汽車覆蓋件模具切削物理數據庫研究

吳雪峰,馮高成

(哈爾濱理工大學 機械動力工程學院，黑龍江 哈爾濱 150080)*

?

汽車覆蓋件模具切削物理數據庫研究

吳雪峰,馮高成

(哈爾濱理工大學 機械動力工程學院，黑龍江 哈爾濱 150080)*

近年來我國汽車制造業的迅速發展，導致汽車覆蓋件模具需求很大.目前，很多發達國家學者進行了金屬切削數據庫的開發和研究，然而我國針對于汽車覆蓋件模具切削加工的先進切削數據庫系統比較少.本文以汽車覆蓋件模具切削為研究對象，通過研究模具加工中的基礎切削問題與基本加工工藝，以服務的角度出發，采用大數據、云計算技術建立汽車用淬硬鋼模具切削基礎數據庫云平臺，挖掘機床性能、加工工藝、刀具選擇與加工質量的基本關系，提供標準模具工藝查詢、工藝參數優化、刀具優選等服務，為智能機床裝備的使用提供基礎數據支持.

汽車覆蓋件；模具；切削數據庫；數據挖掘

0 引言

將計算機技術、工藝優化技術與切削技術結合最早通過切削數據庫來實現.1964年美國空軍加工性數據中心(AFMDC)將數據庫技術引入金屬切削領域，創建了世界上第一個金屬切削數據庫.隨后，德國也建立了切削數據情報中心(INFOS)，成為當時世界上存儲信息最多、軟件系統最完整的切削數據庫之一[1].國際生產工程學會(CIRP)曾通過調查證明了切削數據庫可使企業的加工成本降低10%甚至更多，對其進行研究將會有效的提高切削生產效率[2-3 ].

我國從20世紀80年代開始建立切削數據庫.成都工具研究所建成了我國第一個試驗性車削數據庫TRN10[4].南京航空航天大學在1991年開發了通用切削數據庫系統KAIMDS，初步實現了數據庫技術與專家系統技術的結合[5].山東大學自2001年開始對切削數據庫進行研究，開發了針對高速切削、難加工材料等多個切削數據庫[6-9].

近年來，金屬切削數據庫的專業化小型化成為了主流研究方向.2013年德國Zoller提出TMS刀具管理解決方案.將神經網絡算法[8]、粒子群算法、遺傳算法等優化方法應用于切削數據，實現刀具磨損預報、切削參數優化等功能.Wang Yiwen等人對航空典型材料刀具數據庫進行了研究，開發了包括刀具設計、刀具仿真、實驗管理、知識管理、系統管理、刀具解決方案等許多功能模塊的切削數據庫[10].

本文以汽車覆蓋件模具切削為研究對象，通過研究模具加工中的基礎切削問題與基本加工工藝，以服務的角度出發，采用大數據、云計算技術建立汽車用淬硬鋼模具切削基礎數據庫云平臺.用于提供標準模具工藝查詢、工藝參數優化、刀具優選等服務，為智能機床裝備的使用提供基礎數據支持.

1 模具切削工藝基礎數據庫總體架構

在材料基礎切削知識庫的基礎上，結合模具加工凸凹曲面多、曲率變化多、多硬度拼接的特點，在工件材料、刀具、機床夾具與工藝參數等技術的支撐下，基于加工特征分類，采用數據倉庫技術建立工藝知識基礎數據庫，如圖1所示.研究采用數據倉庫、數據挖掘等技術，挖掘機床性能、加工工藝、刀具選擇與加工質量的基本關系，提供標準模具工藝查詢、工藝參數優化、刀具優選等服務.以刀具加工效率、使用壽命、制造成本等因素進行刀具性能評價，優化刀具工藝條件.

圖1 淬硬鋼模具切削工藝知識基礎數據庫

2 模具切削基礎物理數據庫關鍵技術

2.1 模具加工特征分類

汽車用模具型面結構復雜，不同加工階段、加工零件、加工位置所采用的刀具、工藝都有所不同，需要將模具分解為基本特征元，基于特征提取數據才能有效的收集工藝信息與數據，建立數據庫.

一般來說，需要切削加工的模具通常由平面、溝槽、曲面、臺肩、鉆孔等加工特征組成，再針對不同加工位置及粗加工半精加工精加工的加工特點而細化.通過基礎工藝實驗研究不同加工特征刀具及工藝參數的特點，確定基于特征所涵蓋的信息，如圖2所示.

圖2 模具加工特征分類

2.2 切削及加工工藝仿真模擬

切削加工及工藝仿真是研究切削加工特性及工藝的重要方法，也是主要的數據來源之一.將CAD三維建模、有限元仿真及加工軌跡仿真技術結合，通過開發模擬仿真模塊實現切削過程仿真、刀具軌跡仿真、機床及刀具動態性能仿真等功能，并在數據庫中起到提供數據來源、工藝參數優化初步驗證、刀具優選結果分析等作用，最終以工藝優化、刀具設計、機床選型等形式向工藝工程師、刀具設計企業及機床制造單位等提供服務.

將仿真模塊作為數據倉庫的一個應用，將所需要的數據由數據倉庫提供給模擬仿真服務器，仿真完成后將結果傳遞給數據倉庫，并接受其它應用所調用.仿真模塊由UG建模模塊，ANSYS、ABAQUS、3Dwave等有限元模塊，Verycut、PowerMILL等刀路模擬模塊，Matlab、Isight等優化模塊及其他相關的模塊所組成.各模塊之間通過由Visual CJHJ串連，實現切削過程仿真、刀具軌跡仿真、機床及刀具動態性能仿真等功能.

2.3 基礎工藝數據表達方式

由于切削物理及工藝所包含的信息較多，并且可不相同，所產生的加工條件組合也各種各樣，因此單條加工信息需要包含材料、刀具、機床、工件特征、工藝參數等信息，給后續分類及數據處理帶來復雜性，基于此提出材料基礎標準信息的方式對工藝數據進行表述.根據加工材料、加工特征等特點分類建立標準工藝信息子數據庫，新加入數據通過基于規則推理和基于實例推理的混合正向推理方法對工藝信息分類，這樣新數據可以繼承基礎數據的一些特性，方便后續的挖掘分析,信息處理流程如圖3所示.

圖3 工藝信息處理流程

3 模具切削物理數據倉庫建立與應用

模具切削基礎物理數據倉庫由工件信息庫、刀具信息庫、機床信息庫、刀路信息庫、加工特征庫等數據部分組成，并具有切削基本數據、工藝規則等信息作為知識庫與約束條件幫助數據優化與挖掘.由實驗數據、仿真數據、知識經驗、文獻數據及現場加工數據提供基本數據，通過數據錄入與數據加載輸入進入數據倉庫，輸入之前需要通過ETL工具對數據進行抽取、清洗與轉換，以便數據倉庫儲存與查詢.根據客戶具體需求可以從數據倉庫中抽取一定的子集，用以滿足客戶應用程序分析和報告需求.也可以由一定的數據集市建立數據立方體，如加工特征-加工刀具-切削參數組成三維的數據立方體，通過對數據立方體進行鉆取、上卷、切片、切塊等聯機分析處理(OLAP)操作.

模具加工質量關鍵之一是選用合適的刀具，而實現同一種特征加工可以選用不同的刀具.其對應不同的加工要求與不同的適應性，將刀具在不同特征加工中的使用特性作為基本原則輸入數據倉庫中，刀具的智能選配由此出發，根據評價標準將可用刀具按照適用性排序， 再通過調用數據倉庫中所選刀具的加工信息，根據制定的優化目標進行優選，得到合適的刀具與工藝參數，選配流程如圖4所示.

圖4 刀具智能選配流程

在數據倉庫建立的基礎上，可以應用數據挖掘技術對數據進行分析，找到用戶所關心的信息. 數據挖掘具有關聯、分類、預測等分析方法，可以采用這些方法對數據倉庫中存儲的數據進行分析，如圖5所示.可以通過關聯規則挖掘得到加工零件、加工特征、加工刀具、加工機床、切削參數、走刀軌跡之間相互匹配信息，為工藝參數優化提供數據支持.采用分類預測方法，將相同加工特征的工藝參數根據加工要求及加工結果分類，當選擇工藝參數時可以通過分類快速找到相關數據，提高工藝優選速度.采用聚類分析方法，可以在數據倉庫的工藝信息中查找類似的信息并進行聚類，可將一個簇中的一條數據看做一個整體，減少數據優化量.采用回歸預測方法 通過數據挖掘預測加工某零件采用某種工藝方法得到的加工結果.數據庫將針對工藝優選、刀具優選及工藝優化等不同類型與不同優化目標靈活采用以上方法進行數據分析.

圖5 數據挖掘方法與采用的算法

在數據倉庫基礎上，采用數據挖掘技術進行參數優化的最終目的是面向應用，面向應用的服務策略如圖6所示.采用Visual Studio軟件基于Windows Azure云平臺開發軟件，建立數據管理、存儲并開發Web應用. 首先將通過監控采集與客戶端得到工藝數據，將得到的工藝數據通過企業服務器處理，清理轉化為標準數據傳輸至云端，由云端的處理器通過ETL工具存儲進入數據倉庫. 企業工程師或遠程工程師通過云端向服務器提交所請求服務，云端服務器將需要的數據由數據倉庫中查詢、提取送入挖掘推理機處理完成后再發回客戶端，通過客戶端APP或報表工具得到優化的策略，并最終決策是否應用.決策規則及工藝數據最終存儲在服務器中，為云制造、智能制造提供服務接口.

圖6 數據庫面向應用的服務策略框架

4 結論

汽車覆蓋件模具加工難度大、成本高、加工效率低，一旦加工質量出現問題，會造成很大的經濟損失和時間浪費. 利用汽車覆蓋件淬硬鋼模具數據倉庫系統能夠優選出符合實際加工要求的切削參數，指導汽車覆蓋件模具的實際加工，并且能在一定程度上提高企業的規范生產管理水平.本文主要進行了以下的研究：

(1)在材料基礎切削知識庫的基礎上，結合模具加工凸凹曲面多、曲率變化多、多硬度拼接的特點，在工件材料、刀具、機床夾具與工藝參數等技術的支撐下，基于加工特征分類，采用數據倉庫技術建立工藝知識基礎數據庫;

(2)闡述了汽車用淬硬鋼模具切削基礎物理數據庫的關鍵技術，包括模具加工特征的分類、切削及加工工藝仿真模擬和基礎工藝數據表達方式的研究;

(3)建立了由工件信息庫、刀具信息庫、機床信息庫、刀路信息庫、加工特征庫等數據部分組成的模具切削基礎物理數據倉庫，并具有切削基本數據、工藝規則等信息作為知識庫與約束條件幫助數據優化與挖掘.

[1]陳志同, 陳五一, 林東. 優化型切削參數數據庫的數據結構[J]. 計算機集成制造系統, 2008, 13(11): 2184-2188.

[2]劉獻禮, 丁明娜, 劉銘，等. 切削數據庫技術現狀及發展趨勢[J]. 工具技術, 2013(4):12-17.

[3]姜哲. 金屬切削數據庫的研究現狀與展望[J]. 機械工程師, 2006 (5):104-106.

[4]胡賢金, 楊冰, 孔莉，等. 切削數據庫的最新研究進展[J]. 工具技術, 2011 (2):27-31.

[5]劉鵬. 超硬刀具高速銑削鈦合金的基礎研究[D]. 南京： 南京航空航天大學, 2011.

[6]萬熠, 黃波, 劉戰強，等. 高速車削數據庫的研究與開發[J]. 機械工程師, 2003 (8):10-13.

[7]陳建嶺. 鈦合金高速銑削加工機理及銑削參數優化研究[D]. 濟南：山東大學, 2009.

[8]黃傳真，莊新強，鄒斌，等. 汽車覆蓋件模具鋼高速切削數據庫的研究[J]．山東大學學報(工學版)，2011 (5)：9-12．

[9]郝傳海. 汽車行業金屬切削數據庫系統的研究與開發[D]. 濟南：山東大學, 2011.

[10]WANG YIWEN, DING MINGNA, ZHENG WENJUAN, et al. Design of Typical Aerospace Materials Database System[C]. 6th International Conference on High Speed Machining， Harbin, China， 2014：24-25.

Research on Physical Database of Automobile Panel Die Cutting

WU Xuefeng, FENG Gaocheng

(College of Mechanical and Power Engineering, Harbin University of Science and Technology, Harbin 150080, China)

In recent years, the rapid development of Chinese automobile manufacturing industry causes great needs of automobile cover die. At present, many developed country scholars have conducted the research and development of metal cutting database, however, there are less advanced die machining cutting database system for automobile panel die cutting in our country. Aiming at automobile panel die cutting， automotive hardened die steel cutting cloud database platform is established through the study of basic cutting problem and the basic processing technology of die processing by big data and cloud computing technology. According to the service starting, the basic relationship between the performance of the machine tool is studied, and machining process and tool selection with processing quality, services of standard die technology query and optimization of process parameters and tool selection are provided to offer basic data support for the use of intelligent machine tool equipment.

automobile panel; die; cutting database; data mining

1673- 9590(2016)06- 0052- 05

2016-03-29

國家自然科學基金資助項目(E050901)

吳雪峰(1982-)，男，副教授，博士，主要從事切削數據庫方面的研究

A

E- mail:18772728807@163.com.