王 南,白意东,王丽,王瑞强

(河北工程大学 机械与装备工程学院，河北 邯郸 056038)

基于BP神经网络的拉夹逆向车削细长轴切削力预测*

王 南,白意东,王丽,王瑞强

(河北工程大学 机械与装备工程学院，河北 邯郸 056038)

为减小细长轴的弯曲变形，提高加工精度，对拉夹逆向车削进行理论分析和切削力预测。首先介绍拉夹逆向车削模型，根据受力情况建立力平衡方程，求解振动频率函数，然后用Deform仿真软件对车削进行仿真，得到不同切削参数下的切削力，最后建立BP神经网络模型，对切削力进行预测。结果表明采用拉夹逆向车削细长轴可以提高工件在装夹状态下的固有频率，取得很好的减振效果，并且使用BP神经网络模型可以精确预测车削力的大小。

细长轴；切削力；BP神经网络；仿真预测

0 引言

细长轴类零件被广泛应用于交通、制造、农业、国防等行业，它在机器中起到连接和传动的重要作用，但由于长径比大，在车削细长轴时，工件会产生振动和弯曲变形。针对此问题，国内外学者做了大量理论研究和实验尝试。韩荣第[1]通过设计专用跟刀架，使工件达到较高的加工精度和较小的表面粗糙度值；周勇[2]应用磨料水射流镜像的方法加工细长轴，通过实验验证该方法可以有效的提高细长轴的加工精度；武文革[3]对正向切削和逆向切削时工件变形进行了力学分析，并验证该模型可用于细长轴加工的工艺设计。K.Rama Kotaiah[4]分析了高速切削过程中稳定性，Chandiramani N K[5]研究了稳定切削极限的切削用量，Altintas Y[6]对再生颤振动态切削力模型进行了研究。……