加工过程中为避免因机床异常振动造成的零件表面粗糙度突变,提出一种基于LSTM算法的表面粗糙度监控模型,通过对主轴与台面安装传感器,实现机床振动量的实时采集并作为时序变量输入模型。在M-V5CN组合机床铣削U71Mn高锰钢样本集上证明该模型可有效训练,且RMSprop优化器相对于Adam与SGD算法优化器可更有效降低模型泛化性误差。最终在嵌入式开发板中预测最大绝对误差低至0.01μm,平均误差为0.005μm可在加工中对表面粗糙度进行有效监控。

首先通过切削用量手册确定切削参数的区间,然后利用正交试验法设计了四因素五水平的U71Mn高锰钢铣削试验,最后通过极差分析法研究高锰钢的表面粗糙度与主轴转速n、每齿进给量fz、铣削深度ap、铣削宽度ae及除去切削参数之外其他影响因素之间的关系,以此来选择合理的切削参数来解决U71Mn高锰钢易加工硬化,以及加工过程中表面粗糙度难以控制的问题。最后通过试验得出影响的先后次序,发现每齿进给量fz和铣削宽度ae对其影响较大,主轴转速n和铣削深度ap影响较小的结论。