基于改进IPSO-BP算法的CAM编程切削参数预测〖OSID文章推荐〗

DOI: 10. 3969 / j. issn. 1009-9492. 2020. 05. 004

李俊铭，吴居豪，何轩，等. 基于改进IPSO-BP算法的CAM编程切削参数预测［J］ . 机电工程技术，2020，49（05）：10-13.

*基金项目：2019年广东省大学生创新训练项目（编号：S201911078066）

基于改进IPSO-BP算法的CAM编程切削参数预测*

李俊铭1 ，吴居豪1，何轩2，龙耀武1，陶建华1※

（1. 广州大学机械与电气工程学院， 广州510006；2. 广州市德慷软件有限公司， 广州510620）

摘要：由于加工编程设置切削参数关联因素复杂，试切实验确定切削参数的方式无法适应模具行业复杂多变的加工需求。提出基于满足企业加工要求的CAM历史项目文件的加工参数信息，运用改进IPSO-BP神经网络预测新加工需求的切削参数。由于机床状态和加工质量要求不断变化，提出新增预学习环节确立IPSO各层权重范围，加快模型收敛速度和预测精度。预测结果满足加工需求。预测模型在保证加工质量的前提下，有效缩短加工编程的切削参数设置阶段80%以上的时间。

关键词：CAM软件；粒子群算法；反向传播神经网络；加工参数预测

中图分类号：TG659    文献标志码：A     文章编号：1009－9492 ( 2020 ) 05－0010－04

Prediction of Process Parameter Oriented CAM Projects Based on

Improved IPSO-BP

LI Junming1，WU Juhao1，HE Xuan2，LONG Yaowu1, TAO Jianhua1※

（1. College of Mechanical and Electrical Engineering, Guangzhou University, Guangzhou 510006, China;

2. Guangzhou Dekam Software Co., Ltd., Guangzhou 510620, China）

Abstract: Because of the complexity of the related factors of the cutting parameters, the way to determine the cutting parameters in the trial cutting experiment can not meet the complex and changeable processing needs of the mold industry. Based on the processing parameter information of cam historical project file which meets the processing requirements of enterprises, the cutting parameters of new processing requirements were predicted by improved IPSO-BP neural network. Due to the continuous change of machine status and machining quality requirements, a new pre learning link was proposed to establish the weight range of each layer of ipso, so as to accelerate the convergence speed and prediction accuracy of the model. The predicted results meet the processing requirements.Under the premise of ensuring the machining quality, the prediction model can effectively shorten the cutting parameter setting stage of machining programming by more than 80%.

Key words: CAM software; particle swarm optimization; back propagation neural network; cutting parameters prediction

引言

计算机辅助制造（CAM） 是指在计算机上对零件进行编程加工，生成数字控制指令（NC） 使机器进行自动加工的软件系统，是机床加工不可或缺的部分。使用CAM软件进行编程加工时，除了根据模具特征编写合适的加工策略，还需依据各类机床、刀具等加工信息选用合适的切削参数[1-2]。由于制造业高级技术人才缺乏，人员流动加剧，技术水平参差不齐，影响制造企业的生产效率和产品质量[3]。近年来，对自动计算机辅助加工规划（ACAPP） 的需求不断增加，加工参数预测是重要环节之一[4]。传统的参数预测通过试切实验结合专家规则进行参数推荐，时间和经济成本大，难以适应模具行业多变的加工需求。近年来，有不少研究基于支持向量机（SVM）、BP（Back Propagation） 等算法通过采集机床运行过程中震动、电流及声音等信号，对加工参数实时调整[5-7]。由于硬件兼容性问题，这类方法对机床型号有严格限制，难以大范围推广。

本文采用基于历史加工数据进行参数预测的技术解决方案。收集并筛选满足企业加工要求的CAM历史项目文件，对CAM软件进行二次开发获取相关加工信息，包括选用机床、策略、刀具相关信息及对应的切削参数。用IPSO-BP算法建立并不断更新参数预测模型，实现针对不同加工信息的切削参数（轴切深、径切深、转速、进给） 预测。在复杂加工编程的应用场景中，上百条刀路对应的切削参数自动由软件生成并输入CAM系统中，编程人员只需要检查数据的合理性，从而提升加工编程的效率和编程质量。

结束语

针对切削参数预测问题，本文提出一种基于改进IP⁃SO-BP的切削参数预测方法。通过对CAM项目文件进行数据采集，提取历史加工特征及切削参数。利用改进IPSO算法优化BP神经网络参数，并与其他预测模型的测试结果对比，该方法可以取得更高的预测精度和稳定性。在自动计算机辅助加工规划的参数规划领域具有一定的应用价值。

（机电工程技术）

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。