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工艺参数优化方法

1.本发明涉及微铣削工艺参数优化技术领域，具体而言，涉及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工艺参数优化方法。

背景技术：

2.在国防军事、航空航天、微机械电子、生物医疗等领域，各种较高性能要求的碳氢(c-h)复合材料得到了广泛的应用。如一种全新的c-h 复合材料-辉光放电聚合物(glow discharge polymer,gdp)以较高的材料纯度、较好的表面质量、较低的密度和原子序数、良好的热及力学性能，且在可见-红外光区具有良好的透过性等优良性能，在能源探测等领域应用广泛，并通常要求达到亚微米量级的面型精度，纳米量级的表面粗糙度，需要采用专用的加工方法以及特定的加工工艺才能满足相应的加工要求。基于微径球头铣刀的微铣削加工方式以较高的材料去除速率及较好的加工质量在金属及非金属材料(尤其是c-h聚合物)复杂三维微结构超精密加工领域应用广泛。微铣削时工艺参数组合的优选，对提高工件表面质量、提高加工效率、降低加工成本有着极其重要的作用。当前国内外的研究主要集中在gdp材料的制备上，而对其铣削性能以及铣削工艺参数的优化研究较少，因此，迫切需要设计出一种针对gdp材料微铣削加工时工艺参数的优选方法，对 gdp材料微铣削性能作进一步探究，揭示微铣削机理，以更好地指导实际加工工艺的安排。
3.单因素分析法(single factor analysis,sfa)以可能影响结果输出的因素为输入，可初步探索因素与响应之间的关系及显著性，从众多潜在影响因素中析出显著影响因素，进一步精简样本量和实验流程；响应曲面法(response surface method,rsm)主要解决非线性回归问题，将复杂的未知函数关系，在小区域内用简单的一次或二次多项式来拟合，是一种将影响因素及对应的响应值之间的关系以响应曲线的形式描述为曲面的一种研究方式，通过对等高线的分析寻求最优工艺参数，响应曲面法的输入须为对响应值有显著影响的因素及较优范围。亟需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工艺参数优化方法，以揭示gdp材料微铣削机理，填补技术空白。

技术实现要素：

4.本发明要解决的技术问题是：
5.现有技术对于辉光放电聚合物材料构件微铣削加工机理、工艺参数优化方面相关研究不足的问题。
6.本发明为解决上述技术问题所采用的技术方案：
7.本发明提供了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工艺参数优化方法，所述方法基于精密五轴联动机床，包括如下步骤：
8.s1、选取多组对gdp材料构件微铣削加工铣削力与面粗糙度有较大影响的工艺参数为变量，开展单因素微铣削实验，根据实验结果，剖析微铣削加工时显著影响铣削力与面
粗糙度的工艺参数及各工艺参数对铣削力及面粗糙度的影响规律，并确定各工艺参数的显著作用范围；
9.s2、基于确定的各工艺参数的显著作用范围结果，采用响应曲面法-中心复合实验设计法，以各工艺参数为变量、以铣削力及面粗糙度为响应值设计实验方案，根据实验方案开展实验，测量实验方案中各组工艺参数加工过程中的铣削力及加工面的面粗糙度；采用最小二乘算法拟合数据，建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型；
10.s3、基于gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型，以面粗糙度最小为约束条件，并综合考虑铣削力最小化，对工艺参数进行优化以确定最优工艺参数组合。
11.进一步地，所述s1中选取的的工艺参数包括：主轴转速n、轴向切深a
p、
进给速度f及刀具悬长l。
12.进一步地，所述s1中，以面粗糙度最小为约束条件并综合考虑铣削力最小化，确定各工艺参数的显著作用范围。
13.进一步地，采用白光干涉仪测量工件的面粗糙度，通过商用铣削力测量系统采集铣削力信号，并采用dyaware软件对测得的信号进行低通滤波处理滤除无关信号。
14.进一步地，所述的低通滤波处理，选取低通频率为f
t
＝nz*fs，即
[0015][0016]
式中，n表示主轴转速，nz表示刀具切削刃数量，fs表示机床旋转频率。
[0017]
进一步地，所述s2包括如下步骤：
[0018]
s21、基于确定的各工艺参数的显著作用范围结果，采用响应曲面法-中心复合实验设计法，以各加工工艺参数为中心复合设计因子，以铣削力和面粗糙度为响应值设计四因子五水平中心复合实验；由中心复合实验的旋转性和正交性确定中心复合实验的中心点、析因点和轴向点的个数，以此设计实验方案，根据实验方案开展实验；
[0019]
s22、测量实验方案中各组工艺参数加工过程中的铣削力和加工后加工面的面粗糙度；
[0020]
s23、采用最小二乘法对测量的的铣削力与面粗糙度数据进行回归处理，以建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型。
[0021]
进一步地，所述s21中，拟建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型的形式为：
[0022][0023]
式中，y表示铣削力或表面粗糙度，xi，xj表示自变量，βi表示因素xi对应的一次项影响，β
ij
表示不同因素xi和xj之间的交互影响；β
ii
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。
[0024]
进一步地，所述s2完成后通过残差分析及实际值和模型值的比对，分析所建立铣削力模型和表面粗糙度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返回s2调整响应曲面法的实验设计，增加试验
次数，至模型达到较高的准确性和吻合度。
[0025]
进一步地，所述s3完成后根据确定的最优工艺参数开展微铣削实验，将最优工艺参数组合下的实验结果与单因素实验结果作对比，验证最优工艺参数组合的准确性和可行性，若最优工艺参数组合下的实验结果较单因素实验结果具有较低的面粗糙度，则模型成立，反之则模型不可用。
[0026]
进一步地，所述s2中建立gdp材料构件表面微铣削铣削力二阶响应曲面模型为：
[0027]fx
＝-97.07+0.0056n-2.692a
p-2783.895f+9.626l
ꢀ‑
0.0000563na
p
+0.01263nf-0.0004599nl
ꢀ‑
60.00832a
p
f+0.0008389a
p
l+126.673fl +0.21123a
p2
+13007.95f
2-0.057455l2[0028]fy
＝212.56+0.014n+10.758a
p-330.008f-42.342l
ꢀ‑
0.000248na
p-0.072427nf-0.000265nl +10.795a
p
f+0.171a
p
l+68.208fl
ꢀ‑
0.15a
p2-411.115f
2-1.121l2[0029]fz
＝-815.438+0.099n-24.35a
p-1589.118f-6.828l
ꢀ‑
0.00131na
p
+0.083nf+0.00176nl
ꢀ‑
175.11a
p
f+3.831a
p
l+171.208f*l
ꢀ‑
0.0232a
p2-28600.69f
2-2.716l2[0030]
gdp材料构件表面微铣削表面粗糙度二阶响应曲面模型为：
[0031]
sa＝-5685.78+0.052n+48.91a
p-2445.83f+477.96l
ꢀ‑
0.00072n*a
p-0.0125n*f+0.002811n*l+16.67a
p
*f
ꢀ‑
0.6a
p
*l+412.5f*l-0.59a
p2-89791.67f
2-13.479l2。
[0032]
相较于现有技术，本发明的有益效果是：
[0033]
本发明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工艺参数优化方法，该微铣削力建模与预测方法基于单因素分析法析出了对铣削力和面粗糙度有显著影响的铣削工艺参数及个工艺参数对铣削力及表面粗糙度的影响规律，得到各参数的较优影响范围；进一步采用响应曲面法，通过中心复合实验设计法，由最小二乘法建立了微铣削力和表面粗糙度二阶响应面模型。
[0034]
本发明方法选取可信度较高的轴向力二阶响应曲面模型，以表面粗糙度最小为响应值，依据响应曲面法，得到最小响应值组合，并获得了表面粗糙度最小条件约束下的优选工艺参数组合。
[0035]
通过本发明方法得到的最优工艺参数开展微铣削实验，相对于未优化工艺参数的表面粗糙度降低68％，通过本发明方法极大的提高了微结构加工精度，说明本发明所提出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工艺参数优化方法可以实现辉光放电聚合物表面纵向尺寸0.5～20μm，横向尺寸50～200μm的微坑结构的高精度加工。
[0036]
本发明方法具有一定的普适性，可推广用于其它材料构件上不同结构加工时工艺参数优化。
附图说明
[0037]
图1为本发明实施例中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工艺参数优化方法流程图；
[0038]
图2为本发明实施例中精密五轴联动机床结构示意图；
[0039]
图3为本发明实施例中铣削力及面粗糙度与主轴转速关系图；
[0040]
图4为本发明实施例中铣削力及面粗糙度与轴向切深关系图；
[0041]
图5为本发明实施例中铣削力及面粗糙度与进给速度关系图；
[0042]
图6为本发明实施例中铣削力及面粗糙度与刀具悬长关系图；
[0043]
图7为本发明实施例中中心复合实验设计示意图；
[0044]
图8为本发明实施例中水平x向铣削力模型准确性示意性分析图；
[0045]
图9为本发明实施例中水平y向铣削力模型准确性示意性分析图；
[0046]
图10为本发明实施例中轴向力模型准确性示意性分析图；
[0047]
图11为本发明实施例中面粗糙度模型准确性示意性分析图；
[0048]
图12为本发明实施例中最优工艺参数下gdp材料构件表面微坑结构形貌图。
具体实施方式
[0049]
在本发明的描述中，应当说明的是，各实施例中的术语名词例如“上”、“下”、“前”、“后”、“左”、“右”等指示方位的词语，只是为了简化描述基于说明书附图的位置关系，并不代表所指的元件和装置等必须按照说明书中特定的方位和限定的操作及方法、构造进行操作，该类方位名词不构成对本发明的限制。
[0050]
在本发明的描述中，应当说明的是，在本发明的实施例中所提到的术语“第一”、“第二”、“第三”仅用于描述目的，并不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者多个该特征。
[0051]
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
[0052]
实施例1：如图1所示，本发明提供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工艺参数优化方法，如图2所示，利用精密五轴联动机床对辉光放电聚合物构件表面微坑微铣削，选取主轴转速n、轴向切深a
p、
进给速度f及刀具悬长l作为变量开展单因素实验，各因素取值如表1所示。
[0053]
机床所用双刃球头铣刀型号为r0.25
×
1.5，ssbl200，ns，大阪、日本；测量铣削力采用商用铣削力测量系统型号为：kistler(瑞典)，包含测力仪(9119aal)以及信号放大器(kistler 5165a)，采样频率为10khz，并通过dyaware软件对测得的信号进行处理；测量工件面粗糙度采用白光干涉仪型号为：zygo，newview
tm
8200，美国zygo。
[0054]
表1
[0055][0056]
注：表1中“*”号标注数值，为探究其他变量时，该因素所选取的数值。
[0057]
以主轴转速n为自变量，以20000r/min为起始点，5000r/min为梯度，轴向切深a
p
＝20μm，进给速度f＝0.01mm/min，刀具悬长l＝22.51mm，开展gdp材料构件微坑铣削实验，记录铣削力及表面粗糙度；
[0058]
以轴向切深a
p
为自变量，以10μm为起始点，5μm为梯度，主轴转速n＝35000r/min，进给速度f＝0.01mm/min，刀具悬长l＝22.51mm，开展gdp材料构件微坑铣削实验，记录铣削力及表面粗糙度；
[0059]
以进给速率f为自变量，主轴转速n＝35000r/min，轴向切深a
p
＝20μm，刀具悬长l＝22.51 mm，开展gdp材料构件微坑铣削实验，记录铣削力及表面粗糙度；
[0060]
以刀具悬长l为自变量，主轴转速n＝35000r/min，轴向切深a
p
＝20μm，进给速率f＝0.01 mm/min，开展gdp材料构件微坑铣削实验，记录铣削力及表面粗糙度；
[0061]
所述铣削力包含轴向力fz，水平面内x向力f
x
以及y向力fy；实验过程中，每组实验重复三次，选取加工过程中稳定状态时铣削力峰值的均值作为单次铣削力数值，将三次铣削力均值作为该参数下铣削力；选取相同位置、相同面积区域表面粗糙度为单次铣削表面粗糙度，将三次面粗糙度均值为该参数下面粗糙度；
[0062]
根据单因素实验的结果，分析各工艺参数对铣削力及面粗糙度的影响规律，以面粗糙度最小为约束条件并综合考虑铣削力最小化，确定各因素的较优范围；
[0063]
由图3可知，随着主轴转速增加，表面粗糙度先减小，后持续升高；轴向力fz持续减小，水平x向力f
x
基本保持不变，水平y向力fy在小范围内呈现波动趋势，在n＝35000r/min 时达到峰值186nm，可见，主轴转速对铣削力有显著影响；考虑机床加工在较低主轴转速下的稳定性更好，确定主轴转速较优影响范围为20000～28000r/min；
[0064]
由图4可知，随着轴向切深的增加，表面粗糙度在较小切深时保持不变，在较高转速时表面粗糙度不断增加；轴向力fz及水平y向力fy持续增加，水平x向力f
x
基本保持不变，可见，轴向切深对铣削力有显著影响；考虑机床加工在较小轴向切深下的稳定性更好，确定较优影响范围为10～25μm；
[0065]
由图5可知，随着进给速度的增加，表面粗糙度呈现先增大后减小后不断增大的趋势；轴向力fz、水平x向力f
x
、水平y向力fy均呈现逐渐减小的趋势，可见，进给速度对铣削力有显著影响；考虑机床加工在较低进给速度下的稳定性更好，确定较优影响范围为 0.01～0.05mm/min；
[0066]
由图6可知，随着刀具悬长的增加，表面粗糙度呈现先减小后增大的趋势；轴向力fz先减小后增大，水平y向力fy持续增大，水平x向力f
x
保持不变，可见，刀具悬长对铣削力有显著影响；确定较优影响范围为18～26mm；
[0067]
各工艺参数较优的范围为：n：20000～28000r/min，a
p
：10～25μm，f：0.01～0.05mm/min， l:18～26mm。
[0068]
基于单因素试验确定的各工艺参数较优的范围的结果，以各工艺参数为变量，以铣削力及面粗糙度为响应值，采用响应曲面法-中心复合实验设计法设计实验方案，根据实验方案开展实验，测量每个方案的铣削力及面粗糙度；
[0069]
建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应面模型的形式为：
[0070][0071]
式中，y表示铣削力或表面粗糙度，xi，xj表示自变量，βi表示因素xi对应的一次项影响，β
ij
表示不同因素xi和xj之间的交互影响；β
ii
表示因素xi的二次项影响，k表示因素个数；
[0072]
采用响应曲面法-中心复合实验设计，探究各因素对响应的影响，中心复合设计法的实验点数为：
[0073]
n＝ga+gr+g0ꢀꢀ
(2)
[0074]
其中，ga＝2a，表示边界上的试验点数，a为所探究因素的数量，即为4；gr＝2a，表示坐标轴上的点数，r表示轴点与中心点之间的距离；g0为中心点数，l0≥3；
[0075]
响应曲面法中心复合实验设计满足旋转性和正交性：
[0076]
满足旋转性时，
[0077]
r4＝la＝2aꢀꢀ
(3)
[0078]
满足正交性时，
[0079][0080]
由式(3)可得r＝2，且ccd满足旋转性；
[0081]
中心点数l0取6，ccd满足正交性；
[0082]
响应曲面法-中心复合实验设计总的实验组数为30组；
[0083]
由design-expert 10软件，以主轴转速n，轴向切深a
p
，进给速度f，刀具悬长l为中心复合设计因子，以铣削力(轴向力fz、水平x向力f
x
、水平y向力fy)及表面粗糙度为响应值，设计四因子五水平中心复合实验。响应面实验参数及编码值对应关系如表2所示。
[0084]
表2
[0085][0086]
如图7所示，由中心点、析因点、轴向点三部分组成30组实验设计矩阵；
[0087]
中心点，用来检验模型中是否存在曲面，提供有关纯误差的信息，如图7中位于各图形中心的点集，中心点为(0,0,0,0)，对应实验组1～6；
[0088]
析因点，用来估计线性项和交互项，如图7中立方体各顶点，对应实验组15～30；
[0089]
轴向点，用于二次项的评估，如图7中星点，对应实验组7～14；
[0090]
设计实验方案及实验结果如表3所示：
[0091]
1、根据实验方案开展实验过程中，采用白光干涉仪测量加工结构的面粗糙度，通过商用铣削力测量系统采集加工过程中的铣削力信号，并采用dyaware软件对测得的信号进行低通滤波处理滤除无关信号。低通滤波处理选取低通频率为f
t
＝nz*fs，即
[0092][0093]
式中，n表示主轴转速，nz表示刀具切削刃数量，fs表示机床旋转频率。
[0094]
表3
[0095][0096]
[0097]
采用最小二乘算法拟合数据，获得二阶响应面模型各项系数，建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应面模型；
[0098]
铣削力二阶响应面模型：
[0099][0100][0101][0102]
表面粗糙度二阶响应面模型：
[0103][0104]
如图8所示，f
x
实验值均匀分布在预测直线上或者直线两侧，残差点较为均匀的分布在水平线两侧，说明f
x
二阶响应曲面模型具有很好的吻合度及准确性，且模型具有合理性。
[0105]
如图9所示，fy实验值均匀分布在预测直线上或者直线两侧，残差点较为均匀的分布在水平线两侧，说明fy二阶响应曲面模型具有很好的吻合度及准确性，且模型具有合理性。
[0106]
如图10所示，fz实验值均匀分布在预测直线上或者直线两侧，残差点较为均匀的分布在水平线两侧，说明fz二阶响应曲面模型具有很好的吻合度及准确性，且模型具有合理性。
[0107]
如图11所示，表面粗糙度sa实验值均匀分布在预测直线上或者直线两侧，残差点较均匀的分布在水平线两侧，说明表面粗糙度sa二阶响应曲面模型具有较好的吻合度及准确性，且模型具有合理性。
[0108]
基于gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应面模型，使用design-expert 软件，以面粗糙度最小为约束条件，并综合考虑铣削力最小化，通过optimization优化设计最优工艺参数组合。得到铣削力最小响应值组合为：f
x
＝27.75mn，fy＝68.18mn，fz＝167.87mn，并获得了表面粗糙度sa最小条件约束下的最优工艺参数组合为：n＝26000rpm，a
p
＝21.25μm， f＝0.02mm/min，l＝18mm。
[0109]
根据工艺参数：n＝26000rpm，a
p
＝21.25μm，f＝0.02mm/min，l＝18mm，开展gdp材料构件表面纵向尺寸0.5～20μm、横向尺寸50～200μm的微坑加工实验，微坑结构表面形貌如图 12所示，微坑结构表面粗糙度达到48nm，相对单因素实验未优化时的粗糙度结果降低最多达68％，说明本发明方法确定的工艺参数组合可以实现辉光放电聚合物表面纵向尺寸 0.5～20μm，横向尺寸50～200μm的微坑结构的高精度加工，进一步证明本发明方法的可行性。
[0110]
虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本发明领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

技术特征：

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工艺参数优化方法，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、选取多组对gdp材料构件微铣削加工铣削力与面粗糙度有较大影响的工艺参数为变量，开展单因素微铣削实验，根据实验结果，剖析微铣削加工时显著影响铣削力与面粗糙度的工艺参数及各工艺参数对铣削力及面粗糙度的影响规律，并确定各工艺参数的显著作用范围；s2、基于确定的各工艺参数的显著作用范围结果，采用响应曲面法-中心复合实验设计法，以各工艺参数为变量、以铣削力及面粗糙度为响应值设计实验方案，根据实验方案开展实验，测量实验方案中各组工艺参数加工过程中的铣削力及加工面的面粗糙度；采用最小二乘算法拟合数据，建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型；s3、基于gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型，以面粗糙度最小为约束条件，并综合考虑铣削力最小化，对工艺参数进行优化以确定最优工艺参数组合。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工艺参数优化方法，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a
p
、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工艺参数优化方法，其特征在于所述s1中，以面粗糙度最小为约束条件并综合考虑铣削力最小化，确定各工艺参数的显著作用范围。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工艺参数优化方法，其特征在于采用白光干涉仪测量加工结构的面粗糙度，通过商用铣削力测量系统采集加工过程的铣削力信号，并采用dyaware软件对测得的信号进行低通滤波处理滤除无关信号。5.根据权利要求4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工艺参数优化方法，其特征在于所述的低通滤波处理，选取低通频率为f
t
＝n
z
*f
s
，即式中，n表示主轴转速，n
z
表示刀具切削刃数量，f
s
表示机床旋转频率。6.根据权利要求2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工艺参数优化方法，其特征在于所述s2包括如下步骤：s21、基于确定的各工艺参数的显著作用范围结果，采用响应曲面法-中心复合实验设计法，以各加工工艺参数为中心复合设计因子，以铣削力和面粗糙度为响应值设计四因子五水平中心复合实验；由中心复合实验的旋转性和正交性确定中心复合实验的中心点、析因点和轴向点的个数，以此设计实验方案，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过程中的铣削力和加工后加工面的面粗糙度；s23、采用最小二乘法对测量的的铣削力与面粗糙度数据进行回归处理，以建立gdp材料构件表面微铣削铣削力及表面粗糙度二阶响应曲面模型。7.根据权利要求6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工艺参数优化方法，其特征在于所述s21中，拟建立gdp材料构件表面微铣削铣削力
及表面粗糙度二阶响应曲面模型的形式为：式中，y表示铣削力或表面粗糙度，x
i
，x
j
表示自变量，β
i
表示因素x
i
对应的一次项影响，β
ij
表示不同因素x
i
和x
j
之间的交互影响；β
ii
表示因素x
i
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。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工艺参数优化方法，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，分析所建立铣削力模型和表面粗糙度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返回s2调整响应曲面法的实验设计，增加试验次数，至模型达到较高的准确性和吻合度。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工艺参数优化方法，其特征在于所述s3完成后根据确定的最优工艺参数开展微铣削实验，将最优工艺参数组合下的实验结果与单因素实验结果作对比，验证最优工艺参数组合的准确性和可行性，若最优工艺参数组合下的实验结果较单因素实验结果具有较低的面粗糙度，则模型成立，反之则模型不可用。10.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工艺参数优化方法，其特征在于所述s2中建立gdp材料构件表面微铣削铣削力二阶响应曲面模型为：f
x
＝-97.07+0.0056n-2.692a
p-2783.895f+9.626l-0.0000563na
p
+0.01263nf-0.0004599nl-60.00832a
p
f+0.0008389a
p
l+126.673fl+0.21123a
p2
+13007.95f
2-0.057455l2f
y
＝212.56+0.014n+10.758a
p-330.008f-42.342l-0.000248na
p-0.072427nf-0.000265nl+10.795a
p
f+0.171a
p
l+68.208fl-0.15a
p2-411.115f
2-1.121l2f
z
＝-815.438+0.099n-24.35a
p-1589.118f-6.828l-0.00131na
p
+0.083nf+0.00176nl-175.11a
p
f+3.831a
p
l+171.208f*l-0.0232a
p2-28600.69f
2-2.716l2gdp材料构件表面微铣削表面粗糙度二阶响应曲面模型为：s
a
＝-5685.78+0.052n+48.91a
p-2445.83f+477.96l-0.00072n*a
p-0.0125n*f+0.002811n*l+16.67a
p
*f-0.6a
p
*l+412.5f*l-0.59a
p2-89791.67f
2-13.479l2。

技术总结

本发明提供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工艺参数优化方法，属于微铣削工艺参数优化技术领域。为解决现有技术对于辉光放电聚合物材料构件微铣削加工机理、工艺参数优化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，测量实验方案各组工艺参数加工过程中铣削力及加工后加工结构的面粗糙度；采用最小二乘算法拟合数据，建立GDP材料构件表面微铣削铣削力及表面粗糙度的二阶响应曲面模型，以面粗糙度最小为约束条件并综合考虑铣削力最小化，确定最优工艺参数组合。通过本发明方法构建的模型具有较高的准确性和可信度，有利于提高微结构加工精度。提高微结构加工精度。提高微结构加工精度。