回归分析在超精密加工表面粗糙度预测中的应用

回归分析在超精密加工表面粗糙度预测中的应用

杨晓东

杨晓东YANGXiao-dong

（黑龙江科技大学，哈尔滨150022）

（HeilongjiangUniversityofScience&Technology，Harbin150022，China）

摘要：由于采用传统的研磨和抛光方法很难将KDP这样的软脆单晶材料加工出超光滑的表面，因此，国内外目前多采用单点金刚石切削的方式。为了实现切削参数优选以及达到加工前对加工表面质量进行预测和控制的目的，本文除了采用回归分析的方法建立了KDP晶体超精密切削加工表面粗糙度的预测模型外，还通过优化设计软件对模型切削参数进行了优化。经过实验结果表明，采用回归分析方法建立的KDP晶体超精密切削加工表面粗糙度的预测模型是可靠有效的。

Abstract:ItisdifficulttoworkoutsupersmoothsurfaceforsoftbrittlecrystalmaterialslikeKDPwithtraditionalgrindingandpolishingmethods,sosinglepointdiamondcuttingmethodiscommonlyusedathomeandabroad.Inordertorealizetheoptimizationofcuttingparametersandmachiningsurfacequalitypredictionandcontroltoachievethepurposeofprocessing,inadditiontoaKDPcrystalinultraprecisionmachinedsurfaceroughnesspredictionmodelbyregressionanalysismethod,theoptimizationdesignsoftwaretooptimizethecuttingparametersmodel.Theexperimentalresultsshowthat,byusingtheregressionanalysismethodtoestablishKDPcrystalultraprecisionmachinedsurfaceroughnesspredictionmodelisreliableandeffective.

关键词：回归分析；表面粗糙度；超精密加工；预测模型

Keywords:regressionanalysis；surfaceroughness；ultra-precisionmachining；predictionmode

中图分类号：TH161文献标识码院A文章编号院1006-4311（2014）24-0034-02

0引言

由于在对KDP这样的软脆单晶材料进行研磨和抛光的加工过程中能够十分便捷的嵌入晶体，但是却很难采用精密抛光的方法从晶体表面去除杂质，并且亚表层在抛光的过程中很容易造成损伤，这些杂质或缺陷成为零件激光损伤的来源并且这对高功率激光的应用是不能够忍受的，因此，要想采用传统的研磨和抛光方法将KDP晶体加工出超光滑表面具有一定的难度。目前，对此类零件进行加工的时候，国内外普遍采用单点金刚石切削（SPDT）的方式。由于采用“飞刀”的切削方式容易在加工表面形成刀痕而在晶体透射波前增加小尺度的周期扰动。本次实验将重点研究已加工表面粗糙度受到切削速度（转数）、背吃刀量以及进给量（进刀速度）等切削用量的影响。

1因素水平编码表的编制

因子xj（j=1，2，3）为坐标轴构成的空间称为因子空间。在因子空间寻找能够使表面粗糙度达到最小值的最优解即寻找最优化切削条件。本文采用了三因素二次回归通用旋转组合设计，表1为各个因素的水平编码。对独立变量z1、z2、z3进行线性变换后，就建立起了n、f、ap与z1、z2、z3取值的一一对应关系。

3切削参数的优选及实验验证

由于采用解析法和通过大量实现来寻找表面粗糙度这一目标函数最小切削参数的最佳组合既麻烦又不现实，因此，我们利用了MATLAB优化软件这个工具。由于在优化KDP晶体超细精密加工表面粗糙度预测模型的时候，利用MATLAB优化软件不需要考虑加工效率，而只需要考虑约束条件，因此能够迅速得到切削参数的最佳组合。经计算优选出的切削参数为：n=390r/min，f=10滋m/r，ap=32滋m。此时求得的KDP晶体超精密加工表面粗糙度最优值为Ra=8.5611nm。

在上述条件下进行加工的表面实际测量值Ra=7.37nm。从测量值和预测值的一致性我们可以认为建立的预测模式是可靠有效的。

4结论

由于本文采用回归分析法建立的预测模型能够通过较少的实验获得大量的信息，因此具有较高的数学模型效率。此外，对于模型的切削参数还可以利用优化软件进行优化。但是，在对加工表面粗糙度进行测量的时候，建立的预测模型受到随机误差的影响也会产生一定的误差，因此，为了解决这个问题，除了在测量表面粗糙度的时候使用分辨率较高的仪器外，还对每个观测值经过多次测量后经平均求得。

参考文献：

[1]杨福兴.激光核聚变光学元件超精密加工技术研究[J].光学技术，2003，29（6）:649-651.

[2]杨福兴.KDP晶体超精密加工技术的研究[J].制造技术与机床，2003（9）：63-65.

[3]张文生，张飞虎，等.光学脆性材料的金刚石切削加工[J].光学精密工程，2003，11（2）：139-143.

[4]姜启源.数学模型[M].高等教育出版社，2003.