高速立铣3Cr2Mo模具钢切削力建模及预测

山东大学学报(工学版)

• 论文 • 下一篇

高速立铣3Cr2Mo模具钢切削力建模及预测

王素玉^1,2，艾兴¹，赵军¹，李作丽³，刘增文¹

1. 山东大学机械工程学院，山东济南250061；2. 山东科技大学机械电子工程学院，山东青岛266510；3. 山东英才职业技术学院理工学院，山东济南250104

收稿日期:2005-04-28 修回日期:1900-01-01 出版日期:2006-02-24 发布日期:2006-02-24
通讯作者: 王素玉

Milling force prediction model for highspeed end milling 3Cr2Mo steel

WANG Su-yu^{1,2<\sup>,AI Xing^{1<\sup>,ZHAO Jun^{1<\sup>,LI Zuo-li^{3<\sup>,LIU Zeng-wen^1<\sup>}}}}

1.School of Mechanical Engineering,Shandong University;2.College of MechanoElectronic Engineering,Shandong University of Science and Technology;3.Institute of Technology,Shandong Yingcai Vocational Technology College

Received:2005-04-28 Revised:1900-01-01 Online:2006-02-24 Published:2006-02-24
Contact: WANG Su-yu

摘要/Abstract

摘要： 在五轴高速数控加工中心上，采用多因素正交试验法对3Cr2Mo塑料模具钢进行了高速铣削试验.基于概率统计和回归分析原理，建立了3Cr2Mo的铣削力预测模型，分别对回归方程和回归系数进行了显著性检验，并用实例对预测模型的精度进行了分析.通过正交试验直观图，可以看出铣削参数对铣削力的影响规律.为合理选择铣削参数提供了可靠的依据.

关键词: 切削力, 高速铣削, 多元线性回归分析, 预测模型

Abstract: Milling force prediction model for highspeed end milling 3Cr2Mo steel

Key words: highspeed end milling, multiplelinearregression analysis, predictive model , milling force

中图分类号:

TG711

王素玉,艾兴,赵军,李作丽,刘增文 . 高速立铣3Cr2Mo模具钢切削力建模及预测[J]. 山东大学学报(工学版), 2006, 36(1): 1-5 .

WANG Su-yu,<\sup>,AI Xing<\sup>,ZHAO Jun<\sup>,LI Zuo-li<\sup>,LIU Zeng-wen<\sup> . Milling force prediction model for highspeed end milling 3Cr2Mo steel[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2006, 36(1): 1-5 .

参考文献

相关文章 5

[1]	谢国辉,樊昊. 太阳能光热发电技术成熟度预测模型[J]. 山东大学学报(工学版), 2017, 47(6): 83-88.
[2]	何正义,曾宪华,曲省卫,吴治龙. 基于集成深度学习的时间序列预测模型[J]. 山东大学学报(工学版), 2016, 46(6): 40-47.
[3]	施珺,朱敏. 一种基于灰色系统和支持向量机的预测优化模型[J]. 山东大学学报(工学版), 2012, 42(5): 7-11.
[4]	朱全银1,严云洋1,周培1,谷天峰2. 一种线性插补与自适应滑动窗口价格预测模型[J]. 山东大学学报(工学版), 2012, 42(5): 53-58.
[5]	周军1,2,李剑峰1,2,孙杰1,2. 微切削加工Al7050-T7451过程切屑形貌及尺度效应研究[J]. 山东大学学报(工学版), 2010, 40(3): 148-153.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

高速立铣3Cr2Mo模具钢切削力建模及预测

Milling force prediction model for highspeed end milling 3Cr2Mo steel

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 5

多维度评价

本文评价

推荐阅读 0