新型數控機械加工進刀工藝探究

萬端威

（杭州航天電子技術有限公司，浙江杭州 311400）

0 引言

在數控機械的實際應用過程中，對進刀工藝參數進行精準確定，是確保加工質量的關鍵環節。特別是在一些特殊的精密零件加工中，通常涉及進刀工藝參數的優化改進，因此需要對此問題展開深入探究。

1 案例概況

某廠主要生產渦輪發動機所需的葉盤器件（圖1）。為提升渦輪發動機的整體性能，其葉片部件采用復雜空間自由曲面模式，對葉片的壓力面與吸力面進行設計。在這種設計模式下，葉盤的結構與形狀均具有較高的復雜度，且葉片厚度較低，承受的彎扭也相對較高，進而導致相鄰葉片之間存在較窄且較深的通道?；谌~盤的上述特點，其對于數控加工的要求也相對較高。結合以往的生產經驗可知，基于以往的進刀工藝參數，葉盤的加工效率相對偏低，且刀具磨損速度較快，帶來了較高的額外成本。為有效解決此類問題，技術部門決定對加工葉盤的數控機械進刀工藝參數進行優化。

圖1 葉盤模型

2 進刀工藝參數優化流程

2.1 刀具尺寸和轉角參數最優值的求解

為實現葉盤加工效率和質量的提升，參考已有經驗和實際情況，確定最大適用刀具半徑和最優轉角是解決上述問題最為有效的兩個參數。而在這兩個參數的優化過程中，又涉及到多個變量，包括葉盤轉角以及若干個復雜空間自由曲面上的檢查點，使得本文優化求解屬于典型的復雜非線性約束優化問題。針對此類問題，選擇LSA 線性搜索算法（下文簡稱為LSA算法）對最大適用刀具半徑與最優轉角進行求解。

基于已有理論，確定LSA 算法的運行流程如下：①輸入轉角搜索的初始左、右邊界BL、BR，同時輸入機床旋轉軸的定位精度BP；②計算初始左右邊界的適用刀具半徑，其存在最大值和最小值，分別用rmax（BL）、rmin（BL）、rmax（BR）、rmin（BR）表示；③取初始左、右邊界BL、BR的中點，將其標記為BM，計算該中點的適用刀具半徑的最大值、最小值，分別用rmax（BM）、rmin（BM）表示；④計算初始左、右邊界BL、BR的差值，如計算結果小于Bp，則以BM為最優轉角，并取rmax（BM）和rmin（BM）的最小值作為最大適用刀具的半徑值，即rmax=min（rmax（BM），rmin（BM）），而后輸出最優轉角和rmax，算法結束，否則轉入步驟⑤；⑤對沿葉盤軸線正向的被加工曲面和約束曲面的位置關系進行判斷，如果被加工曲面在約束曲面的順時針方向則轉移到步驟⑥，逆時針方向則轉移至步驟⑦；⑥如果rmax（BM）＞rmin（BM）則令BR=BM，反之則令BL=BM，同時轉到步驟②；⑦如rmax（BM）＞rmin（BM）則令BL=BM，反之則令BR=BM，同時轉到步驟②。

該算法的基本流程如圖2 所示。

圖2 LSA 算法基本流程

2.2 刀具選擇及加工區域劃分

根據實際情況可知，在優化最大適用刀具和最優轉角的過程中，刀具的錐度、圓角半徑、頸長等參數均為固定值，如果上述參數發生改變，則會導致最大適用刀具在形式和規格兩方面發生改變。而在本文葉盤加工過程中，涉及到的刀具種類較多，不能以統一輸入參數計算所有切觸點的最大適用刀具半徑后，再直接進行區域劃分。根據上文所述的算法步驟，預先確定加工刀具所處的尺寸范圍，按照由大到小的順序共計選擇K 把刀具，這些刀具的直徑、錐度、圓角半徑、頸長各不相同，因此得到4 個參數對應的4 個集合分別標記為Dr（k）、φ（k）、rc（k）、H（k），然后基于以下步驟對加工過程中單個接觸點所需使用的刀具進行分析與確定。

分析工作的關鍵是對目標接觸點對應的最大適用刀具直徑Dmax（l）進行分析計算，該步驟以φ（1）、rc（1）、H（1）作為輸入參數，并基于上文中所述的算法流程計算：

式中 Dmax——最大適用刀具直徑，mm

rmax——刀具半徑的最大值，mm

rc——刀具的圓角半徑，mm

φ——轉角，°

將計算結果與刀具集合Dr（1）中的對應值進行比較，如計算結果高于對應值則該接觸點使用1 號刀具進行加工，否則重復上述步驟，令k=k+1 重復進行，直至k=K-1 為止，確定加工刀具的序號。對壓力面和吸力面上所有接觸點，均采用該方法確定各點加工所需使用的刀具。

在以上分析步驟完成后，結合本文研究的葉盤模型進行加工區域的劃分。根據該葉盤模型允許粗加工余量不超過0.5 mm 的要求，確定使用6 把刀具進行加工。6 把刀具的圓角半徑均為1 mm，而直徑則存在梯度，分別為32 mm、25 mm、20 mm、16 mm、12 mm和8 mm。在對刀具接觸點進行判斷后，對壓力面和吸力面的加工區域進行劃分（圖3）。

圖3 劃分結果

2.3 刀位軌跡規劃及生成

根據上文對壓力面和吸力面的劃分，以及最優轉角和加工刀具尺寸的分析結果，基于數控機床中的加工坐標系，對刀具的位點坐標（其與切觸點一一對應）進行分析，計算公式如下：

式中，PCC（S（i，j））表示在加工坐標系下，接觸點為［xCC，yCC，zCC］T時的坐標；n=［nx，ny，nz］T表示加工坐標系CSM 下，曲面在切觸點PCC（i，j）處的單位法向矢量。代入已知數據，即可計算得到刀位點信息。該信息以加工坐標系為基礎，涵蓋了刀位點的空間坐標x、y、z 和刀位點對應的葉盤轉角B，格式為［x，y，z，B］。

根據上述計算結果，結合多刀具分區域加工的實際情況，通過以下步驟生成多刀具刀位軌跡：

（1）從尺寸最大的加工刀具開始，按照從葉盤模型尖部向根部的順序，對所有切削層進行遍歷。針對每一個切削層，根據壓力面上切削行的類型，生成相對應的刀具加工軌跡，同理可以生成吸力面的刀具加工軌跡。

（2）在此基礎上，更換尺寸稍小的下一個加工刀具，按照上述方法生成所需的全部6 個刀具的加工軌跡。

以3 號刀具為例，對刀具加工軌跡的實例進行分析：該刀具從安全平面上的起始點開始，下降至進刀起點，從通道外側按照進給速度進入到壓力面切削段中，實現對壓力面的切削。在壓力面切削完成后，退回到安全平面。再在安全平面上移動到吸力面切削段的起始點，下降至進刀起點后，進給到吸力面切削的首個點位，再執行對吸力面的切削過程，直至吸力面全部加工完成后執行抬刀動作，使刀具轉移至安全平面上的終止點，支持，切削層的加工即全部完成。具體的刀位軌跡如圖4 所示。

圖4 刀位軌跡

3 實驗驗證與分析

3.1 實驗方案

為驗證本文加工進刀工藝方案的有效性，以案例中的葉盤加工為研究對象，分析進刀工藝參數是否能夠進行有效加工。因此采用直徑為190 mm、厚度為36 mm的硬質鋁合金材料作為毛坯進行加工，其控制目標是葉盤輪轂直徑為88 mm、軸向厚度為35 mm、葉片高度為46 mm。

確定以上內容后，首先進行實驗準備，設置圓角半徑rc為1 mm、錐度角度為0°、錐度段長度為35 mm。應用LSA 算法進行優化。結果顯示，壓力面上最大適用刀具半徑的最小值和最大值分別為4.51 mm 和18.27 mm，吸力面上最大適用刀具半徑的最小值和最大值則分別為4.28 mm 和14.69 mm。在此基礎上，為確保最大尺寸刀具的應用比例盡可能高，在CGTECH軟件中進行仿真，對加工區域進行劃分，并生成加工刀具軌跡。

在以上工作準備就緒后，采用立式四軸銑床作為主要實驗設備，為該機床配置本文所使用的6 種不同尺寸刀具，然后使用計算機對該實驗設備進行控制，并執行加工過程。

3.2 實驗結果與討論

（1）對整體實驗結果進行評估。根據對實驗過程的全程監控可知，在全過程內，刀具和機床、夾具和毛坯材料之間均未發生碰撞，葉盤通道與刀具之間可能的干涉情況也未出現。加工完成后，葉盤的形貌與預期結果基本一致，本文所使用的刀具與加工完成后的效果如圖5 所示。

圖5 刀具及加工效果

（2）分析加工過程中，各個刀具的加工時間及材料去除比例。本環節通過積分計算方式獲取數據信息，結果如表1 所示。

表1 各刀具的加工時間及材料去除比例

由表1 可知，本文加工過程中前3 把刀具貢獻了69.2%的切削率，該指標在前4 把刀具中的比例進一步上升，高達88.0%，其他2 把切削尺寸較小的刀具的工作則相對較少。這表明本文研究的最大刀具在葉盤加工方面具有相對較優的性能。

（3）對切削效率的提升情況進行對比分析。與傳統模式下僅采用單種刀具的加工模式進行對比，分析結果顯示，本文模式與傳統模式均取得了100%的去除材料比例，但加工時間差異明顯。優化后的模式消耗17.8 min完成了加工，而在傳統模式下的消耗為26.2 min，效率提升約32%，表明本文針對進刀工藝的優化取得了一定的效果。

4 結束語

本文針對葉盤器件的數控機械加工展開研究，通過LSA 求解算法對進刀工藝中所需的最大適用刀具半徑和最優轉角進行了分析計算，并基于求解結果選擇加工刀具，對加工軌跡進行規劃設計。實驗證明，優化后的進刀工藝行之有效，具有一定實際應用價值。