郭建烨 郑若池

(沈阳航空航天大学机电工程学院, 辽宁 沈阳 110136)

近年来，由于我国航空航天工程的不断进步，对相应零部件的质量要求也随之提高，因此一些合金薄壁件因自身重量轻、比强度高等特点而被广泛使用[1-2]。但是薄壁件在加工制造过程中，由于自身尺寸壁薄，所以结构工艺性较差，很容易发生形变，进而影响零件的加工精度。其中导致加工变形的因素有很多，如：刀具参数、工艺参数、工件材料和残余应力等，而加工参数则是影响薄壁件加工变形的一个重要因素[3-4]。单一的铣削参数对薄壁件加工变形的影响可以通过有限元分析方法得到，但在实际加工过程中，众多铣削参数对加工变形的影响存在着耦合关系，这样通过有限元方法很难得到较精确的加工参数。因此，寻求一种合理有效的加工参数预测方法是很有必要的[5-7]。

随着智能技术的发展，一些能够高效解决非线性问题的算法也应运而生，并且已成功地运用于人工智能、目标优化和图像处理等方面[8-10]。在薄壁件加工变形的问题上，国内外学者也运用这些智能算法对铣削参数进行优化。杨勇[11]等学者针对汽车覆盖件模具，基于遗传算法和BP神经网络技术建立钛合金薄壁件的铣削参数优化目标函数，对铣削参数进行优化研究。S.Vijay[12]等学者利用田口法对进给量、切削速度等铣削加工参数进行了优化。Fanci Cus[13]等人利用BP人工神经网络对加工参数进行了多目标优化研究。但在实际应用中，大部分智能算法的预测结果与现场加工结果误差较大，不能有效地实现降低加工变形量的要求。……