为有效控制和预测高硬度模具钢加工的表面质量和加工效率,通过设计正交切削试验,研究了在不同切削参数组合(主轴转速、进给速度、轴向切削深度和径向切削深度)及冷却润滑方式条件下、Ti Si N涂层刀具对模具钢SKD11(62HRC)的高速铣削。应...为有效控制和预测高硬度模具钢加工的表面质量和加工效率,通过设计正交切削试验,研究了在不同切削参数组合(主轴转速、进给速度、轴向切削深度和径向切削深度)及冷却润滑方式条件下、Ti Si N涂层刀具对模具钢SKD11(62HRC)的高速铣削。应用BP神经网络原理建立表面粗糙度预测模型,并进行试验验证其准确性。研究表明,在不同加工条件下,基于BP神经网络模型建立的涂层刀具铣削模具钢SKD11表面粗糙度模型有较好的预测精度,其预测误差在3.45%-6.25%之间,对于模具制造企业选择加工工艺参数、控制加工质量和降低加工成本有重要意义。展开更多
文摘为有效控制和预测高硬度模具钢加工的表面质量和加工效率,通过设计正交切削试验,研究了在不同切削参数组合(主轴转速、进给速度、轴向切削深度和径向切削深度)及冷却润滑方式条件下、Ti Si N涂层刀具对模具钢SKD11(62HRC)的高速铣削。应用BP神经网络原理建立表面粗糙度预测模型,并进行试验验证其准确性。研究表明,在不同加工条件下,基于BP神经网络模型建立的涂层刀具铣削模具钢SKD11表面粗糙度模型有较好的预测精度,其预测误差在3.45%-6.25%之间,对于模具制造企业选择加工工艺参数、控制加工质量和降低加工成本有重要意义。
