(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211032056.6 (22)申请日 2022.08.26 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 陈明君　郭锐阳　于天宇　周星颖　 王广洲　 (74)专利代理 机构 黑龙江立超同创知识产权代 理有限责任公司 23217 专利代理师 杨立超 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 17/10(2006.01) G06F 111/04(2020.01)G06F 111/10(2020.01) (54)发明名称 基于单因素分析法及响应曲面法的辉光放 电聚合物构件微铣削加工面粗糙度建模与预测 方法 (57)摘要 本发明提供的基于单因素分析法及响应曲 面法的辉光放电聚合物构件微铣削加工面粗糙 度建模与预测方法， 属于微铣削加工面粗糙度建 模技术领域。 为解决现有技术针对辉光放电聚合 物材料构 件表面微结构微铣削加工机理、 加工参 数对面粗糙度的影 响方面相关研究不足的问题。 本发明方法采用单因素分析法和响应曲面法 ‑中 心复合实验设计 法设计实验 方案并开展实验， 测 量实验方案中各工艺参数加工结构的面粗糙度； 采用最小二乘算法拟合数据， 建立GDP材料构件 微铣削加工面粗糙度的二阶响应曲面模型； 根据 实际加工过程的工艺参数对面粗糙度进行预测， 以选择合适的工艺参数组合降低面粗糙度。 通过 本发明方法所建立模型具有较高的准确度和可 信度， 具有较好的实用性。 权利要求书2页 说明书7页 附图5页 CN 115329498 A 2022.11.11 CN 115329498 A 1.一种基于单因素分析法及响应曲面法的辉光放电聚合物构件微铣削加工面粗糙度 建模与预测方法， 所述方法基于精密五轴联动机床， 其特 征在于包括如下步骤： S1、 选取多组影响GDP材料构件微铣削加工面粗糙度的工艺参数为变量开展单因素实 验， 根据单因素实验 结果， 剖析显著影响面粗糙度的显著工艺参数， 分析各显著工艺参数对 面粗糙度的作用规 律， 并确定各显著工艺 参数的较优作用范围； S2、 基于确定的各显著工艺参数的较优范围的结果， 采用响应曲面法 ‑中心复合实验设 计法， 以各显著工艺参数为变量、 以面粗糙度为响应值设计实验方案， 根据实验方案开展实 验， 测量方案中各组工艺参数加工结构的面粗糙度； 采用最小二乘算法对实验获取 的数据 进行拟合处 理， 建立GD P材料构件微 铣削加工面 粗糙度二阶响应曲面模型； S3、 基于GDP材料构件微铣削加工面粗糙度二阶响应曲面模型， 由实际加工过程的加工 工艺参数， 可对面粗糙度进行预测， 以选择合适的工艺参数组合降低面粗糙度以提高加工 面的质量。 2.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面粗糙度建模与预测方法， 其特征在于所述S1中选取 的的工艺参数包括： 主轴 转速n、 轴向切深ap、 进给速度f及刀具 悬长l。 3.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面粗糙度建模与预测方法， 其特征在于所述S1 中， 以GDP材料构件加工结构面粗 糙度最小为约束条件， 确定各显著工艺 参数的较优范围。 4.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面粗糙度建模与预测方法， 其特征在于采用白光干涉仪测量工件加工结构的面 粗糙度， 具体为在白光干涉仪中设置扫描深度， 所述扫描深度大于 GDP材料构件加工结构深 度， 以获取全景深表面形貌； 并通过球形拟合， 以获取GDP材料构件加工结构表面凹凸分布 情况。 5.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面 粗糙度建模与预测方法， 其特 征在于所述S2包括如下步骤： S21、 基于确定的各显著工艺参数的较优范围的结果， 采用响应曲面法 ‑中心复合实验 设计法， 以显著工艺参数为中心复合设计因子、 以面粗糙度为响应值设计中心复合 实验； 根 据所述中心复合实验的旋转 性和正交性设计实验方案， 根据实验方案开展实验； S22、 测量实验方案中各组工艺参数加工后加工结构的面粗糙度， 选取并记录加工结构 中四块不同区域面粗糙度数值， 将四块区域粗糙度数值均值为该组参数面粗糙度数值， 每 组工艺参数重复实验三次取平均值以减小测量 误差对结果带来的影响； S23、 采用最小二乘算法拟合数据， 建立GDP材料构件微铣削加工面粗糙度二阶响应曲 面模型。 6.根据权利要求5所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加 工面粗糙度建模与预测方法， 其特征在于所述S21中， 拟建立GDP材料构件微铣削 加工面粗糙度二阶响应曲面模型的形式为： 式中， y表示表面粗糙度， xi， xj表示自变量， βi表示因素xi对应的一次项影响， βij表示不权　利　要　求　书 1/2 页 2 CN 115329498 A 2同因素xi和xj之间的交互影响； βii表示因素xi的二次项影响， k表示因素个数； 采用最小二乘 算法获得二阶响应曲面模型 各项系数。 7.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面粗糙度建模与预测方法， 其特征在于所述S2完成后通过残差 分析及实际值和 模型值的比对， 分析所建立GDP材料构件微铣削加工铣削力的二阶响应曲面模型的吻合度 与准确性， 若所建立模型的吻合度与准确性符合要求则进入S3， 若吻合度与准确性不符合 要求则则 返回S2调整响应曲面法的实验设计， 增加实验次数， 至模型达到较高的准确 性和 吻合度。 8.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面粗糙度建模与预测方法， 其特征在于所述S2中包括采用方差 分析分析各 因素 对面粗糙度的影响程度， 以更好的指导实际工况 下加工工艺参数的选择。 9.根据权利要求1所述的一种基于单因素分析法及响应曲面法的辉光放电聚合物构件 微铣削加工面粗糙度建模与预测方法， 其特征在于所述S2中建立GDP材料构件微铣削加工 面粗糙度二阶响应曲面模型为： Sa＝‑5685.78+0.052n+48.91ap‑2445.83f+477.96l ‑0.00072n*ap‑0.0125n*f+ 0.002811n*l+16.67ap*f‑0.6ap*l+412.5f*l ‑0.59ap2‑89791.67f2‑13.479l2。权　利　要　求　书 2/2 页 3 CN 115329498 A 3