基于有限元模拟的Ti6Al4V铣削过程参数多目标优化

doi:10.3969/j.issn.1004-132X.2021.13.006

中国机械工程 ›› 2021, Vol. 32 ›› Issue (13): 1555-1561,1570.DOI: 10.3969/j.issn.1004-132X.2021.13.006

基于有限元模拟的Ti6Al4V铣削过程参数多目标优化

黎宇嘉1;黄兵1;鲁娟1，2;钟奇憬1;陈超逸1;廖小平1;马俊燕1

1.广西大学广西制造系统及先进制造技术重点实验室，南宁，530004
2.北部湾大学机械与船舶海洋工程学院，钦州，535011

出版日期:2021-07-10 发布日期:2021-07-16
通讯作者: 鲁娟（通信作者），女，1988年生，副教授。研究方向为智能制造与模式识别。E-mail： lujuan3623366@163.com。
作者简介:黎宇嘉，男，1995年生，硕士研究生。研究方向为智能制造与仿真。E-mail：535025526@qq.com。
基金资助:
国家自然科学基金（51665005）；
广西自然科学基金重点项目（2020JJD160004）；
广西自然科学基金（2019JJB160048）；
广西高校中青年教师科研基础能力提升项目（2020KY10014）

Multi-objective Optimization of Cutting Parameters in Ti6Al4V Milling Processes Based on Finite Element Simulation#br#

LI Yujia1;HUANG Bing1;LU Juan1，2;ZHONG Qijing1;CHEN Chaoyi1;LIAO Xiaoping1;MA Junyan1

1.Guangxi Key Laboratory of Manufacturing Systems and Advanced Manufacturing Technology，Guangxi University，Nanning，530004
2.Department of Mechanical and Marine Engineering，Beibu Gulf University，Qinzhou，Guangxi，535011

Online:2021-07-10 Published:2021-07-16

摘要/Abstract

摘要： 为使切削加工过程满足环境意识制造（ECM）的要求，针对质量指标（表面粗糙度）和ECM指标（能耗），针对Ti6Al4V的铣削过程，采用人工蜂群（ABC）算法优化的高斯过程回归（GPR）方法构建有限元代理模型，并采用多目标粒子群优化（MOPSO）算法获得满足最优加工目标的加工参数。为减少试验成本，采用有限元仿真软件Deform-3D获取各铣削参数组合对应的表面粗糙度和能耗数据，并通过物理试验验证其有效性；基于仿真数据，利用改进的GPR方法构建预测表面粗糙度和能耗的代理模型，并对比了该模型与其他两种模型的性能，证明了改进模型在精度和响应时间上的优势；采用MOPSO算法，以最小能耗和优良表面质量为目标，优化得到加工参数的Pareto前沿，并用物理试验验证了ABC-GPR-MOPSO算法的有效性。

关键词: 铣削加工, 有限元模拟, 高斯过程, Pareto前沿

Abstract: In order to make the cutting processes meet the requirements of environmentally conscious manufacturing（ECM）， for the quality index（surface roughness） and ECM index（energy consumption）， aiming at the Ti6Al4V processes， the Gaussian process regression（GPR） method optimized by artificial bee colony （ABC） algorithm was used to established the finite element agent model， and the processing parameters satisfying the optimal machining objectives were obtained by using the multi-objective particle swarm optimization（MOPSO） algorithm. Deform-3D， a finite element simulation software which might reduce the testing cost was used to obtain the surface roughness and energy consumption data corresponding to each milling parameter combinations， and the effectiveness was proved by physical tests. Then， an improved GPR method was used to establish the prediction model based on the surface roughness and energy consumption of the finite element simulation data. The performance of the model was compared with that of the other two models， and the advantages of the improved model in accuracy and response time were proved. Finally， Pareto front of processing parameters with the goal of minimum energy consumption and excellent surface quality were obtained by MOPSO algorithm. The effectiveness of the ABC-GPR-MOPSO algorithm was verified by physical tests.

Key words: , milling process, finite element simulation, Gaussian process, Pareto front

中图分类号:

TH16

黎宇嘉, 黄兵, 鲁娟, 钟奇憬, 陈超逸, 廖小平, 马俊燕. 基于有限元模拟的Ti6Al4V铣削过程参数多目标优化[J]. 中国机械工程, 2021, 32(13): 1555-1561,1570.

LI Yujia, HUANG Bing, LU Juan, ZHONG Qijing, CHEN Chaoyi, LIAO Xiaoping, MA Junyan. Multi-objective Optimization of Cutting Parameters in Ti6Al4V Milling Processes Based on Finite Element Simulation#br#[J]. China Mechanical Engineering, 2021, 32(13): 1555-1561,1570.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2021.13.006

http://www.cmemo.org.cn/CN/Y2021/V32/I13/1555

参考文献

［1］伍晓榕，张树有，裘乐淼，等. 面向绿色制造的加工工艺参数决策方法及应用［J］. 机械工程学报， 2013，49（7）：95-104.
WU Xiaorong， ZHANG Shuyou， QIU Lemiao， et al. Decision Making Method of Process Parameter Selection for Green Manufacturing Based on a DEMATEL-VIKOR Algorithm［J］. Journal of Mechanical Engineering，2013，49（7）：95-104.
［2］尚宝平，闫富宏，刘高峰，等. 基于近似模型的铣削工艺参数可靠性设计优化［J］. 中国机械工程， 2019， 30（4）：106-111.
SHANG Baoping， YAN Fuhong， LIU Gaofeng， et al. Reliability-based Design Optimization of Milling Process Parameters Using Approximate Model［J］.China Mechanical Engineering， 2019， 30（4）：106-111.
［3］JANG D Y， JUNG J， SEOK J. Modeling and Parameter Optimization for Cutting Energy Reduction in MQL Milling Process［J］. International Journal of Precision Engineering and Manufacturing-Green Technology， 2016， 3（1）：5-12.
［4］AHMED S U， ARORA R. Quality Characteristics Optimization in CNC End Milling of A36 K02600 Using Taguchi’s Approach Coupled with Artificial Neural Network and Genetic Algorithm［J］. International Journal of System Assurance Engineering and Management， 2019， 10（4）：676-695.
［5］THEPSONTHI T， TUGRUL O. 3-D Finite Element Process Simulation of Micro-end Milling Ti-6Al-4V Titanium Alloy：Experimental Validations on Chip Flow and Tool Wear［J］. Journal of Materials Processing Technology， 2015， 221：128-145.
［6］SATYANARAYANA K， GOPAL A V， BABU P B. Finite Element Simulation of Cutting Forces in Turning Ti6Al4V Using DEFORM 3D［C］∥ASME International Mechanical Engineering Congress & Exposition. San Diego， 2013：V02AT02A083.
［7］TIAN Jie， TAN Ying， ZENG Jianchao， et al. Multiobjective Infill Criterion Driven Gaussian Process-assisted Particle Swarm Optimization of High-Dimensional Expensive Problems［J］. IEEE Transactions on Evolutionary Computation， 2019， 23（3）：459-472.
［8］LEBIK K， KORGA S. DEFORM 3D and Solidworks FEM Tests in Conditions of Sliding Friction［J］. Archives of Materials Science and Engineering， 2012， 56（2）：89-92.
［9］UMBRELLO D. Finite Element Simulation of Conventional and High Speed Machining of Ti6Al4V Alloy［J］. Journal of Materials Processing Technology， 2008， 196（1/3）：79-87.
［10］THEPSONTHI T， OZEL T. 3-D Finite Element Process Simulation of Micro-end Milling Ti-6Al-4V Titanium Alloy：Experimental Validations on Chip Flow and Tool Wear［J］. Journal of Materials Processing Technology， 2015， 221：128-145.
［11］KURAM E， OZCELIK B， BAYRAMOGLU M， et al. Optimization of Cutting Fluids and Cutting Parameters during End Milling by Using D-optimal Design of Experiments［J］. Journal of Cleaner Production， 2013， 42：159-166.
［12］吴智强，鲁娟，张振坤，等.基于优化的组合协方差高斯过程的表面粗糙度预测［J］.工具技术，2019，53（8）：23-28.
WU Zhiqiang， LU Juan， ZHANG Zhenkun， et al. Prediction of Surface Roughness Based on Optimized Combined Covariance Gaussian Process Regression［J］. Tool Engineering， 2019，53（8）：23-28.
［13］LIAO Xiaoping， ZHOU Gang， ZHANG Zhenkun， et al. Tool Wear State Recognition Based on GWO-SVM with Feature Selection of Genetic Algorithm［J］. Inter-

national Journal of Advanced Manufacturing Technology， 2019，104（1/4）：1051-1063.
［14］USHASTA A， SIMUL B. Modeling of EDM Responses by Support Vector Machine Regression with Parameters Selected by Particle Swarm Optimization［J］. Applied Mathematical Modelling，2014，38（11/12）：2800-2818.
［15］李荣彬，张志辉，李建广.超精密加工的三维表面形貌预测［J］.中国机械工程，2000， 11（8）：11-14.
LI Rongbin， ZHANG Zhihui， LI Jianguang. Prediction of 3-D Surface Topography in Ultra-precision Machining［J］China Mechanical Engineering， 2000， 11（8）：11-14.
［16］FRANCO P， ESTREMS M， FAURA F. Influence of Radial and Axial Runouts on Surface Roughness in Face Milling with Round Insert Cutting Tools［J］.International Journal of Machine Tools & Manufacture， 2004， 44（15）：1555-1565.

[1]	董国疆, 赵长财, 曹秒艳, 郝海滨, 杨东峰. 圆筒件固体颗粒介质成形壁厚及变形规律研究 [J]. J4, 201016, 21(16): 1992-1998.
[2]	钱栊, 张立强, 高秋阁, 杨杰. 基于奇异避免的薄壁件镜像铣削加工路径优化[J]. 中国机械工程, 2023, 34(05): 576-583，594.
[3]	张瑾, 韩福柱, . 电弧铣削加工间隙电压预测模型的建立与研究[J]. 中国机械工程, 2022, 33(16): 1891-1896.
[4]	师明杰, 程明, 张士宏, VLADIMIR Petrenko, GRAZHINA Valerievna Kozhevnikova. 面向难变形材料精密成形的板式楔横轧机研究[J]. 中国机械工程, 2022, 33(02): 209-216.
[5]	申宏卓, 刘元铭, 刘延啸, 王涛, 刘燕萍, . Mg/Al复合板波纹轧模拟及变形区微观组织演变分析[J]. 中国机械工程, 2021, 32(22): 2731-2738.
[6]	张正, . 参数化结构静态响应特性的减基分析方法[J]. 中国机械工程, 2021, 32(08): 916-920.
[7]	刘萌, 单忠德, 李新亚, 臧勇, 黄江华. [材料成形中的数字化与智能化产品设计]6016铝合金汽车典型结构件固溶成形工艺研究[J]. 中国机械工程, 2020, 31(22): 2648-2654.
[8]	徐勇, 李明, 夏亮亮, 张士宏, . [材料绿色成形技术]异形排气管多向局部加载液力成形工艺[J]. 中国机械工程, 2020, 31(22): 2763-2771.
[9]	吕树杰;李郝林. 数控型腔铣削加工稳定性预测[J]. 中国机械工程, 2019, 30(18): 2236-2241.
[10]	尚宝平1;闫富宏1;刘高峰2;陈振中3;邱浩波4;李晓科1. 基于近似模型的铣削工艺参数可靠性设计优化[J]. 中国机械工程, 2019, 30(04): 480-485,493.
[11]	彭锐涛1;李仲平1;黄晓芳1;唐新姿1;胡云波2. 加压内冷却方法在高温合金磨削中的应用[J]. 中国机械工程, 2017, 28(16): 2008-2015.
[12]	吴娜, 王连东, 沈亚坤, 张蒙. 充液压制成形汽车桥壳后盖区开裂分析及预成形管坯形状优化设计[J]. 中国机械工程, 2016, 27(23): 3246-3251.
[13]	周宏明, 张衡, 张祥雷, 彭姣娇, 张翔翔. 钻头冷镦参数建模及成形工艺优化[J]. 中国机械工程, 2016, 27(21): 2962-2966.
[14]	朱绍维, 李卫东, 汤立民, 杜丽. ARTIS刀具监控系统在航空结构件铣削加工中的应用[J]. 中国机械工程, 2016, 27(15): 2040-2043.
[15]	周梦成, 冯飞, 胡建华, 雷雨, 何鹏, 黄尚宇, 邹方利. AZ31B镁合金断裂应变与应力三轴度的关系研究[J]. 中国机械工程, 2015, 26(5): 694-698.

基于有限元模拟的Ti6Al4V铣削过程参数多目标优化

Multi-objective Optimization of Cutting Parameters in Ti6Al4V Milling Processes Based on Finite Element Simulation#br#

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics