C45E钢中等车削总制造成本分析的机器学习模型开发

《Metals》:Development of Machine Learning Model for Analysis of Total Manufacturing Cost in Medium Turning of C45E Steel Milo? Madi?, Milan Trifunovi?, Dragan Rodi? and Dragan Marinkovi?

【字体: 大 中 小 】 时间:2026年04月02日 来源:Metals 2.5

编辑推荐:

  金属加工行业中制造技术的首要目标,是在保证产品具备规定质量特性的同时,最大化时间效率与成本效率。车削中的总制造成本取决于多种因素。分析这些因素的影响并估算总制造成本,对于工艺规划具有重要实践意义。因此,本研究采用人工神经网络(ANN)对C45E钢中等车削过程中

  
金属加工行业中制造技术的首要目标,是在保证产品具备规定质量特性的同时,最大化时间效率与成本效率。车削中的总制造成本取决于多种因素。分析这些因素的影响并估算总制造成本,对于工艺规划具有重要实践意义。因此,本研究采用人工神经网络(ANN)对C45E钢中等车削过程中4个输入变量——切削深度、进给量、切削速度以及待去除材料体积——与总制造成本之间的关系进行了建模。所构建的ANN模型被用于分析上述输入变量对总制造成本的主效应与交互效应。研究人员还采用连接权重法(connection weight approach, CWA)对所观察到的效应进行了验证。结果表明,总制造成本主要受切削深度影响,而切削速度的影响最不显著。此外,结果还揭示了与切削速度相关的两因素交互作用的存在。针对给定案例研究(定义了待去除材料体积和指定机床),研究人员通过建立并求解一个带有3个约束条件的单目标车削优化问题,确定了优化切削制度;这3个约束分别与切屑细长度、切削功率和切削深度有关。为估算切削功率所需的切削力,则采用基于量纲分析(dimensional analysis)的预测模型进行估计。
该文发表于《Metals》,围绕C45E钢中等车削过程中的总制造成本建模、影响因素解析及切削参数优化展开研究。研究背景在于,金属切削制造的核心目标不仅是获得满足要求的加工质量,更要在生产效率、成本与资源利用之间实现平衡。既有研究虽然广泛涉及车削成本分析、不同润滑方式比较、多目标优化与启发式算法应用,但大多集中于特定工况下的案例计算、切削液方案对比或基准优化问题求解,对于工艺参数尤其是参数交互作用对总制造成本的定量影响分析仍较有限。研究人员据此开展本研究,意在揭示切削深度、进给量、切削速度及材料去除体积对总制造成本的主效应和交互效应,并在给定机床与工件条件下建立受约束的优化模型,以获得更具工艺规划意义的低成本切削制度。

从研究内容看,论文首先构建了总制造成本模型,将刀具成本与人工及制造间接成本合并统一表征,并引入刀具寿命消耗、体积材料去除率、刀具寿命及生产率等关系进行计算。研究人员指出,传统解析模型在不同切削条件下估算总制造成本时,往往需要多层嵌套方程和迭代计算,不利于统一、快速、系统地分析参数影响。因此,本研究引入人工神经网络(artificial neural network, ANN)作为代理模型(surrogate model),以提高成本预测与后续敏感性分析、扰动分析及优化求解的效率。研究结论显示,ANN模型能够较好刻画输入参数与总制造成本之间的非线性关系,并能揭示传统经验分析较难清晰识别的交互规律。

方法上,研究人员采用单隐层前馈人工神经网络建立输入—输出映射,输入为切削深度、进给量、切削速度和待去除材料体积,输出为总制造成本;训练数据来自6组堆叠近正交拉丁超立方设计,采用Levenberg–Marquardt算法训练,并用相关系数与平均绝对百分比误差评估模型性能。随后利用三维响应曲面分析主效应与两因素交互效应,并采用连接权重法(CWA)验证变量相对重要性。针对案例研究,以C45E钢多道次中等纵向车削为对象,建立包含切削功率、切屑细长度和几何约束的单目标优化模型;其中切削力由基于量纲分析的预测模型估算,优化问题通过遗传算法(genetic algorithm, GA)求解,并以Brutomizer软件中的穷举法进行解的可行性与最优性验证。样本并非临床或生物队列,而是来源于实验设计生成的数据与既有切削、寿命、成本模型参数。

在结果部分,论文保留并展开了多个核心内容。

3. Total Manufacturing Cost Model
本节提出了总制造成本模型。研究人员将总制造成本表示为刀具成本与人工/管理间接成本之和。其中,刀具成本由加工过程中消耗的刀具寿命比例、刀片成本以及切削刃数共同决定;人工和间接成本则由生产率与单位时间人工/间接费用共同决定。进一步地,刀具寿命消耗模型将待去除材料体积、体积材料去除率和刀具寿命联系起来;生产率模型则考虑了装夹准备时间、换刀时间、刀具空转时间以及加工时间。论文的关键贡献之一在于,并未停留于解析表达,而是将上述复杂耦合关系进一步通过ANN进行代理建模,从而为后续主效应、交互效应及优化分析提供了统一工具。

3.1. ANN Model Development
本节介绍ANN模型的建立过程。研究人员选用单隐层网络,是基于该类网络在隐层神经元足够且激活函数合适时,可逼近任意连续函数的理论基础。隐层神经元数量的确定遵循自由参数数量不超过可用训练数据数量的原则,以保证模型在数学上的可定义性与泛化能力。训练、测试和验证数据由随机方式划分,训练过程中以均方误差作为监控指标,并通过不同初始权重和不同结构的重复训练选择性能较优的模型结构。这一部分说明,研究并非直接使用黑箱预测,而是在设计空间覆盖性、网络复杂度与泛化能力之间进行了平衡。

3.2. ANN Model Assessment
在模型评价中,研究人员使用相关系数(R)和平均绝对百分比误差(MAPE)评估预测性能,并结合残差分析检验模型有效性。结果显示,残差分布呈随机模式,说明所建ANN模型不存在明显系统偏差,能够较好表征C45E钢中等车削中工艺参数与总制造成本之间的潜在关系。因此,该模型被认为适合用于进一步的工艺参数效应分析。

4. Results and Discussion
本节是全文的核心。研究人员基于ANN模型绘制了六组两因素三维曲面,以考察不同输入参数组合对总制造成本的影响,并将其余参数固定在中心水平。结果表明,切削深度增加会使总制造成本持续且非线性下降,这一趋势在不同进给量、切削速度和材料去除体积条件下均较稳定。进给量增加也会使总制造成本近似线性下降。其机理在于,切削深度和进给量的提高均会增加体积材料去除率,从而缩短加工时间,显著降低机床占用成本与人工成本。

与之相对,待去除材料体积增加会提高总制造成本,这一趋势符合加工时间增长的基本规律;且在低切削深度和低进给量条件下,这种成本增幅更加显著,而切削速度对材料去除体积所引起的成本变化影响较小。最复杂的结果来自切削速度。论文指出,切削速度对总制造成本的影响不是单调一致的,而是随切削深度、进给量及去除体积而变化:在较低至中等切削深度范围内,提高切削速度会降低总制造成本;在中等至较高切削深度范围内,提高切削速度反而会提高总制造成本。对于低至中等进给量,提高切削速度会使成本略有下降,而在中高进给量下,成本则略有上升。对于较小材料去除体积,提高切削速度至243 m/min以前可降低成本,超过该值后成本开始回升;当去除体积更大时,这一拐点出现在更高切削速度区间。研究人员据此认为,切削速度同时影响材料去除率与刀具寿命,尤其对刀具寿命的影响更敏感,因此其成本效应体现为加工时间缩短与刀具磨损加速之间的竞争关系。这也是本文区别于一般单因素成本分析的重要发现之一。

随后,研究人员利用连接权重法(CWA)对变量重要性进行验证。结果与响应曲面分析一致:切削深度对总制造成本的影响最大,其次为进给量和待去除材料体积,切削速度影响最弱。符号方向表明,切削深度、进给量和切削速度增加总体上有助于降低成本,而待去除材料体积增加则会推高成本。论文还指出,这一重要性排序与切削用量确定的一般工艺原则一致,即通常优先确定切削深度,其次是进给量,最后是切削速度。但由于切削速度与其他变量存在明显交互作用,因此在实际优化中仍不能简单按单因素规律选取,而必须结合具体工序建立约束优化模型。

5. Case Study
在案例研究中,研究对象为C45E非合金中碳钢的干式多道次中等纵向车削,加工设备为OKUMA GENOS L250II-e数控车床,刀具系统采用Sandvik Coromant刀杆和Pramet牌号T8430涂层硬质合金刀片。设定待去除材料体积为116.4 cm3,对应工件由初始直径70 mm加工至终直径44 mm、加工长度50 mm的几何条件。研究人员强调,仅以最低成本为目标并不足以保证稳定加工和良好切屑形态,因此优化模型引入了切削功率约束、切屑细长度约束和几何等式约束,同时还受切削深度、进给量、切削速度及主轴转速上限约束。切削力通过基于量纲分析的预测模型估计,再据此计算切削功率;切屑细长度约束则用于避免不利切屑形态带来的排屑困难、表面损伤和安全问题。

求解方面,研究人员采用遗传算法(GA)求解该单目标约束优化问题,并使用Brutomizer软件中的穷举法对所得解进行验证。最终得到的最优切削制度为:切削深度ap = 2.6 mm,共5刀;进给量f = 0.3 mm/rev;切削速度v = 244 m/min。在该条件下,总制造成本最低,为0.647 EUR;生产率为0.85 min,刀具寿命消耗为7.66%。同时,切削力Fc = 1579 N、切削功率Pc = 7.13 kW、切屑细长度比为8.67,均满足约束条件。与刀片推荐切削制度ap = 1 mm、f = 0.2 mm/rev、v = 272 m/min相比,即使假定推荐工况亦满足全部约束,其总制造成本仍为1.74 EUR。由此可见,优化后成本可显著下降。

讨论部分显示,本研究的一个重要认识是,最大化刀具寿命并不等于最小化总制造成本。原因在于,为延长刀具寿命往往需要降低切削参数,这虽然减少了刀具消耗,却会显著延长加工时间并提高机床与人工成本,因此总体成本反而上升。论文也明确指出,所得规律与最优制度均依赖于所选刀片、人工及制造间接成本、刀具成本和具体机床条件,因此结果具有明确的案例特异性。此外,本研究未纳入不同工件形状、不同刀片类型和不同切削液类型,也未将装夹时间、换刀时间、批量规模等更多随机变量纳入优化分析,这构成其研究边界。

研究结论部分可译述如下:本研究聚焦于分析C45E钢中等车削中切削深度、进给量、切削速度及待去除材料体积对总制造成本的主效应与交互效应,并在给定案例下通过建立和求解具有3个约束的单目标车削优化问题确定了最优切削制度。结果表明,切削深度对总制造成本的影响最大,其后依次为进给量和待去除材料体积,切削速度影响最弱;提高切削深度或进给量会在不同输入组合下降低总制造成本;切削速度对总制造成本的影响具有可变性,必须结合其与其他参数的交互作用进行分析;上述结论可能随刀片类型及其切削参数适用范围不同而发生变化;由于切削速度与其他参数之间存在交互作用,必须针对每一具体工序确定最优切削制度,不同材料去除体积下使总制造成本最小的切削制度并不相同,实际应用中还需考虑切屑细长度等附加约束;结果还表明,追求最大刀具寿命会增加总制造成本,因为这需要降低切削参数;通过优化切削参数,在满足约束条件的前提下,与刀片推荐切削制度相比,总制造成本可降低62.82%。总体而言,该研究为面向具体工况的车削成本建模、参数交互分析与约束优化提供了较完整的方法框架,对于提升工艺规划的经济性与可实施性具有现实意义。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号