本技术基于几何特征的航空发动机叶片铣削加工位置度预测方法,包括:确定关键加工参数,采集加工过程中的电流数据;将叶片模型导入CAD软件中,将叶片的曲面进行参数化,建立UV坐标系,均匀布置检测点,检测每个检测点处的位置度,并通过CAD软件计算每个检测点处沿着V向流线的曲率;计算每个检测点处的残余高度h,将不同关键加工参数下对应的电流数据、检测点处沿着V向流线的曲率、检测点的残余高度与对应的检测点的位置度组成数据集;构建神经网络模型;利用数据集训练神经网络模型,用于航空发动机叶片铣削加工位置度预测。本发明不仅能够从加工数据中学习到复杂非线性关系,还可以通过几何特征提升模型的泛化能力与预测精度。
背景技术
航空发动机叶片作为航空发动机的关键部件,其加工精度对发动机整体性能至关重要。由于叶片结构复杂、形状多样、尺寸要求苛刻,加工过程中的位置度偏差直接影响发动机的气动性能、燃烧效率及使用寿命。传统的叶片加工位置度偏差预测方法依赖于大量实验或经验规则,这些方法难以准确应对复杂型面加工过程中的各种因素,例如工件的形状、刀具的磨损、机床的动态特性等。
随着智能制造技术的发展,基于数据驱动方法的研究成为解决叶片加工位置度预测问题的有效手段。神经网络预测模型通过利用大量历史加工数据,可以自动学习和捕捉加工过程中隐藏的规律,实现对位置度偏差的精准预测。然而,纯数据驱动的模型往往需要大量的历史数据,在面对小样本数据时预测精度受限;并且仅仅采用加工数据忽略了工件的弯扭特性对位置度偏差的影响,进一步限制了模型的预测精度。为此,本专利提出了基于几何特征的航空发动机叶片铣削加工位置度预测方法。
通过将几何特征融入智能算法,不仅扩充了数据集的规模,还可以使得网络模型能够学习叶片的弯扭特性,从而提高航空发动机制造的整体效率与质量。
实现思路