基于经验的计算机辅助切削用量计算模型及系统

    2.2 数据库模型

    原始数据难以被计算机识别和操作，因此，必须将其进行汇集、存储、综合、推导，从这些原始、杂乱的数据中抽取出新的可作为使用的数据。该切削用量查询系统数据库设计步骤是:先采集基础数据，将采集到的数据进行整理汇总成表，见表1，最后将各个数据表采用关系模型建成数据库。各行业、各企业可以根据经验和生产实际修正各参数，获得企业适用的数据。

3 基于经验的计算机辅助切削用最计算系统

    3.1功能

    (1)支持网络化设计:可以实现数据在异构分布环境下的交换与共享。满足数据积累与快速复用的要求。

    (2)数据维护与数据安全:本系统利用SQL sever作为后端数据库，具有强大的数据维护、数据安全与数据存储功能。

    (3)所需的切削用量的检索和计算功能，用户可以根据零件加工的工序、工步、机床、刀具、材料以及一些重要参数检索并计算出对应的机床和刀具所需的合理的切削用量。

    (4)该切削用量计算系统既可以单独运行，也可以集成到CAPP系统中，具有很好的独立性和集成性。

    3.2 开发环境

    本次系统开发采用Windows XP作为开发环境，选择Delphi6.0为开发的宿主语言，开发相应的人机界面，SQLsever 作为信息存储的数据库。前端开发工具用来设计输人和查询界面，用户通过这个界面输入数据，再由前端程序传给后端的数据库引擎将数据存储在数据库。当用户要查询数据时，前端程序将查询命令传给后端的数据库执行，前端程序则等待接受数据结果然后再将结果显示在界面上。

    3.3关键技术

    在设计和建立数据库的基表时，最突出的问题就是数据的冗余。以上设计的数据结构基本上可以满足查询的要求，但要查询一个Fmax，必须由工序、工步、机床三个条件来唯一确定。在以上的设计中，工序有70种，工步有386种，机床有35种，因此，如果不进行任何处理的G-D-B关系表中共有70x386x35=945700个记录。

    而在现实中每个工序只有对应几个特定的工步，每个工步所使用的机床也是有限的，因此实际存在有用的记录远小于945700个。同时原始数据对机床进行了分类，但这种分类方法并不能满足系统查询的要求。于是根据CAPP的成组技术将加工类型相似的工序合并分为三类，由此得出Fmax选择的三种调用法则。每一个法则定义为数据库中的一个表。在工序的属性中加人调用规则这一属性，而在G-D-B表中去掉工序这一属性。经过对数据库表进行优化处理，在系统查询Fmax时，先由工序代号查出其对应的调用法则，再由调用法则调用相应的表，然后根据机床及工步查询并计算出切削用量。这样，G-D-B的记录数目就减少到630个。其它表的建立可以采用以上类似的方法，减少数据的冗余度，从而更快更好的完成查询。

4 结论

    本文通过对基于特殊目标函数的切削用量模型，基于人工神经网络模型和绿色制造模型研究分析发现，在实际中生产中没有一个模型是可以完全实现所有优化目标的，只有根据实际生产和公司要求的不同，建立相应适合产品和企业的优化模型。基于经验的计算机辅助切削用量计算模型和系统是根据生产经验和实际生产数据建立的。该模型使用于污染不严重，产品品种变化不大的中小企业。

    该系统易于建立，方便操作，能够继承企业原有的生产经验。同时该系统有友好的界面，强大的查询功能，方便的修改功能等。在己构建的系统中，提供了与CAPP系统集成的接口，使其能够以插件的形式无缝地集成到CAPP系统中。所以该系统既可以单独使用，也可以做到与CAPP系统的无缝集成。