考虑铣削表面形貌的工艺参数可靠性优化

doi:10.12068/j.issn.1005-3026.2025.20230275

摘要/Abstract

摘要：

针对球头铣削过程进行研究，旨在完成铣削工艺参数的可靠性优化.首先，根据球头铣刀切削刃运动轨迹，利用Z映射（Z-MAP）算法对加工形成的表面形貌进行仿真，引入表面粗糙度（R_a）衡量加工后的表面质量，通过表面形貌分析实验验证表面形貌仿真模型的准确性；然后，考虑到铣削过程中加工表面质量、刀具使用寿命以及工艺参数不确定性的实际约束条件，建立以主轴转速、刀具进给速度、轴向切深、径向切深为优化变量，以材料去除率（Q）的最大化为优化目标的工艺参数可靠性优化模型；最后，基于灰狼优化算法对优化模型进行求解以获得最优工艺参数，并通过铣削实验验证优化结果的可行性.

关键词: 球头铣刀, Z-MAP算法, 表面形貌, 表面粗糙度, 灰狼优化算法, 可靠性优化

Abstract:

Research is conducted on the ball end milling process with the aim of achieving reliable optimization of milling process parameters. Firstly， according to the motion trajectory of the ball end mill cutting edge， the surface morphology formed during machining is simulated using the Z-mapping （Z-MAP） algorithm， and the surface roughness （R_a） is introduced to measure the surface quality after machining. The accuracy of the surface morphology simulation model is validated through surface morphology analysis experiments. Then， considering the actual constraint conditions of the machining surface quality， the tool service life， and the uncertainty of process parameters during the machining process， a reliability optimization model for process parameters is established with spindle rotation speed， tool feed rate， axial cutting depth and radial cutting depth as the optimization variables， and maximizing the material removal rate （Q） as the optimization objective. Finally， the optimization model is solved using the grey wolf optimization algorithm to obtain the optimal process parameters， and the feasibility of the optimized results is verified through milling experiments.

Key words: ball end mill, Z-MAP algorithm, surface morphology, surface roughness, grey wolf optimization algorithm, reliability optimization

中图分类号:

TG 547

黄贤振, 王旭, 丁鹏飞, 姜智元. 考虑铣削表面形貌的工艺参数可靠性优化[J]. 东北大学学报（自然科学版）, 2025, 46(3): 80-87.

Xian-zhen HUANG, Xu WANG, Peng-fei DING, Zhi-yuan JIANG. Reliability Optimization of Process Parameters Considering Milling Surface Morphology[J]. Journal of Northeastern University(Natural Science), 2025, 46(3): 80-87.

0
/ 收藏文章 0 / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xuebao.neu.edu.cn/natural/CN/10.12068/j.issn.1005-3026.2025.20230275

https://xuebao.neu.edu.cn/natural/CN/Y2025/V46/I3/80

图/表 10

图1 球头铣刀运动参考坐标系

Fig. 1 Ball end mill motion reference coordinate system

图2 刀具跳动

Fig. 2 Tool runout

图3 基于AK-MCS方法的可靠性分析流程

Fig. 3 Reliability analysis process based on the AK-MCS method

表1 仿真参数

Table 1 Simulation parameters

组别	n /(r·min^-1)	v /(mm·min^-1)	a_p/mm	f_p /mm
1	500	100	0.5	0.5
2	500	200	0.3	0.7
3	500	200	0.5	0.7
4	500	250	0.5	0.5
5	1 000	100	0.5	0.7
6	1 000	200	0.3	0.5
7	1 000	200	0.5	0.5
8	1 000	200	0.5	0.7

表2 加工参数范围

Table 2 Range of the processing parameters

n /(r·min^-1)	v /(mm·min^-1)	a_p/mm	f_p/mm
500~2 000	50~250	0.1~0.7	0.3~0.7

图4 实验装置（a）—数控铣削中心；（b）—光学数码显微镜.

Fig. 4 Experimental setup

图5 实验与仿真的铣削表面形貌对比（a）—第1组实验结果；（b）—第1组仿真结果；（c）—第2组实验结果；（d）—第2组仿真结果；（e）—第5组实验结果；（f）—第5组仿真结果；（g）—第8组实验结果；（h）—第8组仿真结果.

Fig. 5 Comparison of milling surface morphology between experiment and simulation

表3 仿真与实验的表面粗糙度对比 (simulation and experiment)

Table 3 Comparison of surface roughness between

组别	表面粗糙度/μm		相对误差/%
组别	仿真值	实验值	相对误差/%
1	1.581	1.764	10.37
2	3.062	3.252	5.84
5	2.912	2.723	6.94
8	2.954	2.844	3.87

表4 优化结果对比

Table 4 Comparison of optimization results

参数类型	n/(r·min^-1)	v /(mm·min^-1)	a_p/mm	f_p/mm	r₁	r₂	Q/(mm³·min^-1)
初始参数	500.0	100.0	0.3	0.3	—	—	9.0
确定性优化参数	1 389.142 4	247.817 9	0.695 0	0.495 5	0.401 2	0.985 7	85.341 7
可靠性优化参数	1 309.957 5	187.109 4	0.639 9	0.443 4	0.996 3	1.000 0	53.088 9

图6 不同加工参数条件下铣削表面形貌对比（a）—初始参数；（b）—确定性优化参数；（c）—可靠性优化参数.

Fig. 6 Comparison of milling surface morphology under different processing parameter conditions

参考文献 23

1	Miao H H， Li C Y， Liu C S， et al. Machined surface prediction and reliability analysis in peripheral milling operations［J］. International Journal of Mechanical Sciences， 2024， 272： 109193.
2	Ding P F， Huang X Z， Zhang X W， et al. Reliability optimization of micro-milling cutting parameters using slime mould sequence algorithm［J］. Simulation Modelling Practice and Theory， 2022， 119： 102575.
3	Imani B M， Elbestawi M A. Geometric simulation of ball-end milling operations［J］. Journal of Manufacturing Science and Engineering， 2001， 123（2）： 177-184.
4	谭刚. 球头铣削切削力建模与加工表面形貌仿真研究［D］. 西安：西北工业大学， 2007.
	Tan Gang. Study on the cutting force modeling and machined surface topography simulation in ball-end milling process［D］.Xi’an： Northwestern Polytechnical University， 2007.
5	Xu J T， Zhang H， Sun Y W. Swept surface-based approach to simulating surface topography in ball-end CNC milling［J］. The International Journal of Advanced Manufacturing Technology， 2018， 98： 107-118.
6	Zhou R H， Chen Q L. An analytical prediction model of surface topography generated in 4-axis milling process［J］. The International Journal of Advanced Manufacturing Technology， 2021， 115（9/10）： 3289-3299.
7	Jia S， Wang S， Zhang N， et al. Multi-objective parameter optimization of CNC plane milling for sustainable manufacturing［EB/OL］.［2023-06-23］..
8	郭斌，岳彩旭，张安山，等. 面向表面粗糙度约束的铣削过程参数优化［J］. 哈尔滨理工大学学报， 2023， 28（1）： 20-28.
	Guo Bin， Yue Cai-xu， Zhang An-shan， et al. Parameter optimization of milling process for surface roughness constraints［J］. Journal of Harbin University of Science and Technology， 2023， 28（1）： 20-28.
9	张昱，张昌明. AerMet100超高强度钢铣削表面质量与参数优化［J］. 兵器材料科学与工程， 2020， 43（5）： 5-10.
	Zhang Yu， Zhang Chang-ming. Milling surface quality and parameter optimization of AerMet100 ultra-high strength steel［J］. Ordnance Material Science and Engineering， 2020， 43（5）： 5-10.
10	Wu T Y， Lin C C. Optimization of machining parameters in milling process of inconel 718 under surface roughness constraints［J］. Applied Sciences， 2021， 11（5）： 2137.
11	Kumar S， Saravanan I， Patnaik L. Optimization of surface roughness and material removal rate in milling of AISI 1005 carbon steel using Taguchi approach［J］. Materials Today： Proceedings， 2020， 22： 654-658.
12	黄贤振，孙良仕，丁鹏飞，等. 基于可靠性的GH4169车削参数优化［J］. 东北大学学报（自然科学版）， 2022， 43（5）： 696-702.
	Huang Xian-zhen， Sun Liang-shi， Ding Peng-fei， et al. Optimization of turning parameters of GH4169 based on reliability［J］. Journal of Northeastern University（Natural Science）， 2022， 43（5）： 696-702.
13	Zhou Y D， Tian Y L， Jing X B， et al. Surface topography modeling and roughness extraction in helical milling operation［J］. The International Journal of Advanced Manufacturing Technology， 2018， 95： 4561-4571.
14	Wang X， Jiang Z Y， Huang X Z， et al. Surface topography prediction and reliability analysis of ball end milling［J］. Measurement， 2025， 242： 115770.
15	Ding P F， Huang X Z， Li Y X， et al. Reliability optimization of cutting parameters considering the diameter error of slender shaft［J］. Journal of Mechanical Science and Technology， 2021， 35： 4673-4683.
16	Liu H Z， Huang X Z， Jiang Z Y， et al. Reliability-based design optimization scheme of isolation capacity of nonlinear vibration isolators［J］. Engineering Structures， 2024， 300： 117220.
17	Jiang Z Y， Huang X Z， Wang B X， et al. Time-dependent reliability-based design optimization of main shaft bearings in wind turbines involving mixed-integer variables［J］. Reliability Engineering & System Safety， 2024， 243： 109817.
18	Ding P F， Huang X Z. Sustainable optimization of micro-milling machining parameters considering reliability assessment［J］. Mechanics Based Design of Structures and Machines， 2025， 53（2）： 864-901.
19	Mirjalili S， Mirjalili S M， Lewis A. Grey wolf optimizer［J］. Advances in Engineering Software， 2014， 69： 46-61.
20	Zheng Z Q， Miao X L， Huang X Z， et al. Fastening reliability analysis of bolted joint anti-self-loosening［J］. Journal of Constructional Steel Research， 2023， 202： 107776.
21	黄贤振，于瑞，姜智元，等. 考虑热误差的电主轴建模与可靠性全局灵敏度分析［J］. 东北大学学报（自然科学版）， 2024， 45（5）： 675-682.
	Huang Xian-zhen， Yu-Rui， Jiang Zhi-yuan， et al. Modeling and reliability global sensitivity analysis of motorized spindles considering thermal errors［J］. Journal of Northeastern University（Natural Science）， 2024， 45（5）： 675-682.
22	Jiang Z Y， Huang X Z， Chang M X， et al. Thermal error prediction and reliability sensitivity analysis of motorized spindle based on Kriging model［J］. Engineering Failure Analysis， 2021， 127： 105558.
23	Miao H H， Li C Y， Liu C S， et al. Nonlinear chatter and reliability analysis of milling Ti-6Al-4V with slender ball-end milling cutter［J］. Mechanical Systems and Signal Processing， 2024， 217： 111534.

编辑推荐 0

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	10	0	0	77

来源	本网站	其他网站

次数	66	21
比例	76%	24%

摘要

418

最新录用	在线预览	正式出版

0	0	418

来源	本网站	其他网站

次数	28	390
比例	7%	93%

[1]	孙瑶, 董俊逸, 唐本甲, 李思慧. 电火花加工单晶硅微结构的表面质量及成形精度[J]. 东北大学学报（自然科学版）, 2025, 46(2): 96-103.
[2]	辛博, 曹刚, 秦嘉鑫, 赵显力. 激光定向能量沉积NiCo-FGMs的磨削工艺优化[J]. 东北大学学报（自然科学版）, 2025, 46(2): 85-95.
[3]	巩亚东, 李远峰, 温泉, 任启震. 2.5D C_f/SiC复合材料与SiC陶瓷微磨削性能对比试验研究[J]. 东北大学学报（自然科学版）, 2025, 46(1): 52-60.
[4]	李远峰, 温泉, 巩亚东, 唐本甲. 2.5D C_f/SiC复合材料微尺度磨削试验研究[J]. 东北大学学报（自然科学版）, 2024, 45(8): 1143-1149.
[5]	杨震宇, 邹平, 周亮, 王安琪. 单颗CBN磨粒超声振动辅助磨削AISI 304材料去除机理[J]. 东北大学学报（自然科学版）, 2024, 45(7): 1011-1019.
[6]	代峰, 柳静献. 钢铁企业除尘用涤纶滤料在复杂烟气环境下的老化行为分析[J]. 东北大学学报（自然科学版）, 2024, 45(6): 883-889.
[7]	乔冠尧, 徐嘉忆, 赵春雨. 基于运动误差的3-D表面形貌检测方法[J]. 东北大学学报（自然科学版）, 2024, 45(12): 1726-1733.
[8]	张家豪，邹平，魏事宇，梁付强. 单激励三维超声车削加工技术的实验研究[J]. 东北大学学报（自然科学版）, 2023, 44(8): 1152-1159.
[9]	方锐，邹平，段经伟，魏事宇. 三维超声振动辅助车削减摩特性与表面质量的实验研究[J]. 东北大学学报（自然科学版）, 2023, 44(2): 233-241.
[10]	孙瑶，唐本甲，巩亚东，李思慧. 镍基单晶高温合金表面微阵列孔的制备方法及其实验研究[J]. 东北大学学报（自然科学版）, 2023, 44(12): 1719-1725.
[11]	姜世杰，胡科，陈丕峰，战明. 熔丝成型制品三维表面粗糙度的理论与实验研究[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1290-1297.
[12]	王述红，魏崴，韩文帅，陈浩. 基于CGWO算法的边坡最小安全系数全局寻优方法[J]. 东北大学学报（自然科学版）, 2022, 43(7): 1033-1042.
[13]	黄贤振，孙良仕，丁鹏飞，朱会彬. 基于可靠性的GH4169车削参数优化[J]. 东北大学学报（自然科学版）, 2022, 43(5): 696-702.
[14]	温雪龙，王承宝，巩亚东，孙付强. 涂层微磨具的制备及磨削表面质量实验研究[J]. 东北大学学报（自然科学版）, 2022, 43(5): 681-688.
[15]	温雪龙，李佳育，李欣妍. TiC涂层微磨具磨削表面质量影响因素[J]. 东北大学学报（自然科学版）, 2022, 43(4): 534-540.