工程建设

经验公式在机械加工方面的应用研究进展

马炬彬 (宝武集团马钢轨交材料科技股份有限公司), 余大明 (安阳凯地磁力科技股份有限公司), 刘飞 (安阳工学院 机械与航空制造工程学院), 曹洋 (安阳工学院 机械与航空制造工程学院)

摘要


为提高加工效率、改善工件表面质量、增加工件抗疲劳性能，开展经验公式在机械加工方面的应用研究，分析建立经验公式的方法、经验公式的一般形式和建立经验公式的步骤，针对机械加工方面应用较广泛的指数函数、响应曲面法构建经验公式进行了深入的探究，分析经验公式在表面粗糙度、切削力等方面的应用情况，探究运用智能算法构建预测模型应用现状。研究结果表明：经过以曲代直转化，利用最小二乘法拟合非线性回归方程；智能算法建立的预测模型优于最小二乘法拟合得到的回归方程；从考虑多个影响因素、不同智能算法优化区别、预测精度范围、机械加工智能化等方面，分析经验公式在机械加工应用方面可以进行更加深入的研究。研究成果为实现高效率加工、最佳工件表面质量具有重要的理论指导意义和一定的工程应用价值。

关键词


经验公式；指数函数模型；非线性回归方程；最小二乘法；响应曲面法

全文:

PDF

参考


张怀慧.经验公式的建立及其检验[J].大连水产学院学报,2000(3):193-200.

那春雨,姜增辉,刘玮,等.钻削参数对钻削TC4小孔切削力的影响[J].制造技术与机床,2025,1(6):17-19.

李磊,支梅,马卫国,等.自然灾害视域下应急救灾物资需求预测研究综述[J].技术与创新管理,2022,43(5):581-588.

刘建康,程尊兰,吴积善.基于经验公式建立的滑坡泥石流坝溃口形式预测模型[J].四川大学学报(工程科学版),2013,45(2):84-89.

商正,王进峰,潘丽娟,等.基于最小能耗的SiCp/Al复合材料切削参数敏感分析及优化[J].现代制造工程,2020(1):25-28.

姜洪源,武国启,夏宇宏,等.金属橡胶材料声学特性参数经验公式建立[J].内燃机学报,2008,26(6):561-564.

申德超,肖志刚.基于量纲分析的函数理论建立挤压脱胚玉米生产淀粉糖浆的糖化液过滤问题的经验公式[J].农业工程学报,2005(12):25-29.

赵薇,陈建刚,舒林森,等.镍基高温合金熔覆涂层干式端铣的可加工性研究[J].现代制造工程,2025(4):116-122.

董庆运,陈光军,王飞,等.冰固持条件下切削参数对不锈钢铣削力及平面度影响的试验研究[J].工具技术,2025,59(2):18-22.

李晨,侯英,陈中航,等.基于响应曲面法提高塔磨机利用系数的优化研究[J].矿山机械,2025,53(5):25-31.

金明选,苏建新,张祥,等.基于响应曲面法和NSGA2的内斜齿轮成形磨削参数优化[J].机电工程,2025,5(20):1-10.

高超,王生,王会,等.砂带磨削表面粗糙度理论预测及灵敏度分析[J].表面技术,2018,47(11):295-305.

王永鑫,张昌明.TC18钛合金车削加工的切削力和表面粗糙度[J].机械工程材料,2019,43(7):69-73.

刘涛,张文超,张文帅.变截面涡旋盘齿面粗糙度的双预测模型[J].表面技术,2019,48(8):323-329.

甄婷婷,王盛,王映,等.单向碳纤维复合材料平面磨削粗糙度模型研究[J].机械设计,2019,36(1):125-128.

王彦,李金泉.基于回归分析方法的切削表面粗糙度模型预测研究[J].工具技术,2015,49(6):85-88.

武文革,刘丽娟,范鹏,等.基于响应曲面法的高速铣削Ti6Al4V表面粗糙度的预测模型与优化[J].制造技术与机床,2014(1):39-43.

刘金华,明兴祖,高钦.基于正交实验分析的面齿轮磨削表面粗糙度的研究[J].机械传动,2017,41(9):1-5.

马廉洁,蔡重延,毕长波,等.车削氟金云母陶瓷脆性破碎机理及表面粗糙度模型[J].东北大学学报(自然科学版),2019,40(2):239-250.

赵明启.车削高体积分数SiCp/Al复合材料表面粗糙度敏感性分析及预测[J].现代制造工程,2018(5):108-111.

常文春,易湘斌,李宝栋,等.高速铣削TB6钛合金切削力和表面粗糙度预测模型[J].制造技术与机床,2017(4):102-107.

史丽晨,杜小渊,豆卫涛,等.基于无心车床主轴电动机单元电流的钛合金切削力经验公式的试验研究[J].制造技术与机床,2016(7):83-86.

惠记庄.采用回归分析法建立切削力经验公式[J].西安公路交通大学学报,1996(4):102-105.

肖行志,郑侃,廖文和.超声振动辅助磨削牙科氧化锆陶瓷切削力预测模型研究[J].振动与冲击,2015,34(12):140-145.

李铭,张海军,王江峰,等.汽轮机热力性能智能评估及故障诊断研究进展[J].能源与环境,2025(2):24-27.

刘浩,李国庆,张深,等.机器学习在涡轮机械中的应用进展[J].工程热物理学报,2023,44(4):938-951.

马占龙,王高文,张健,等.基于有限元及神经网络的磨削温度仿真预测[J].电子测量与仪器学报,2013,27(11):1080-1085.

颜菲,张军.粒子群算法优化的人工神经网络预测Ni-Fe合金镀层的性能[J].电镀与环保,2019,39(1):24-27.

徐戊矫,刘承尚,鲁鑫垚.喷丸处理后6061铝合金工件表面粗糙度的模拟计算及预测[J].吉林大学学报(工学版),2019,49(4):1280-1287.

郭力,邓喻.采用遗传算法优化神经网络的铸铁表面粗糙度声发射预测[J].机械科学与技术,2018,37(10):1512-1516.

苏晓云,汪建新,辛李霞.基于神经网络的铣削大理石表面粗糙度预测模型[J].表面技术,2017,46(8):274-279.

胡敬文.基于BP神经网络的表面偏斜度和峰度预测建模[J].表面技术,2017,46(2):235-239.

ZHAO C L, GUAN X S. The prediction of surface roughness of parallel machine tools based on the neural network[J].Applied Mechanics and Materials,2014(556):1328-1331.

CHEN Y, SUN R, GAO Y, et al. A nested-ANN prediction model for surface roughness considering the effects of cutting forces and tool vibrations[J].Measurement,2016(98):25-34.

MIA M, DHAR N R. Prediction of surface roughness in hard turning under high pressure coolant using Artificial Neural Network[J].Measurement,2016(92):464-474.

JHA A, RATHORE R K. Optimization of force and surface roughness for carbonized steel in turning process through neural network[J].International Journal of Engineering Research and Applications,2016,6(6):43-46.




DOI: https://doi.org/10.33142/ec.v8i5.16620

Refbacks

  • 当前没有refback。


版权所有（c）{$ COPYRIGHTYEAR} {$ copyrightHolder}

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。