数控加工工艺参数优化方法、装置、系统及计算机设备与流程

本发明涉及数控加工工艺技术领域，特别是涉及一种数控加工工艺参数优化方法、装置、系统及计算机设备。

背景技术：

数控加工技术是现代制造业自动化领域的重要组成部分，是我国制造业提高生产效率、提升产品品质、缩短生产周期和降低生产成本的重要保障。我国数控机床保有量大，但加工效率却不高，产品生产周期长、成本高，主要原因在于目前数控加工企业切削参数获取仍主要依靠工艺技术人员的生产经验和试切削为主，获取的切削参数往往无法实现数控加工高效率和低成本需求。

为了解决上述问题，国内外学者在数控加工工艺参数优化方面进行了广泛的研究。但回顾现有研究，不难发现真正在企业实际应用的通用型方法较少，主要原因在于：现有数控加工工艺参数优化模型多针对单工步的优化，未考虑多工步和多工序之间的组合优化，无法全面反应实际的切削加工过程，且多以理论研究为主，未能形成符合企业实际需求的数控加工工艺参数优化工具，企业实用性和适用性较差。

技术实现要素：

基于此，有必要针对现有数控加工工艺参数优化模型仅仅针对单工步进行优化，无法全面反应实际的切削加工过程的问题，提供一种数控加工工艺参数优化方法、装置、系统及计算机设备。

一种数控加工工艺参数优化方法，包括：

根据走刀次数建立以切削时间为优化目标的目标函数；

建立约束条件；

根据所述目标函数和所述约束条件建立加工工艺参数优化模型；

对所述加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。

在其中一个实施例中，根据走刀次数建立以切削时间为优化目标的目标函数的步骤为：根据粗加工走刀次数建立以切削时间为优化目标的目标函数；

根据粗加工走刀次数建立以切削时间为优化目标的目标函数的步骤之前，还包括：根据粗加工切削深度和精加工切削深度确定粗加工走刀次数。

在其中一个实施例中，根据粗加工切削深度和精加工切削深度确定粗加工走刀次数的步骤为：根据待加工的工件直径、精加工后的工件直径、精加工切削深度以及粗加工切削深度确定粗加工走刀次数。

在其中一个实施例中，根据走刀次数建立以切削时间为优化目标的目标函数的步骤包括：

获取沿主切削刃的平均切削速度和平均切削面积；

根据沿主切削刃的所述平均切削速度和所述平均切削面积获取材料切除率，所述材料切除率为切削过程中单位时间内所切除的材料体积；

根据所述材料切除率和切除材料的体积获取单工步切削时间所对应的目标函数；

结合所述单工步切削时间所对应的目标函数和所述走刀次数获取多工步切削时间所对应的目标函数。

在其中一个实施例中，建立约束条件的步骤包括：

建立切削参数约束条件、切削力约束条件、切削功率约束条件、刀具寿命约束条件以及加工表面质量约束条件。

在其中一个实施例中，对所述加工工艺参数优化模型进行求解的步骤为：运用差分进化算法对所述加工工艺参数优化模型进行求解，进而获得最小切削时间及对应的工艺参数集合。

一种数控加工工艺参数优化装置，包括：

目标函数建立单元，用于根据走刀次数建立以切削时间为优化目标的目标函数；

约束条件建立单元，用于建立约束条件；

优化模型建立单元，用于根据所述目标函数和所述约束条件建立加工工艺参数优化模型；

求解单元，用于对所述加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。

一种数控加工工艺参数优化系统，包括：

参数接收模块，用于接收输入的基本加工信息，所述基本加工信息包括机床基本信息、刀具基本信息以及工件加工基本信息；

参数导入模块，用于根据输入的所述基本加工信息导入数据库中预先存储的与所述基本加工信息对应的具体加工信息；

处理模块，用于根据所述基本加工信息和具体加工信息以及所述的数控加工工艺参数优化方法获取得到最小切削时间及对应的工艺参数集合。

一种计算机设备，包括：

存储器和处理器，所述存储器和所述处理器互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行所述的数控加工工艺参数优化方法。

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时实现所述的数控加工工艺参数优化方法。

上述数控加工工艺参数优化方法，首先根据走刀次数建立以切削时间为优化目标的目标函数，同时建立约束条件，再根据目标函数和约束条件建立加工工艺参数的优化模型，最后对得到的优化模型求解，确定最小切削时间及对应的工艺参数集合。其中，目标函数是基于走刀次数而建立的，即是说，本申请在建立目标函数时考虑到了多工步的情况，工艺参数优化模型也是基于多工步的工艺步骤而建立的，这更符合实际切削加工过程，最后确定的最小切削时间及对应的工艺参数集合也更贴合实际加工过程，提高了优化效果。

附图说明

图1为本发明实施例一所提供的数控加工工艺参数优化方法的流程图；

图2为本发明实施例二所提供的数控加工工艺参数优化方法的流程图；

图3为本发明实施例二所提供的数控加工工艺参数优化方法中步骤s21的流程图；

图4为本发明实施例五所提供的数控加工工艺参数优化装置的结构示意图；

图5为本发明实施例六所提供的数控加工工艺参数优化系统的结构示意图；

图6为本发明实施例七所提供的计算机设备的结构示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的优选实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反的，提供这些实施方式的目的是为了对本发明的公开内容理解得更加透彻全面。

需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“前”、“后”、“周向”以及类似的表述是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

数控加工技术是现代制造业自动化领域的重要组成部分，是我国制造业提高生产效率、提升产品品质、缩短生产周期和降低生产成本的重要保障。目前，我国数控机床保有量大，但加工效率却不高，产品生产周期长、成本高，主要原因在于目前数控加工企业切削参数获取仍主要依靠工艺技术人员的生产经验和试切削为主，获取的切削参数往往无法实现数控加工高效率和低成本需求。

数控加工工艺参数主要指切削参数(主轴转速、进给量和切削深度)，切削参数的选取直接影响数控切削加工的加工效率、加工成本和加工质量等性能指标，若选取不当，则严重可能会导致机床、刀具和工件损坏，轻则造成不必要的浪费、增加加工工时和加工成本。

数控加工工艺参数优化是提高数控加工效率、降低加工成本的有效途径，采用科学合理的切削参数组合，可以充分发挥数控机床和刀具的性能，对于提高企业生产效益和生产质量具有重要意义。目前，国内外在数控加工工艺参数优化方面进行了深入广泛的研究，优化目标涉及效率、成本、能耗、排放等数控加工的各个方面。

但回顾现有研究，不难发现真正在企业实际应用的通用型方法较少，主要原因在于：

(1)现有数控加工工艺参数优化模型未考虑切削速度随工件尺寸变化情况，且主要针对单工步的优化，未考虑多工步和多工序之间的组合优化，无法全面反应实际的切削加工过程；

(2)现有数控加工工艺参数优化需要同时考虑加工时间和加工成本的多目标优化以达到提升效率、降低成本的目的，模型复杂，输入参数多，求解难度较高；

(3)现有的数控加工工艺参数优化系统较少，且多为c/s(客户/服务器,client/server)架构，系统开发维护成本高，维护和升级方式复杂，且对于不同的客户端需要开发不同的程序，软件安装调试和升级都需要在所有客户机上进行，分布功能弱。

因此，建立更加符合实际加工情况，更加简化、适用的数控加工工艺参数优化模型，并开发可远程调用、具备低成本、快部署、易运维、可集成和在线协同的数控加工工艺参数优化系统，对于企业数控加工提升生产效率和降低生产成本具有较高的应用价值和意义。

实施例一

本实施例提供了一种数控加工工艺参数优化方法，如图1所示，包括以下步骤：

步骤s10：根据走刀次数建立以切削时间为优化目标的目标函数。

在实际切削过程中，往往需要多道切削工序才能完成对工件的加工，其中，包括粗加工切削和精加工切削，粗加工切削工序中又包含了多道走刀工序。走刀次数以及每次走刀时的工艺参数均对总的切削时间造成较大的影响。基于此，步骤s10中在建立以切削时间为优化目标的目标函数时，将走刀次数列入考虑范围之内，更加符合现有的切削流程。

本实施例中，目标函数可以是依据走刀次数、走刀时的工艺参数以及工件参数而建立。其中，走刀时的工艺参数可以包括主轴转速、进给量、切削深度等参数，工件参数可以为切削长度、工件待加工直径及精加工后的直径大小等。这里仅仅是列举了一些工艺参数和工件参数，还可以为其他参数，只要能够影响到切削时间的参数均可以作为本实施例中目标函数的优化变量，对此不做限制。

步骤s11：建立约束条件。具体地，约束条件可以为一种，也可以为多种，例如切削参数范围约束、切削力约束、切削功率约束、切削扭矩约束、加工表面质量约束，还可以以切削刀具的属性作为约束条件，其中刀具的属性可以包括刀具寿命、刀具强度、刀具耐磨性等。

需要说明的是，步骤s10和步骤s11两者之间的顺序不固定，可以先执行步骤s10，后执行步骤s11，也可以先执行步骤s11，后执行步骤s10，还可以同时执行步骤s10和步骤s11，都能达到同样的目的，对此不作限制。

步骤s12：根据目标函数和约束条件建立加工工艺参数优化模型。即，将步骤s10得到的目标函数以及步骤s11得到的约束条件整合在一起，以形成最终的加工工艺参数优化模型。

步骤s13：对加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。

当步骤s12得到优化模型后，需要对优化模型进行求解，进而得到最小切削时间及对应的工艺参数集合。本实施例中，可以选用遗传算法、差分进化算法等进化算法或者粒子群算法、蚁群算法、人工蜂群算法等群智能算法进行模型的求解。

需要说明的是，可以对加工工艺参数优化模型进行求解的算法还包括多种，在此不一一列举，只要能够用于对加工工艺参数优化模型进行求解的算法均属于本申请的保护范围。

本实施例提供的数控加工工艺参数优化方法，首先根据走刀次数建立以切削时间为优化目标的目标函数，同时建立约束条件，再根据目标函数和约束条件建立加工工艺参数的优化模型，最后对得到的优化模型求解，确定最小切削时间及对应的工艺参数集合。其中，目标函数是基于走刀次数而建立的，即是说，本申请在建立目标函数时考虑到了多工步的情况，工艺参数优化模型也是基于多工步的工艺步骤而建立的，这更符合实际切削加工过程，最后确定的最小切削时间及对应的工艺参数集合也更贴合实际加工过程，提高了优化效果。

实施例二

本实施例提供了一种数控加工工艺参数优化方法，如图2所示，包括以下步骤：

步骤s20：根据粗加工切削深度和精加工切削深度确定粗加工走刀次数。

本实施例中，主要是根据待加工的工件直径、精加工后的工件直径、精加工切削深度以及粗加工切削深度确定粗加工走刀次数的。具体计算方式如下：

其中，n为粗加工走刀次数，d为待加工工件直径；ds为精加工后的工件直径；apc为粗加工切削深度；aps为精加工切削深度。

由于实际切削时，粗加工走刀的次数与待加工工件的直径、精加工过后的工件直径以及精粗加工切削深度均有密切的关系，因此，本实施例中的粗加工走刀次数的计算结果较为准确。

步骤s21：根据粗加工走刀次数建立以切削时间为优化目标的目标函数。

具体地，如图3所示，本实施例中，步骤s21包括：

步骤s211：获取沿主切削刃的平均切削速度和平均切削面积。

本实施例中，主切削刃的平均切削速度可通过以下公式获取：

其中，vcave为主切削刃的平均切削速度，n为主轴转速；d为工件待加工表面直径，ap为切削深度。

主切削刃的平均切削面积可通过以下公式获取：

adave＝fap

其中，adave为平均切削面积，f为进给量，ap为切削深度。

步骤s212：根据沿主切削刃的平均切削速度和平均切削面积获取材料切除率，材料切除率为切削过程中单位时间内所切除的材料体积。

本实施例中，材料切除率可通过以下公式获取:

mrr＝1000adavevcave

其中，mrr为材料切除率，adave为平均切削面积，vcave为沿主切削刃的平均切削速度。

根据上述adave和vcave的公式，材料切除率mrr又可以表示为：

mrr＝πnfap(d-ap)

其中，各参数含义请参见前文描述，在此不赘述。

步骤s213：根据材料切除率和切除材料的体积获取单工步切削时间所对应的目标函数。

本实施例中，当获取到材料切除率之后，单工步切削时间所对应的目标函数可以表示为：

其中，v为切除材料的体积；lw为切削长度；d为加工后工件表面直径；其他参数含义请参见前文描述，在此不赘述。

步骤s214：结合单工步切削时间所对应的目标函数和走刀次数获取多工步切削时间所对应的目标函数。

通过步骤s213获取到的是单工步切削时间所对应的目标函数，对于多工步和多工序组合优化情况，由于切削过程中每次走刀后工件的待加工表面直径d均减小2ap，平均切削速度vcave也会随工件尺寸变化，因此，对于同时考虑粗精加工过程和多次粗加工情况，多工步切削时间的目标函数可表示为：

其中，d为工件待加工表面直径(即工件毛坯直径)；i为第i次粗加工后的工件直径，di＝d-2iapc,i＝1,2,…,n；ds为精加工后的工件直径。

由此，本实施例中将切削加工过程中切削速度随工件尺寸变化而变化的现状也考虑在内，并依此建立了上述目标函数，更加全面地反映了实际的切削加工过程，更具实用性和适用性，有效提高了最终的优化效果。

另外，需要额外说明的是，实际加工过程中，为保证切削稳定性和有利于断屑，应尽量保证同一工序不同工步的切削深度相同，因此根据实际加工过程，建立多工步切削时间tm计算方式的过程为：

令其中表示不大于x的最大正整数。

(1)当m＝0时，切削时间tm计算如下公式所示：

其中，lω为工件切削长度；nc为粗加工主轴转速；fc为粗加工进给量；apc为粗加工切削深度；ns为精加工主轴转速；fs为精加工进给量；aps为精加工切削深度。

(2)当m≠0时，假设粗加工允许的最大和最小切削深度分别为apcmax和apcmin

①若则令切削时间tm计算如下公式所示：

②若

a.若切削时间tm计算如下公式所示：

b.若

则令切削时间tm计算如下公式所示：

以上为切削时间tm目标函数的建立过程。

还需要说明的是，整个车削加工过程的加工时间ttotal可表示为:

ttotal＝tm+th+tf+tc

其中，tm为切削时间；th为换刀时间；tf为工序辅助时间；tc为空走刀时间。

tm的计算过程如上文所述，换刀时间th可按以下公式计算：

其中，t为刀具寿命；te为一次换刀时间。

刀具寿命t可表示为：

其中，v为切削速度；cv为刀具耐用度系数；α、β、γ分别为v、f、ap对刀具寿命的影响指数。

空走刀时间tc可按以下公式计算：

tc＝(h1lω+h2)(n+1)

其中，h1、h2分别为与车刀空走时间和进退刀时间有关的常量。

若不考虑工件材料成本，车削加工过程的成本uc主要包括切削加工成本cm、换刀成本ch、工件装卸及刀具空走所需成本cr和刀具磨损成本ct，即可表示为：

其中，k0为单位时间人工成本和管理成本之和；kt为刀刃成本。

综上，切削参数改变主要影响切削时间tm和刀具寿命t，进而影响换刀时间th和加工成本uc。由此，为简化优化模型，本发明仅以切削时间tm为优化目标，并将刀具寿命加入模型约束(即切削参数优化后的刀具寿命t≥切削参数优化前的刀具寿命t0)，以此使优化后的整个切削加工时间最小，并同时最大限度地降低加工成本，达到效率和成本协同优化的目的，简化以往需要将加工时间和加工成本同时作为目标函数的优化模型，即减少模型输入参数，提高优化效率。其中，关于刀具寿命的约束条件，请参见实施例三中的描述。

步骤s22：建立约束条件。具体内容可参见实施例一中步骤s11中的描述，在此不再赘述。

步骤s23：根据目标函数和约束条件建立加工工艺参数优化模型。具体内容可参见实施例一中步骤s12中的描述，在此不再赘述。

步骤s24：对加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。具体内容可参见实施例一中步骤s13中的描述，在此不再赘述。

实施例三

本实施例提供了一种数控加工工艺参数优化方法，包括以下步骤：

步骤s30：根据走刀次数建立以切削时间为优化目标的目标函数。具体内容可参见实施例一中步骤s11或实施例二中步骤s20和步骤s21中的描述，在此不再赘述。

步骤s31：建立约束条件。

具体地，本实施例中，步骤s31包括：建立切削参数约束条件、切削力约束条件、切削功率约束条件、刀具寿命约束条件以及加工表面质量约束条件。

下文将分别对以上约束条件的建立进行详细描述：

(1)切削参数的约束条件为：

nmin≤n≤nmax

fmin≤f≤fmax

apmin≤ap≤apmax

其中，nmin和nmax分别为加工过程允许的最低和最高主轴转速；fmin和fmax分别为加工过程允许的最小和最大进给量；apmin和apmax分别为加工过程允许的最小和最大切削深度。

(2)切削力的约束条件为：

其中，fc为切削加工过程进给力；fmax为切削加工过程允许的最大进给力；v为切削速度；cff、xff、yff、nff、kff分别为与工件材料和切削条件有关的系数，可查阅切削用量手册得到。

(3)切削功率的约束条件为：

其中，p为切削加工过程功率；η为机床功率的有效系数；pmax为切削加工过程机床允许的最大功率；cfc、xfc、yfc、nfc、kfc分别为与工件材料和切削条件有关的系数，可查阅切削用量手册得到。

(4)刀具寿命的约束条件为：

其中，t为刀具寿命；t0为初始切削参数下的刀具寿命；v为刀具耐用度系数；α、β、γ分别为v、f、ap对刀具寿命的影响指数。

(5)加工表面质量的约束条件为：

其中，r为表面粗糙度；r0为初始切削参数下的表面粗糙度；rε为精加工刀具圆弧半径；fs0为精加工初始进给量。

需要说明的是，本实施例中将刀具寿命作为了约束条件之一，在提升加工效率的同时，可最大限度地降低加工成本。

步骤s32：根据目标函数和约束条件建立加工工艺参数优化模型。具体内容可参见实施例一中步骤s12中的描述，在此不再赘述。

步骤s33：对加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。具体内容可参见实施例一中步骤s13中的描述，在此不再赘述。

实施例四

本实施例提供了一种数控加工工艺参数优化方法，包括以下步骤：

步骤s40：根据走刀次数建立以切削时间为优化目标的目标函数。具体内容可参见实施例二中步骤s20和步骤s21中的描述，在此不再赘述。

步骤s41：建立约束条件。具体内容可参见实施例三中步骤s31的描述，在此不再赘述。

步骤s42：根据目标函数和约束条件建立加工工艺参数优化模型。

根据实施例二中所获得的具体的目标函数，以及实施例三中所获得的各约束条件，本实施例中，建立了如下优化模型：

mintm

s.t.ncmin≤nc≤ncmax(1)

fcmin≤fc≤fcmax(2)

apcmin≤apc≤apcmax(3)

nsmin≤ns≤nsmax(4)

fsmin≤fs≤fsmax(5)

apsmin≤aps≤apsmax(6)

其中，(1)、(2)、(3)为粗加工切削参数约束条件，(7)为粗加工切削力约束条件，(9)为粗加工切削功率约束条件，(11)为粗加工刀具寿命约束条件，(4)、(5)、(6)为精加工切削参数约束条件，(8)为精加工切削力约束条件，(10)为精加工切削功率约束条件，(12)为精加工刀具寿命约束条件，(13)为加工表面质量约束条件。

步骤s43：对加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。

本实施例中，优选为利用差分进化算法对加工工艺参数优化模型进行求解，进而获得最小切削时间及对应的工艺参数集合。

差分进化算法(differentialevolution,de)源于进化算法，与其他进化算法类似，主要包括变异、交叉和选择三种基本操作，其主要思想为：首先由父代个体间的变异操作生成变异个体，然后父代个体与变异个体间按照一定的概率进行交叉操作，生成一试验个体，最后采用贪婪算法，在父代个体和试验个体之间根据适应度值进行选择，取适应度较好的作为下一代的个体。

本实施例中，差分进化算法(以下简称为de算法)的操作步骤如下：

(1)参数设置：进化代数g、种群规模np、变异算子f、交叉概率cr、空间维数m。

(2)初始化种群：

由下式随机产生初始种群

其中，xi(0)表示种群中第0代的第i个个体，xj,i(0)表示第0代的第i个个体的第j个变量，np表示种群大小，rand(0,1)表示在(0,1)区间均匀分布的随机数。

(3)变异操作：

随机选取种群中两个不同个体，将其向量差缩放后与待变异个体进行向量合成，生成一中间个体

vi(g+1)＝xr1(g)+f(xr2(g)-xr3(g)),i≠r1≠r2≠r3

在变异时，若变异个体超出边界条件，则变量采用随机方法重新生成，生成方法与初始种群的方法相同。

(4)交叉操作：

对第g代种群{xi(g)}及其变异的中间体{vi(g+1)}进行个体间的交叉操作，生成试验个体{ui(g+1)}：

其中，cr为交叉概率，jrand为[1,2,…,m]的随机数。

(5)选择操作：

采用“贪婪”选择策略，在父代个体xi(g)和试验个体ui(g+1)之间进行选择，根据适应度大小，选择适应度较好的作为下一代的个体xi(g+1)：

其中，f(x)为适应度函数，一般为所需优化的目标函数。

(6)终止检验：

由上述操作产生新的种群，并得到当代种群最优个体和评价函数的最优值，判断是否达到最大进化代数，若是则停止进化并输出全局最优值和最优个体，否则返回步骤(3)。

相比于其他算法，de算法的优点如下：

(1)de算法在求解非凸、多峰、非线性函数的优化问题时表现出极强的稳定性；

(2)在同样的精度要求下，de算法收敛速度快；

(3)de算法尤其擅长求解多变量的函数优化问题；

(4)de算法操作简单，易于编程。

由此，本实施例中选用de算法对优化模型进行求解，具有收敛速度快、稳定性好、全局收敛能力强等优点。

实施例五

本实施例提供了一种数控加工工艺参数优化装置，如图4所示，包括目标函数建立单元51、约束条件建立单元52、优化模型建立单元53以及求解单元54。其中，

目标函数建立单元51用于根据走刀次数建立以切削时间为优化目标的目标函数。

约束条件建立单元52用于建立约束条件；

优化模型建立单元53用于根据目标函数和约束条件建立加工工艺参数优化模型；

求解单元54用于对加工工艺参数优化模型进行求解，确定最小切削时间及对应的工艺参数集合。

作为一种优选实施方式，目标函数建立单元51用于根据粗加工走刀次数建立以切削时间为优化目标的目标函数。

作为一种优选实施方式，本实施例所提供的数控加工工艺参数优化装置还包括走刀次数确定单元，走刀次数确定单元用于根据粗加工切削深度和精加工切削深度确定粗加工走刀次数。具体地，走刀次数确定单元可以根据待加工的工件直径、精加工后的工件直径、精加工切削深度以及粗加工切削深度确定粗加工走刀次数。

作为一种优选实施方式，目标函数建立单元51包括第一获取单元、第二获取单元、第三获取单元以及第四获取单元。其中，

第一获取单元用于获取沿主切削刃的平均切削速度和平均切削面积；

第二获取单元用于根据沿主切削刃的所述平均切削速度和所述平均切削面积获取材料切除率，所述材料切除率为切削过程中单位时间内所切除的材料体积；

第三获取单元用于根据所述材料切除率和切除材料的体积获取单工步切削时间所对应的目标函数；

第四获取单元用于结合所述单工步切削时间所对应的目标函数和所述走刀次数获取多工步切削时间所对应的目标函数。

作为一种优选实施方式，约束条件建立单元52包括切削参数约束条件建立单元、切削力约束条件建立单元、切削功率约束条件建立单元、刀具寿命约束条件建立单元以及加工表面质量约束条件建立单元。

作为一种优选实施方式，求解单元54用于运用差分进化算法对所述加工工艺参数优化模型进行求解，进而获得最小切削时间及对应的工艺参数集合。

实施例六

一种数控加工工艺参数优化系统，如图5所示，包括参数接收模块61、参数导入模块62以及处理模块63。其中，

参数接收模块61用于接收输入的基本加工信息，基本加工信息包括机床基本信息、刀具基本信息以及工件加工基本信息。

具体地，机床基本信息可以包括：机床名称、机床型号等。

刀具基本信息可以包括：刀具编号、刀具名称规格等。

工件加工基本信息可以包括：工件材料、材料硬度、待加工直径、精加工后直径、切削长度、初始切削参数等。

另外，参数接收模块61还可以接收输入的工件加工简图。

需要说明的是，上传工件加工简图为用户可选项，便于用户理解、展示该工艺优化过程及根据加工简图便于输入相应所需参数，对加工优化过程和结果并无影响，对此不做限制。

参数导入模块62用于根据输入的基本加工信息导入数据库中预先存储的与基本加工信息对应的具体加工信息。其中，数据库中预先存储有基本加工信息与具体加工信息的对应关系，该对应关系可以以表格的形式存储于数据库中，或者以其他方式存储。当参数接收单元接收到输入的基本加工信息时，参数导入模块会首先在数据库中查询出与基本加工信息对应的具体加工信息，再将具体加工信息导入系统。

具体地，与机床基本信息对应的具体加工信息可以包括：最大进给力、最大功率、功率有效系数、切削参数范围等。

与刀具基本信息对应的具体加工信息可以包括：刀具材料以及刀尖圆弧半径、主偏角、副偏角等刀具结构参数。

与工件加工基本信息对应的具体加工信息可以包括：进给力、主切削力以及刀具寿命等经验公式中的各项常数值。

处理模块63用于根据基本加工信息和具体加工信息以及实施例一至实施例四中任一实施例所提供的数控加工工艺参数优化方法，获取得到最小切削时间及对应的工艺参数集合。具体实施时，处理模块将工件基本加工信息和导入的具体加工信息输入到工艺参数优化模型中，再对优化模型进行求解，进而得到最小切削时间及对应的工艺参数集合。

作为一种优选的实施方式，本实施例所提供的数控加工工艺参数优化系统还包括查询与编辑模块，查询与编辑模块用于接收用户输入的字段或字段组合，并在数据库中查询出与该字段或字段组合相匹配的结果；还可以用于查询各优化项目的具体信息，其中包括项目基本信息、工艺优化进程以及优化结果等，并可以对项目基本信息和导入的具体加工信息进行编辑。

作为一种优选的实施方式，本实施例所提供的数控加工工艺参数优化系统还包括输出模块，输出模块用于将处理模块得到的最小切削时间以及对应的工艺参数集合输出至显示终端，供用户参考。

需要说明的是，除了最小切削时间以及对应的工艺参数集合之外，输出模块还可以用于输出优化流程，该优化流程可以以流程图或表格或文字的形式输出至显示终端，使得用户对优化流程一目了然，提高用户体验度。

本实施例所提供的工艺参数优化系统基于微服务架构开发，部署于工业互联网平台，可实现远程访问和调用，并支持按需使用，具有如下优点：

(1)低成本：该系统改变了企业传统的“买断式”系统使用方式，企业只需根据其需求在线使用该系统，通过订单式服务，按需、计时收费，大大降低了企业成本。

(2)快部署：该系统可一键部署到工业互联网平台的应用层，实现分钟级部署。

(3)易运维：企业通过浏览器访问和调用该系统，可随时随地操作且无需安装任何专门软件，操作简单。

(4)可集成：该系统可集成到不同的工业互联网平台。

(5)在线协同：该系统部署于工业互联网平台，通过改变网页即可实现所有用户同步更新，实现企业不同技术人员在线协同操作。

(6)系统功能扩展简单：在系统的使用过程中，可根据使用情况、使用需求，实现对系统的不断迭代升级，包括功能的扩展、性能的优化等各个方面，使得系统更加符合企业的使用需求。

下面介绍一个具体示例：

优化对象为零件k，其中，零件k的待加工直径为85mm，加工后直径为61mm，加工长度为37mm。

零件k加工工艺参数优化模型中的输入参数如表1所示：

表1零件k加工工艺参数优化模型中的输入参数

表中，nc0、fc0、apc0、ns0、fs0、aps0分别表示粗加工和精加工的初始主轴转速、初始进给量和初始切削深度，其他参数含义可参见前文所述，在此不再赘述。

工艺参数优化系统的具体实施步骤如下：

(1)用户在给定的网址通过账号和密码登入工艺参数优化系统主界面，即可新建待优化的工艺参数优化项目；

(2)在主界面点击编辑按钮，进入工艺参数优化系统的基本参数输入界面，即可输入零件k的基本加工信息和上传零件k加工简图；

(3)在步骤(2)基本输入参数编辑完成后，点击下一步即可进入工艺参数优化系统的详细参数导入界面，该界面的输入参数可根据步骤(2)中输入的相关基本参数，在数据库中检索并自动导入，用户也可根据具体情况进行编辑和修改，在确认无误后点击保存并分析，系统即开始后台运行算法计算；

(4)在工艺参数优化系统主界面可查看计算状态，当求解完成后即显示“计算成功”，可点击“查看”按钮进入到工艺参数优化系统的结果输出界面，即可显示工艺参数优化结果，包括在满足约束条件下的最小切削时间和在最小切削时间下的工艺参数组合，并同时输出算法的寻优过程图。

经上述工艺参数优化，零件k的加工效率提升约17.83％，零件k优化前后的工艺参数和切削时间如表2所示。

表2零件k数控加工工艺参数优化结果

其中，表2中的参数含义请参考前文，在此不赘述。

实施例七

本实施例提供了一种计算机设备，如图6所示，包括存储器70和处理器71，存储器70和处理器71之间互相通信连接，可以通过总线或者其他方式连接，图中以通过总线连接为例。

处理器71可以为中央处理器(centralprocessingunit，cpu)。处理器71还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器70作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的数控加工工艺参数优化方法对应的程序指令。处理器71通过运行存储在存储器70中的非暂态软件程序、指令以及模块，从而执行处理器71的各种功能应用以及数据处理，即实现数控加工工艺参数优化方法。

存储器70可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器71所创建的数据等。此外，存储器70可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器70可选包括相对于处理器71远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。