材料切削性能的模糊综合评判

随着计算机科学技术的飞速发展，将计算机技术应用于各个领域产生了巨大的经济效益和社会效益。金属切削数据库是计算机技术与机械加工技术相结合的高技术产物，它将简单的、经验的数据上升为具有科学意义的数据，并应用数据库技术科学地管理切削数据。在刀具、工件、机床及其它条件已定的情况下，正确选取切削用量对零件加工质量及生产效率有着至关的重要性。因此构建于金属切削数据库基础上的材料加工参数智能推理系统能够为机械加工生产的刀具参数选择及切削用量选择提供合理的数据。它是CIMS集成制造系统的一个组成部分，将智能化原理运用于材料加工参数推理，必定能带来显著的经济效益。

1 切削数据库体系结构

本文提出的材料加工参数智能推理系统是构建于金属切削数据库的基础上。该材料加工参数智能推理系统从功能上看可由优化功能和管理功能两个部分组成。该系统组成结构如图1 所示。

图1 金属切削数据库组成框图

该系统中，工件材料管理系统由工件材料库及工件材料的可切削性评价系统组成。工件材料库中存储各种工件材料的有关知识，将生产实践及文献资料中获得的工件数据存储于关系数据库的表中。工件材料可切削性评价系统运用模糊数学理论对工件材料进行可切削性评价以及工件材料切削性能的模糊聚类分析。刀具管理系统由刀具库、刀具参数选择两部分组成。刀具库存储刀具牌号、硬度、刀具几何形状等知识，刀具参数选择采用专家系统概念实现刀具几何角度及可适用刀具的选择。切削液管理系统由切削液数据库及切削液选择两部分组成，它可根据所加工的工件材料、刀具材料、加工方式、加工精度选择相应的切削液。切削用量管理系统由切削深度推理模块、进给量推理模块、切削速度推理模块组成。切削深度推理模块主要根据加工余量推理得到推荐的切削深度。迸给量推理模块由进给量数据库及进给量推理程序组成，可根据加工精度、加工阶段及切削深度选择进给量。切削速度推理模块可根据刀具材料、工件材料、切削深度等一系列相关约束条件，从相应的数据库中得到切削速度的推荐值。切削用量的推理、刀具选择及参数的推理、切削液推理由切削用量推荐控制系统协调调用，实现相应推理过程，并将推理结果传递到相应模块以协调整个系统的运行。切削用量优化系统根据切削加工各类数学模型。求解由优化目标函数和约束条件组成的优化数学模型，从而得到优化的切削参数数据。切削用量模糊推理系统则是在对加工情况有诸多不确定因素的情况下，采用神经网络理论根据以往的加工经验推理切削参数。总体评判系统则根据具体加工实际对切削用量的可行性进行分析，对系统推理得到的切削参数数据进行总体评判。此外，用户也可根据实际经验对切削参数进行修正，输出并存储切削用量数据或重新输入加工条件进行切削参数的推理。

2 基于模糊理论的材料可切削性评判

在该金属切削数据库的工件材料管理系统中，存在着一个工件材料的可切削性评价系统，可根据用户输人加工材料的牌号和机械性能，采用模糊理论对材料的切削加工性能进行综合评价，快速定位材料的切削加工性能。并采用模糊聚类方法，将工件材料数据库中已有相似工件材料进行聚类。此外，通过材料可切削性可以简化材料切削参数推理规则库的构建。

根据金属切削原理可知，影响材料加工性能的因素很多，有化学成分、热处理状态、物理、力学性能等。化学成分和热处理状态的变化最终表现为物理、力学性能的改变，而物理、力学性能又是可以量化的。因此，用物理、力学性能判别材料的加工性是一个简捷的途径。

北京机械工业出版社1996出版的由韩荣第、于启勋所著的《难加工材料切削加工》给出了一种材料切削加工性能分级表。如表1 所示。

表1 工件材料切削加工性分级表
切削加工性 易切削 较易切削 较难切削 难切削 等级代号 0 1 2 3 4 5 6 7 8 9 10 硬度 ≤50 50～100 100～150 150～200 200～250 250～300 300～350 350～400 400～480 480～635 635 抗拉强度 ≤0.196 0.196～0.44 0.44～0.589 0.589～0.785 0.785～0.981 0.981～1.18 1.18～1.37 1.37～1.57 1.57～1.77 1.77～1.96 1.96～2.45 延仲率 ≤10 10～15 15～20 20～25 25～30 30～35 35～40 40～50 50～60 60～100 100 冲击韧度 ≤0.196 0.196～0.392 0.392～0.589 0.589～0.785 0.785～0.981 0.981～1.37 1.37～1.77 1.77～1.96 1.96～2.45 2.45～2.94 2.94～3.92 导热系数 419～293 293～167 167～83.7 83.7～62.8 62.8～41.9 41.9～33.5 33.5～25.1 25.1～16.7 16.7～8.37 8.37 -

在材料切削加工性评定中，存在着许多模糊性因素，比如我们说某材料易切削、难切削等概念，它没有一个明确的界限。模糊数学中的模糊综合评判正是对受多种因素制约的事物或对象，作出一个总的评价。在侧重考虑主要因素的同时兼顾考虑其它因素的影响，因此应用模糊数学的方法进行综合评判将会取得很好的实际效果。该模糊综合评判的数学模型建立分为以下4个步骤：

1) 建立评判对象因素集F={f1，f2，…，f1}, 在此即为{硬度、抗拉强度、延伸率、冲击韧度、导热系数}。
2) 建立评语集V={V1，V2，…， Vn} ，在此为材料的加工等级代号。
3) 建立单因素评判，确定单因素的隶属函数。一般采用正态分布函数作为隶属函数，考虑到材料的加工参数的相对性，在本系统中主要采用具有平顶的分段平方模糊数，较正态分布函数更好地反映材料物理、力学性能对切削加工性影响的本质。并在此基础上，导出模糊关系矩阵。
4) 确定综合评判权重矩阵。根据生产经验取={0.28，0.28，0.12，0.12，0.2}

在模糊综合评判的过程中，隶属函数的确立和模糊算子的选取对模糊综合评判的结果影响最大，通过大量试验的研究，本系统主要采用具有平顶的分段平方模糊数作为隶属函数并使用广义模糊算子，取得了较好的评判效果。

程序实现：

该系统的研究是用Delphi语言作为开发语言。其隶属函数的建立及模糊综合评判的实现由下列语句实现：

3 基于模糊聚类方法的材料聚类

将研究或处理的对象按照一定的条件或属性进行分类的数学方法，叫聚类分析。利用模糊聚类方法可以将评判出的材料从材料切削性能数据库中取出相等等级的材料进行模糊聚类分析。从而可以利用以往的加工数据快速确定切削参数或作为优化参考。模糊聚类的实现：

1) 建立要分类的样本集R。取相应材料的各种物理、力学性能建立样本集。由于各个指标的量纲和数量级都不同，所以必须对原始数据进行规格化。否则，产生偏差很大。本系统的数据规格化采用均值规格化：xij=xij(xj)?，该方法不改变原始数据的变异程度。

2) 建立模糊关系?。采用最大最小法不会得到两个样本指标值差异大而相似度高的结果。本系统采用该方法。

3) 聚类。本系统采用最短距离法，最短距离法与基于模糊等价关系的模糊聚类是同质的，可以从最短距离法的分析结果直接得出模糊等价关系矩阵的结果。但最短距离法更易于在计算机上实现。程序实现：

4 结论

该系统运用模糊综合评判实现加工材料可切削性的评价，能准确评判材料的切削加工性能。同时，在工件材料库中搜索相近切削性能的材料，运用模糊聚类方法分折最相近的材料，并以此为参考可优化材料切削参数。通过材料的可切削性评判，可以简化该系统刀具推理及切削参数推理过程。经实验，该方法有较高的准确性。