第7期 2017年7月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Techniquc
文章编号：10012265(2017)07007304
D0I:10. 13462/j. cnki. mmtamt.2017.07.017
五轴联动铣削复杂曲面表面粗糙度研究
陈冲，尹韶辉，杨婷，周飞轮
（湖南大学国家高效磨削工程技术研究中心，长沙410082）
No.7 Jul.2017
摘要：为了提高五轴联动铣削复杂曲面的加工质量，分析多切削工艺参数对表面粗糙度的影响至关重要。首先，通过单因素实验分析了各切削工艺参数对表面粗糙度的影响规律，基于模拟退火算法理论，分别建立了各切削工艺参数与表面粗度的一元关系模型：其次，通过对单固素实验数据进行归一化处理，为正交实验优选切削工艺参数区间；最后，通过正交实验，分别建立了基于模拟退火及传统最小二乘原理的表面粗糙度多元复合预测模型并通过实验进行验证。验证结采表明，所建立的
预测模型能够为复杂曲面铣削加工优选加工参数提供更准确的指导。关键词：五轴联动铣削；复杂曲面；表面粗糙度
中图分类号：TH16;TG65
文献标识码：A
Study on Complex Surface's Roughness in Five-axis Milling CHEN Chong, YIN Shao-hui, YANG Ting,ZHOU Fei-lun
( National Engineering Research Center for High Efficiency Grinding,Hunan University,Changsha 410082, China) Abstract : Analyzing the effect of cutting parameters on surface roughness is crucial to improve the milling quality of complex surface with five-axis CNC machining center. Firstly, single factor experiments are em-ployed to analyze influence principle of cutting parameters on surface roughness. Numerical models between cutting parameter and surface roughness are established respectively by using simulated annealing ( SA). Sec-ondly, optimization of cutting parameters' range is carried out for orthogonal experiments by normalizing the data of single factor experiments. Lastly, through orthogonal experiments, multivariate predictive models of surface roughness, based on the algorithms of simulated annealing( SA) and least-square(L-S) , are con-ea
ance for optimizing cutting parameters of complex surface milling. Key words: five-axis milling ;complex surfaces ; surface roughness
0前言
随着对机械加工件要求的不断提高，空间复杂曲面的高效高精加工成为吸待解决的问题，五轴联动数控加工中心应运而生。相较于三轴铣削来说，五轴联动铣削提高了切前加工的加工范围和加工零件的复杂度及精度，缩短了加工工序。因此，广泛应用于航空航天，船舶制造以及大型复杂模具的精密加工等领域1]。
表面粗糙度是评定五轴联动铣削加工后表面特征
及加工特性的重要参数。表面粗糙度不仅可以分析和评价加工后零件的表面质量而且可作为重要的加工参数去控制切削过程中各切削工艺参数。此外，零件的表面粗糙度也可以综合反映出切削后工件的物理和力学性能、疲劳强度以及工件之间的配合性能等[3]
对于五轴联动数控加工而言，影响表面粗糙度的收稿日期：20160918；修回日期：201611-10
因素很多，单纯通过线性推导不能建立准确的表面粗糙度预测模型。模拟退火算法作为一种启发式的智能优化算法擅长全局最优解的搜索并且能有效避免算法最终收敛于局部最优解[4]。通过采用模拟退火算法可以得到较线性优化模型更好的表面粗糙度预测模型五轴联动铣削由于其加工工艺参数多，加工过程中影响因素复杂，若采用人工神经网络预测，则解空间将异常复杂并且存在所建网络内部单元意义含糊、收敛时间长等缺点，因此不适合多切削工艺参数的建模，模拟退火算法可以得到更优化的表面粗糙度预测模型[54]。
表面粗糙度预测模型在三轴机床上已经建立并且对提高加工质量起到了很好的指导作用。然而，对于五轴联动数控加工中心铣削复杂空间曲面的表面粗糙度预测模型研究的还很少[73]并且在研究的过程中考
*基金项目：蓝宝石晶片高效率高精度磨冠加工关键技术合作研究(2014DFG72480）
作者简介：陈冲(1990—），男，安徽源州人，潮南大学预土研究生，研究方向为超精密及微纳制造技术与装备，（E-mail)cc099054001@163.com；
000（）车城于头（一9 hotmail.com
万方数据