高速銑削熱縮加長刀桿與刀具配合特性及應用研究.pdf

1、大型深型腔注塑模具是大屏幕彩色電視機外殼、電腦顯示器、汽車儀表盤、汽車車門內(nèi)飾件等大型注塑制品的關鍵制造裝備，具有深型腔復雜多型面結構、加工精度和表面質(zhì)量要求高、制造周期長等特點。當前該類模具的制造過程過分依賴電火花加工與手工拋光與打磨、過分依賴制造者的個人技能與經(jīng)驗等，而使得加工質(zhì)量難以得到有效保證、整個制造周期大大延長而很難滿足日益加劇的市場競爭需要。熱縮加長刀桿(Lengthened Shrink-fit Holder-LSFH)

2、與刀具配合因其具有高夾緊強度、高回轉平衡性、易于到達和接近深型腔、能滿足復雜多型面模具加工對刀具多樣性的要求等特點，使其成為實現(xiàn)大型深型腔模具高速、高效高質(zhì)量銑削加工的重要手段和途徑。目前，由于缺乏對LSFH-刀具配合的配合特性、及使用LSFH時的加工參數(shù)優(yōu)選、加工精度控制等方面的深入研究，使其在高速銑削加工中的優(yōu)勢得不到充分發(fā)揮。 本文根據(jù)大型深型腔模具對適合其高速銑削加工刀具系統(tǒng)的迫切需要，著重從LSFH-刀具配合的接觸特性

3、、徑向夾持剛度、動力學特性、加工參數(shù)優(yōu)化以及加工變形誤差補償?shù)确矫孢M行深入研究，并通過試驗驗證了研究過程中所建分析模型的正確性以及加工參數(shù)優(yōu)化與誤差補償方法的有效性和實用性。 作為動力學特性研究和加工變形誤差補償?shù)那疤岷突A，首先對基于LSFH-刀具配合的高速銑削加工進行了銑削力建模，建立基于反向傳播神經(jīng)網(wǎng)絡(Back-Propagation neural network-BPNN)的瞬態(tài)銑削力預測模型。通過對實驗數(shù)據(jù)的適當處理

4、，模型把時間參量引入輸入向量，從而克服了以往神經(jīng)網(wǎng)絡切削力預測模型只能預測平均切削力而不能預測瞬態(tài)切削力的局限；預測模型采用梯度下降動量學習函數(shù)和梯度下降動量BP算法訓練函數(shù)，避免了單純的梯度下降法使網(wǎng)絡訓練易收斂到局部最小值的不足。檢驗結果表明預測模型具有很好的預測精度，高于通常的銑削力解析模型。 在接觸特性及徑向夾持剛度研究方面，建立了參數(shù)化的有限元模型，并給出了一種合理確定模型中接觸剛度系數(shù)的新方法。研究了初始基本過盈量、

5、配合長度、配合直徑以及高速旋轉狀態(tài)下的離心力對等效應力、接觸變形與接觸壓力等的影響。在此基礎上首次引入接觸變差系數(shù)的概念及其計算方法，給出了實現(xiàn)LSFH-刀具配合的合理接觸控制的有效方法。研究了不同配合過盈量、夾持長度及主軸轉速對徑向夾持剛度的影響，并對不同配合過盈量下的臨界彎矩進行了理論界定，建立了靜態(tài)夾持剛度的有效測量評定方法。研究結果表明：所給出的快速確定LSFH-刀具配合接觸剛度系數(shù)的迭代算法，既能夠保證分析結果的準確，又能夠保

6、證分析過程的收斂；應根據(jù)不同的刀具配合直徑進行合理的接觸控制；所給出的合理接觸控制方法，既能保證刀具夾持的穩(wěn)定可靠又能提高LSFH的耐用度；在高轉速條件下需充分考慮到離心力對徑向夾持剛度的削弱作用，以保證在高轉速下實現(xiàn)對刀具安全可靠的夾持；靜態(tài)徑向夾持剛度的評定結果驗證了所建有限元仿真模型的正確性，分析結果可為LSFH-刀具配合的設計、選用以及生產(chǎn)實際提供依據(jù)。 在動力學特性研究方面，首次將有限元分析(Finite Elemen

7、t Analysis-FEA)技術和試驗模態(tài)分析(Experiment ModalAnalysis-EMA)技術結合起來建立LSFH-刀具配合的有限元模型綜合驗證與修正流程。分析研究了刀具懸伸出LSFH的長度、主軸轉速對LSFH-刀具配合的動力特性包括固有頻率和振型的影響。在動力特性分析的基礎上對給定加工工況下的LSFH-刀具配合進行了瞬態(tài)動力學分析，并對實際的瞬態(tài)位移響應進行了評定。研究結果表明：刀具懸伸長度對固有頻率的影響較為顯著；

8、當轉速超過一定時應充分考慮高轉速對動力特性的影響；在高速加工工況下，要準確求取加工過程中LSFH-刀具配合的受力與變形，必需考慮到LSFH-刀具配合的瞬態(tài)動力學特性的影響，這樣才能得出與實際加工工況相符合的正確結論。實際評定結果驗證了數(shù)值仿真結果的正確性，所建立的瞬態(tài)動力學分析模型能夠滿足工程需要，可用于實際銑削加工過程分析。 在使用LSFH高速銑削加工的加工參數(shù)優(yōu)化研究方面，在充分考慮到各約束條件的模糊性的基礎上，將LSFH-

9、刀具配合的力學與動力學特性作為加工參數(shù)優(yōu)化的物理約束條件，建立了高速銑削加工過程切削參數(shù)模糊優(yōu)化模型。優(yōu)化結果表明，與不考慮約束條件模糊性的常規(guī)優(yōu)化結果及刀具手冊的推薦參數(shù)相比，高速銑削加工時間分別減少5.95％和8.54％，表面粗糙度分別降低5.42％和6.85％。 在使用LSFH高速銑削加工的加工變形誤差補償研究方面，在前述有限元模型、銑削力模型的建立以及加工參數(shù)優(yōu)化結果的基礎上，提出了一種基于銑削力與刀具變形平衡迭代新算法