刘 岩，段国林，蔡 瑾

(河北工业大学 机械工程学院，天津 300131)

车削工艺参数的智能生成及应用*

刘 岩，段国林，蔡 瑾

(河北工业大学 机械工程学院，天津 300131)

为了能够快速而准确地选择加工参数，并且保证产品的加工质量，提出了基于BP网络模型的车削参数智能选择方法。应用正交试验获取影响加工表面粗糙度的切削参数如吃刀量、进给量、转速和刀具圆角大小各因素的映射关系，建立不同加工阶段的切削数据库。通过BP网络模型学习和训练，不仅能智能的选择加工参数，而且能够划分产品加工阶段。将试验数据和BP网络预测的数据进行回归分析，验证了BP模型的实用性。

正交试验；切削参数；车削加工；BP网络；回归分析

0 引言

工艺参数的选择在产品加工制造过程中起着非常重要的作用，具有复杂性和不确定性，国内外很多研究人员通过智能算法如神经网络、模糊集、遗传算法等建立了粗糙度和工艺参数的映射关系模型，可以快速、准确和智能地选择工艺参数[1]。刘伟强等建立了基于BP神经网络磨削工艺参数的预测模型，从工件材料、砂轮材料和加工条件三方面考虑，优化磨削加工参数[2]。吴明以凸轮轴数控磨削工序为例，采用人工神经网络构建加工参数和加工精度之间的映射模型，从而优化工艺参数[3]。赵昌龙等在并联机床加工过程中，建立神经网络模型预测研抛加工的表面粗糙度，并对神经网络算法进行了改进，提高预测精度[4]。朱红雨等利用神经网络建立了铣削力、铣削温度和表面粗糙度的预测模型，运用遗传算法得到最佳的工艺参数组合[5]。……