拉夹逆向车削细长轴的振动特性及切削力预测研究

摘要

细长轴零件在机器中对连接和传动起到重要作用，尤其在交通、国防、农业等行业应用广泛，但由于其长径比大，在车削时会产生振动和弯曲变形。其中振动的产生是切削过程中比较常见的一种不利因素，并且切削力也是车削过程中极其重要的切削参数，振动的发生和切削力大小的选择不仅会影响刀具使用寿命和设备的功率消耗，也会影响工件的表面质量及尺寸精度。因此对细长轴切削过程中的振动因素和切削力大小的研究，对于实现细长轴精密加工具有重要的应用价值。 本文主要研究了采用拉夹逆向法车削细长轴的振动特性，并基于BP神经网络预测采用此方法车削细长轴时切削力的大小。 首先介绍了机械加工系统中常见的振动类型及各自的振动特征，分别建立普通车削细长轴和拉夹逆向车削细长轴的结构图和径向弯曲振动模型，求解出前三阶固有频率和振型函数，并证明振型函数的正交性，用Matlab软件求解出细长轴前三阶振型函数的弯曲曲线。 其次用Deform仿真软件基于正交试验选择合适的切削参数得到的采用拉夹逆向法车削细长轴的切削力的大小，并与经验公式算出的切削力进行对比，验证仿真结果的正确性，得到的切削力大小也为ANSYS分析提供了数据。 然后基于ANSYS Workbench软件建立了拉夹逆向车削细长轴的静力学仿真模型，并分别对细长轴进行静力学分析、模态分析和谐响应分析，得出拉夹逆向车削细长轴的变形比普通车削变形小，振动频率得到很大提高，大约是普通车削的两倍，谐响应值大约是普通车削的一半，从而验证了理论分析结果的正确性。 最后应用 BP 神经网络训练拉夹逆向车削细长轴车削力的神经网络预测模型，并进行了所训练网络模型的试验验证，网络模型的预测值与仿真值十分接近，因此，建立的神经网络模型可以精确的预测车削力的大小，为合理确定切削用量、提高工件表面质量、提高生产效率等提供了重要的参考依据。

目录

第一个书签之前

OLE_LINK1

OLE_LINK2

OLE_LINK3