槽腔加工刀具智能选择之机器学习决策方法的探究.pdfVIP

信息记录材料２０２４年５月第２５卷第５期

槽腔加工刀具智能选择之机器学习决策方法的探究

吴娜，强晶晶

（兰州博文科技学院机电工程学院甘肃兰州７３０１０１）

【摘要】加工刀具选择是数控加工工艺规划中的重要步骤之一，对企业制造资源的合理有效利用具有很大的影响。首先，本文提

出了一种基于机器学习的刀具选择方法。其次，机器学习的主要功能体现为，在槽腔特征数据不断积累的情况下，能够自主从数据中

获取刀具的准确加工信息来提高刀具选择系统的性能。最后，提取槽腔特征数据主要采用中轴变换算法、特征聚类和反向传播（ｂａｃｋ

ｐｒｏｐａｇａｔｉｏｎ，ＢＰ）神经网络算法。该研究为现有数控槽腔加工工艺的刀具序列自主选择贡献理论基础，以期合理利用加工资源，提高

刀具加工选择的准确性和效率。

【关键词】刀具选择；机器学习；特征聚类；中轴变换算法

－－－

【中图分类号】ＴＰ３９１【文献标识码】Ａ【文章编号】１００９５６２４（２０２４）０５０２２７０４

０引言而实现类比学习。本文利用槽腔几何信息和数控加工刀

刀具选择是切削加工中非常关键的一个组成部分，它具序列中的相似性，从槽腔特征中的信息推导出数控加工

不仅直接关系到零件加工的表面质量，还会对零件加工的槽腔时的刀具序列。因为相似槽腔特征的已加工刀具序

［１］列必然也具有一定的相似性，从相似性出发，首先在现有

成本和效率造成很大的影响。机器学习是人工智能研

究中最具有智能特性和最先进的课题之一，在非单调推的数据库中寻找几何特征和工艺特征相似的槽腔，分析并

理、传感器、模式识别等先进学科领域得到了普遍应用。聚类，获得刀具决策视角下的槽腔聚类组。其次由此形成

本文以槽腔特征为研究对象，利用机器学习的方法解决槽训练样本，使用反向传播（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ，ＢＰ）神经网络

腔加工刀具选择的问题，为现有数控加工工艺的刀具序列算法，对训练样本进行离线训练，获得刀具决策模型。最

自主选择贡献理论基础，以期合理利用现有的加工资源，后在此基础上，利用刀具决策模型，针对待设计槽腔，进行

提高加工效率。在线刀具决策。

１机器学习２刀具选择的影响因素

人类拥有的一项重要的智能行为便是学习。而机器在槽腔类零件的数控加工过程中，准确的选择刀具序

学习的概念由艾伦·图灵提出，１９９６年兰利（Ｌａｎｇｌｅｙ）将列非常重要。在选择加工刀具的序列时，主要考虑以下因

它定义为“机器学习是研究人工智能的一门科学，主要的素的影响：

研究对象是人工智能，着重强调的是如何在经验学习中改（１）生产性质。刀具的选择会对加工成本产生巨大

善具体算法的性能”。其核心是“使用算法解析数据，在的影响。比如，在大批量生产零件时应尽量避免使用特殊

数据中学习，然后对新数据做出决定或预测”。计算机利刀具。

用已获取的数据得出某一模型，再利用该模型进行预测的（２）机床类型。首先需要保证刀具和零件的刚性，其

过程跟人的学习过程比较类似，比如人获取一定的经验次视情况采用可以提高生产率的刀具，比如高转速车削刀

后，便可以对新问题进行预测。和大进给量车削刀。

机器学习系统主要由环境部分和学习部分构成，环境（３）零件的几何尺寸及外形。加工刀具序列的选择

部分主要功能是提供信息，学习部分的功能则是实现信息