一），男，四川泸州人，攀枝花学院副教投，硕士生导师，博士，研究方向为多学科设计优化及智能机电系统方面的研究，
(-mail)191870261@qq.com。