基于蒙特卡洛法的铣削让刀误差概率分布预测

doi:10.12068/j.issn.1005-3026.2015.07.016

东北大学学报:自然科学版 ›› 2015, Vol. 36 ›› Issue (7): 985-990.DOI: 10.12068/j.issn.1005-3026.2015.07.016

基于蒙特卡洛法的铣削让刀误差概率分布预测

张义民，曹辉，黄贤振

(东北大学机械工程与自动化学院，辽宁沈阳110819)

收稿日期:2014-04-29 修回日期:2014-04-29 出版日期:2015-07-15 发布日期:2015-07-15
通讯作者: 张义民
作者简介:张义民(1958-)，男，吉林长春人，东北大学教授，博士生导师，教育部“长江学者奖励计划”特聘教授.
基金资助:
国家自然科学基金资助项目(51135003，51105062)；国家重点基础研究发展计划项目 (2014CB046303)； “高档数控机床与基础制造装备”科技重大专项 (2013ZX04011-011)；沈阳市科技计划项目(F12-082-2-00).

Probability Distribution Prediction of Milling Error Generated by Tool and Artifact Coupling Deviation Based on Monte-Carlo Method

ZHANG Yi-min， CAO Hui， HUANG Xian-zhen

School of Mechanical Engineering & Automation，Northeastern University，Shenyang 110819，China.

Received:2014-04-29 Revised:2014-04-29 Online:2015-07-15 Published:2015-07-15
Contact: ZHANG Yi-min
About author:-
Supported by:
-

摘要/Abstract

摘要： 基于斜角切削理论，建立铣削力计算模型，求解得到铣削力.构建薄板受力变形的挠度函数，结合刀具的受力变形求解刀具-工件耦合变形的铣削让刀误差.采用神经网络拟合方法，求出输入铣削参数与输出最大让刀误差的函数关系.考虑刀具参数、材料参数、工件参数以及加工工况等随机参数对金属切削的影响，利用蒙特卡洛方法，对输入参数进行抽样，将参数样本代入神经网络拟合的函数模型中，获得铣削让刀误差样本，并分析其概率特性，从而提出一种铣削让刀误差的概率分布预测方法，较确定性计算铣削让刀误差的方法更加符合实际.

关键词: 铣削让刀误差, 耦合变形, 神经网络, 蒙特卡洛法, 概率分布

Abstract: The milling force calculation model was established based on the theory of bevel cutting， and the milling force was obtained. The bend function of thin plate deformation was built， and the milling error in milling process of tool-workpiece coupling deformation was obtained based on the combination of tool deformation. Neural network fitting method was adopted to obtain the function relationship between the input milling parameters and the output maximum milling error. Considering the influence on metal cutting by the parameters of tool， material， workpiece and working condition， the input parameters were sampled by the Monte-Carlo method. The parameter samples were substituted into the function model which was fitted by neural network， and the milling error samples were obtained. Then a probability distribution prediction method of milling error was put forward by analyzing the probability characteristics of the milling error. It was closer to actual than the deterministic calculation of milling error.

Key words: milling error, coupling deformation, neural network, Monte-Carlo method, probability distribution

中图分类号:

TH161.12

张义民，曹辉，黄贤振. 基于蒙特卡洛法的铣削让刀误差概率分布预测[J]. 东北大学学报:自然科学版, 2015, 36(7): 985-990.

ZHANG Yi-min， CAO Hui， HUANG Xian-zhen. Probability Distribution Prediction of Milling Error Generated by Tool and Artifact Coupling Deviation Based on Monte-Carlo Method[J]. Journal of Northeastern University Natural Science, 2015, 36(7): 985-990.

参考文献

[1]Yang M Y，Park H D.The prediction of cutting forces in ball-end milling［J］.International Journal of Machine Tools and Manufacture，1991，31(1):45-54.
[2]Budak E，AltintasY，Armarego E J A.Prediction of milling force coefficient from orthogonal cutting data［J］.Journal of Manufacturing Science and Engineering，1996，118(2):216-224.
[3]Kops L，Vo D T.Determination of the equivalent diameter of an end mill based on its compliance ［J］.Annals of the CIRP，1990，39(1):93-96.
[4]Law K M Y，Geddam A，Ostaflev V A.A process-design approach to error compensation in the end milling pockets［J］. Journal of Materials Processing Technology ，1999，89/90:238-244.
[5]Seo T L.Integration of tool deflection during the generation of tool path ［D］.Nantes:University of Nantes-Ecole CentraleofNantes，1998.
[6]宋戈.基于切削力精确建模的钛合金薄壁件让刀变形预测研究［D］.济南:山东大学，2012.(Song Ge.Research on surface error prediction in milling process of thin wall part based on accurate cutting force modeling［D］.Jinan:Shandong University，2012.)
[7]胡自化.薄壁件数控侧铣若干基础理论、实验及集成技术问题的研究［D］.湘潭:湘潭大学，2008.(Hu Zi-hua.Study on some problems of basic theory，experiments and integrated technology of thin-walled components in numerical control peripheral milling［D］.Xiangtan:Xiangtan University，2008.)
[8]朱耀.AA7055铝合金在不同温度下及应变率下力学性能的实验研究［D］.哈尔滨:哈尔滨工业大学，2010.(Zhu Yao.Experimental research on mechanical properties of AA7055 aluminum alloys at different temperatures and strain rates［D］.Harbin:Harbin Institute of Technology，2010.)
[9]Depince P，Hascoet J Y.Active integration of tool deflections in end milling.part 1:prediction of milled surfaces ［J］.International Journal Machine Tools & Manufacture，2006，46(9):937-944.
[10]Ratchev S，Liu S，Huang W，et al.Milling error prediction and compensation in machining of low rigidity parts［J］.International Journal of Machine Tools & Manufacture，2004，44(15):1629-1641.
[11]O’Connor P D T，Kleyner A.Practical reliability engineering ［M］.5th ed.Chichester:Weily，2012.
[12]Zhang Y M.Connotation and development of mechanical reliability-based design［J］.Journal of Mechanical Engineering，2010，46(14):167-188.

[1]	刘洋，闫冬梅，孟范伟. 基于Transformer改进的两分支行人重识别算法[J]. 东北大学学报（自然科学版）, 2023, 44(1): 26-32.
[2]	张春雷，李鹤，董茂林，张圣杰. 燃料电池空气供应系统自适应神经网络滑模控制[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1270-1276.
[3]	马源源，刘晏泽，刘呈隆，张甜洁. 中国投资者多角度舆情分析及其在股市预测中的作用[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1201-1209.
[4]	张禹，何楷文，李清书，巩亚东. 面向STEP-NC自由曲面特征的加工操作方法智能决策[J]. 东北大学学报（自然科学版）, 2022, 43(7): 981-987.
[5]	季策，张晓. 基于GSA-BP神经网络的OFDM系统信道估计算法[J]. 东北大学学报（自然科学版）, 2022, 43(6): 769-775.
[6]	杨博文，霍军周，张伟，张占葛. 服役结构超前载荷实时预测方法的研究[J]. 东北大学学报（自然科学版）, 2022, 43(4): 541-550.
[7]	范纯龙，李彦达，夏秀峰，乔建忠. 基于随机梯度上升和球面投影的通用对抗攻击方法[J]. 东北大学学报（自然科学版）, 2022, 43(2): 168-175.
[8]	陈兵，韩烬阳，唐晓垒，夏搏然. 基于机器学习的拉矫延伸率预测模型及数值分析[J]. 东北大学学报（自然科学版）, 2022, 43(2): 236-242.
[9]	井元伟，谢海修，白云. TCP/AWM网络系统的自适应有限时间漏斗拥塞控制[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1369-1375.
[10]	王璐，王帅，张国峰，徐礼胜. 基于语义分割注意力与可见区域预测的行人检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1261-1267.
[11]	郑艳，姜源祥. 基于特征融合的说话人聚类算法[J]. 东北大学学报（自然科学版）, 2021, 42(7): 952-959.
[12]	于洪亮，王旭，杨丹，李维军. 基于电流观测器的链式STATCOM反步控制方法[J]. 东北大学学报（自然科学版）, 2021, 42(6): 761-767.
[13]	张涛，刘天威，杜文丽. 一种基于卷积神经网络的区域调光技术[J]. 东北大学学报（自然科学版）, 2021, 42(5): 624-632.
[14]	廖志伟，陈琳韬，黄杰栋，庄竞. 基于特征空间变换与LSTM的中短期电煤价格预测[J]. 东北大学学报（自然科学版）, 2021, 42(4): 483-493.
[15]	张永超，李琦，任朝晖，周世华. 基于域适应与分类器差异的滚动轴承跨域故障诊断[J]. 东北大学学报（自然科学版）, 2021, 42(3): 367-372.

基于蒙特卡洛法的铣削让刀误差概率分布预测

Probability Distribution Prediction of Milling Error Generated by Tool and Artifact Coupling Deviation Based on Monte-Carlo Method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价