阅读说明：本技术 盘铣刀加工参数优化方法及装置、电子设备及存储介质 (Disc milling cutter machining parameter optimization method and device, electronic equipment and storage medium ) 是由 姜广君 李华强 李琦 陈红霞 孙洪华 于 2020-05-11 设计创作，主要内容包括：本发明公开了一种盘铣刀加工参数优化方法及装置、电子设备及存储介质,优化方法包括根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型；设定参数包括主轴转速、每齿进给量和切削深度；获取不同设定参数条件下盘铣刀可靠性试验得到的对应刀具的切削力和材料去除率；根据切削力和材料去除率获取不同设定参数条件下盘铣刀可靠性试验刀具的灰色关联度；以刀具的灰色关联度为目标函数,以设定参数和刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型,并根据盘铣刀加工参数优化模型和刀具寿命模型获取盘铣刀的最优加工参数。通过本发明的技术方案,盘铣刀能够以较小切削力获得较大材料去除率的同时保证刀具寿命。(The invention discloses a method and a device for optimizing machining parameters of a disc milling cutter, electronic equipment and a storage medium, wherein the optimization method comprises the steps of establishing a cutter life model according to the service life of a cutter obtained by a disc milling cutter reliability test under different set parameter conditions; setting parameters including the rotating speed of a main shaft, the feed amount of each tooth and the cutting depth; obtaining cutting force and material removal rate of a corresponding cutter obtained by a disc milling cutter reliability test under different set parameter conditions; obtaining the grey correlation degree of the cutter for the reliability test of the disc milling cutter under different set parameter conditions according to the cutting force and the material removal rate; and establishing a disc milling cutter machining parameter optimization model by taking the grey correlation degree of the cutter as an objective function and taking the set parameters and the service life of the cutter as constraint conditions, and acquiring the optimal machining parameters of the disc milling cutter according to the disc milling cutter machining parameter optimization model and the cutter life model. By the technical scheme of the invention, the disc milling cutter can obtain a larger material removal rate with a smaller cutting force and simultaneously ensure the service life of the cutter.)

盘铣刀加工参数优化方法及装置、电子设备及存储介质

技术领域

本发明实施例涉及刀具技术领域，尤其涉及一种盘铣刀加工参数优化方法及装置、电子设备及存储介质。

背景技术

机械制造业是国民经济、社会发展及国防建设的物质基础，它是国民生产总值的重要组成部分，是国家综合实力的重要标志。随着机械制造业的发展，机械制造业存在市场需求动态多变、产品更新周期缩短、品种规格增多、批量减少和可持续发展等新特点。为适应这一新形势，高效率、高质量、高柔性、绿色化和信息化已成为机械制造业发展的必然趋势。

在机械制造业中，虽然各种先进的特种加工方法随着科技的进步不断涌现，但目前铣削加工仍然占据着不可或缺的地位，例如航空发动机的整体叶盘，目前应用较多的方法为多轴数控盘铣。然而在盘铣过程中，若加工参数选取不当，刀具往往会因为悬垂的长度过长而导致刀具刚度变差，可靠度降低，同时在镜像切削力的作用下，刀具会发生偏转和振动，导致加工质量降低。因此，着力于盘铣刀加工参数优化，提高切削加工的生产效率，降低生产成本，对机械制造业的快速发展有着十分重要的意义。

发明内容

有鉴于此，本发明提供一种盘铣刀加工参数优化方法及装置、电子设备及存储介质，能使盘铣刀在加工过程中以较小切削力获得较大材料去除率的同时保证刀具寿命，有利于提高加工效率和降低生产成本。

第一方面，本发明实施例提供了一种盘铣刀加工参数优化方法，包括：

根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型；其中，所述设定参数包括主轴转速、每齿进给量和切削深度；

获取不同设定参数条件下盘铣刀可靠性试验得到的对应所述刀具的切削力和材料去除率；

根据所述切削力和所述材料去除率获取不同设定参数条件下盘铣刀可靠性试验所述刀具的灰色关联度；

以所述刀具的灰色关联度为目标函数，以所述设定参数和所述刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型，并根据所述盘铣刀加工参数优化模型和所述刀具寿命模型获取盘铣刀的最优加工参数。

可选地，所述刀具寿命模型为：

其中，T为所述刀具的使用寿命，Γ代表伽马函数，Z＝-r₁lnv-r₂lnf-r₃lnd，v为主轴转速，f为每齿进给量，d为切削深度，β为形状参数，η为尺度参数，r₁、r₂、r₃为刀具寿命模型参数。

可选地，所述根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型，包括：

根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命，利用马尔科夫链蒙特卡洛方法处理刀具寿命的对数似然函数；

获取所述刀具寿命模型中的设定模型参数；

所述刀具寿命的对数似然函数为：

其中，L为所有刀具寿命概率密度的连乘积，n为进行的所述盘铣刀可靠性试验的次数，T_i和t_i分别为第i组所述盘铣刀可靠性试验设置的加工参数v_i、f_i、d_i对应的所述刀具的使用寿命和所述刀具的故障时间，i为正整数。

可选地，所述材料去除率为：

其中，b为盘铣刀宽度，N为盘铣刀数量，D为盘铣刀直径，v_i、f_i和d_i分别为第i组所述盘铣刀可靠性试验设置的主轴转速、每齿进给量和切削深度，Q_i为第i组所述盘铣刀可靠性试验设置的加工参数v_i、f_i、d_i对应的所述材料去除率，i为正整数。

可选地，根据所述切削力和所述材料去除率获取不同设定参数条件下盘铣刀可靠性试验所述刀具的灰色关联度，包括：

分别对所述切削力和所述材料去除率进行归一化处理，归一化的所述切削力和归一化的所述材料去除率分别为：

其中，F_i和Q_i分别为第i组所述盘铣刀可靠性试验得到的切削力和材料去除率，和分别为归一化的切削力和材料去除率，F₀＝min F_i，Q₀＝max Q_i，i为正整数；

分别获取所述切削力和所述材料去除率的灰色关联系数，所述切削力的灰色关联系数和所述材料去除率的灰色关联系数分别为：

其中，和分别为所述切削力的灰色关联系数和所述材料去除率的灰色关联系数，m_F＝minΔF_i，M_F＝maxΔF_i，m_Q＝minΔQ_i，M_Q＝maxΔQ_i，ξ为区分函数且ξ∈[0,1]；

获取所述刀具的灰色关联度，所述刀具的灰色关联度为：

其中，γ_i为第i组所述盘铣刀可靠性试验得到的所述刀具的灰色关联度，θ为权重系数，且θ∈[0,1]。

可选地，所述盘铣刀加工参数优化模型为：

maxγ＝g(v,f,d)

其中，v_min、v_max、f_min、f_max、d_min、d_max分别为主轴转速v、每齿进给量f和切削深度d对应的下限值和上限值，T_min、T_max为所述刀具的使用寿命的下限值和上限值，γ＝g(v,f,d)为所述盘铣刀可靠性试验得到的所述刀具的灰色关联度建立的灰色关联函数。

可选地，所述根据所述盘铣刀加工参数优化模型和所述刀具寿命模型获取盘铣刀的最优加工参数，包括：

采用径向基神经网络将不同设定参数条件下盘铣刀可靠性试验得到的所述刀具的灰色关联度拓展至连续区域，以获取所述盘铣刀加工参数优化模型的所述目标函数；

采用粒子群优化算法处理所述目标函数，以获取所述盘铣刀的最优加工参数；其中，所述最优加工参数包括最优主轴转速、最优每齿进给量和最优切削深度；

根据所述最优加工参数和所述刀具寿命模型获取所述刀具的优化使用寿命，并验证所述优化使用寿命是否处于T_min和T_max形成的区间范围。

第二方面，本发明实施例还提供了一种盘铣刀加工参数优化装置，包括：

寿命模型建立模块，用于根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型；其中，所述设定参数包括主轴转速、每齿进给量和切削深度；

刀具参数获取模块，用于获取不同设定参数条件下盘铣刀可靠性试验得到的对应所述刀具的切削力和材料去除率；

关联度获取模块，用于根据所述切削力和所述材料去除率获取不同设定参数条件下盘铣刀可靠性试验所述刀具的灰色关联度；

参数优化模块，用于以所述刀具的灰色关联度为目标函数，以所述设定参数和所述刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型，并根据所述盘铣刀加工参数优化模型和所述刀具寿命模型获取盘铣刀的最优加工参数。

第三方面，本发明实施例还提供了一种电子设备，包括处理器和存储器，所述处理器通过调用所述存储器存储的程序或指令，执行如第一方面所述的盘铣刀加工参数优化方法的步骤。

第四方面，本发明实施例还提供了一种存储介质，所述存储介质存储程序或指令，所述程序或指令使计算机执行如第一方面所述的盘铣刀加工参数优化方法的步骤。

本发明实施例提供了一种盘铣刀加工参数优化方法及装置、电子设备及存储介质，盘铣刀加工参数优化方法包括根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型；其中，设定参数包括主轴转速、每齿进给量和切削深度；获取不同设定参数条件下盘铣刀可靠性试验得到的对应刀具的切削力和材料去除率；根据切削力和材料去除率获取不同设定参数条件下盘铣刀可靠性试验刀具的灰色关联度；以刀具的灰色关联度为目标函数，以设定参数和刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型，并根据盘铣刀加工参数优化模型和刀具寿命模型获取盘铣刀的最优加工参数。这样，通过建立的盘铣刀加工参数优化模型确定盘铣刀的加工参数，能使盘铣刀在加工过程中以较小切削力获得较大材料去除率的同时保证刀具寿命，有利于提高加工效率和降低生产成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种盘铣刀加工参数优化方法的流程图；

图2为本发明实施例提供的一种盘铣刀加工参数优化装置的结构示意图；

图3为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种盘铣刀加工参数优化方法的流程图。盘铣刀加工参数优化方法可以应用在需要对盘铣刀的加工参数进行优化的场景，可以由本发明实施例所提供的盘铣刀加工参数优化装置来执行，该盘铣刀加工参数优化装置可以采用软件和/或硬件的方式来实现，该盘铣刀加工参数优化装置可以集成于能够对对盘铣刀的加工参数进行优化处理的后台服务器或服务器集群内。如图1所示，盘铣刀加工参数优化方法包括：

S110、根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型；其中，设定参数包括主轴转速、每齿进给量和切削深度。

具体地，设定参数可以包括主轴转速、每齿进给量和切削深度，主轴转速为刀具车床的主轴转速，每齿进给量对应进给速度，进给速度指单位时间内工件与铣刀沿进给方向的相对位移或者主轴旋转一周刀具的进给量，切削深度则与进给数成反比，在工艺系统刚性和机床功率允许的条件下，可选取较大的切削深度，以减少进给次数。使用不同的主轴转速、每齿进给量和切削深度对盘铣刀进行可靠性试验，获得对应试验情景下的刀具使用寿命，并根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型。

可选地，刀具寿命模型为：

其中，T为刀具的使用寿命，Γ代表伽马函数，v为主轴转速，f为每齿进给量，d为切削深度，Z＝-r₁lnv-r₂lnf-r₃lnd，β为形状参数，η为尺度参数，r₁、r₂、r₃为刀具寿命模型参数。具体地，Γ代表伽马函数，r₁、r₂、r₃为比例危险模型的回归系数，具体r₁为刀具切削速度的回归系数，r₂为刀具进给量的回归系数，r₃为刀具切削深度的回归系数，伽玛分布是统计学的一种连续概率函数，形状参数β决定其概率密度曲线的基本形状，尺度参数η起放大或者缩小概率密度曲线的作用，但是不影响密度曲线分布的形状。

可选地，根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型，可以根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命，利用马尔科夫链蒙特卡洛方法处理刀具寿命的对数似然函数，以获取刀具寿命模型中的设定模型参数。

刀具寿命的对数似然函数为：

其中，L为所有刀具寿命概率密度的连乘积，n为进行的盘铣刀可靠性试验的次数，T_i和t_i分别为第i组盘铣刀可靠性试验设置的加工参数v_i、f_i、d_i对应的刀具的使用寿命和刀具的故障时间，i为正整数。

具体地，使用不同的主轴转速、每齿进给量和切削深度对盘铣刀进行可靠性试验，获得对应试验情景下的刀具使用寿命，可靠性试验选取的加工参数及其所得的刀具寿命如表1所示。

表1刀具寿命数据

将试验得到的表1中的数据带入上述刀具寿命的对数似然函数，即将不同的T_i和Z_i＝-r₁lnv_i-r₂lnf_i-r₃lnd_i代入上述刀具寿命的对数似然函数，这样上述刀具寿命的似然函数中包含有五个参数λ、β、r₁、r₂和r₃，选用马尔科夫链蒙特卡洛方法求解刀具寿命模型中的设定模型参数，刀具寿命模型中的设定模型参数包括λ、β、r₁、r₂和r₃，所得结果如表2所示。

表2马尔科夫链蒙特卡洛方法分析结果

根据表2可以得出刀具寿命模型为：

S120、获取不同设定参数条件下盘铣刀可靠性试验得到的对应刀具的切削力和材料去除率。

具体地，测量不同的主轴转速、每齿进给量和切削深度对应的切削力大小，示例性地，使用不同的主轴转速、每齿进给量和切削深度对盘铣刀进行可靠性试验，切削力可以使用奇石乐测量仪测量得到，并可以计算相应的材料去除率和刀具寿命。

可选地，材料去除率为：

其中，b为盘铣刀宽度，N为盘铣刀数量，D为盘铣刀直径，v_i、f_i和d_i分别为第i组盘铣刀可靠性试验设置的主轴转速、每齿进给量和切削深度，Q_i为第i组盘铣刀可靠性试验设置的加工参数v_i、f_i、d_i对应的材料去除率，i为正整数。

具体地，使用不同的主轴转速、每齿进给量和切削深度对盘铣刀进行可靠性试验，试验得到的切削力、材料去除率和刀具寿命如表3所示。

表3试验测试数据

S130、根据切削力和材料去除率获取不同设定参数条件下盘铣刀可靠性试验刀具的灰色关联度。

具体地，根据切削力和材料去除率获取不同设定参数条件下盘铣刀可靠性试验刀具的灰色关联度，可以先分别对切削力和材料去除率进行归一化处理，归一化的切削力和归一化的材料去除率分别为：

其中，F_i和Q_i分别为第i组盘铣刀可靠性试验得到的切削力和材料去除率，和分别为归一化的切削力和材料去除率，F₀＝minF_i，Q₀＝maxQ_i，i为正整数，即本发明实施例对切削力采取最小化，材料去除率采取最大化。

然后分别获取切削力和材料去除率的灰色关联系数，切削力的灰色关联系数和材料去除率的灰色关联系数分别为：

其中，和分别为切削力的灰色关联系数和材料去除率的灰色关联系数，m_F＝minΔF_i，M_F＝maxΔF_i，m_Q＝minΔQ_i，M_Q＝maxΔQ_i，ξ为区分函数且ξ∈[0,1]，即ξ大于等于0，小于等于1。

最后获取刀具的灰色关联度，刀具的灰色关联度为：

其中，γ_i为第i组盘铣刀可靠性试验得到的刀具的灰色关联度，θ为权重系数，且θ∈[0,1]，即θ大于等于0，小于等于1。示例性地，可以选取区分函数ξ＝0.5，权重系数θ＝0.5，所得归一化数据、灰色关联系数和刀具的灰色关联度如表4所示。

表4归一化数据、灰色关联系数和刀具的灰色关联度

S140、以刀具的灰色关联度为目标函数，以设定参数和刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型，并根据盘铣刀加工参数优化模型和刀具寿命模型获取盘铣刀的最优加工参数。

可选地，盘铣刀加工参数优化模型为：

maxγ＝g(v,f,d)

其中，v_min、v_max、f_min、f_max、d_min、d_max分别为主轴转速v、每齿进给量f和切削深度d对应的下限值和上限值，T_min、T_max为刀具的使用寿命的下限值和上限值，γ＝g(v,f,d)为盘铣刀可靠性试验得到的刀具的灰色关联度建立的灰色关联函数，s.t.表示约束条件。

可选地，根据盘铣刀加工参数优化模型和刀具寿命模型获取盘铣刀的最优加工参数，可以先采用径向基神经网络将不同设定参数条件下盘铣刀可靠性试验得到的刀具的灰色关联度拓展至连续区域，以获取盘铣刀加工参数优化模型的目标函数，然后采用粒子群优化算法处理目标函数，以获取盘铣刀的最优加工参数，最优加工参数包括最优主轴转速、最优每齿进给量和最优切削深度，最后根据最优加工参数和刀具寿命模型获取刀具的优化使用寿命，并验证优化使用寿命是否处于T_min和T_max形成的区间范围。

本发明实施例中，所建立的刀具加工参数优化模型为：

maxγ＝g(v,f,d)

由于表4中的数据是使用公式在离散域内计算得到的，因此，可以采用径向基神经网络将其拓展至连续域内，得到优化模型目标函数γ＝g(v,f,d)。然后采用粒子群优化算法处理目标函数，以获取盘铣刀的最优加工参数，得到的最优加工参数为v＝70m/min、f＝0.075mm/tooth和d＝43mm，此时灰色关联度γ＝0.6828最大，且将上述最优加工参数v、f和d带入刀具寿命模型得到T＝44.17min，满足约束条件中对刀具的寿命的要求。

在盘铣刀铣削过程中，切削力和材料去除率影响加工的成本和加工效率，切削力过大会减少刀具寿命，切削力过小时影响材料去除率，导致加工效率低；另一方面，刀具寿命作为刀具可靠性评估时的一个重要指标，对其加工参数的选择至关重要。

本发明实施例针对当前盘铣刀加工参数难以选择而导致刀具寿命低、可靠性差、加工质量和效率低等问题，一方面从刀具可靠性试验入手，充分考虑主轴转速、每齿进给量、切削深度对刀具寿命的影响，建立刀具寿命模型，以此作为加工参数优化模型的约束条件。另一方面，考虑切削力和材料去除率对加工成本和加工效率的重要影响，运用灰色关联技术将切削力和材料去除率的多目标优化问题转换为灰色关联度值序列，建立加工参数优化模型的目标函数。这样，本发明实施例将切削力与材料去除率作为参数优化的目标，以刀具寿命作为优化约束条件之一建立盘铣刀加工参数优化模型，以此确定最优铣削方案，可以使盘铣刀在加工过程中选择合适的加工参数，从而以较小切削力获得较大材料去除率的同时保证刀具寿命，有效提高加工效率和降低生产成本。此外，本发明实施例也可拓展至其他刀具加工参数的选取，提高铣削加工效率，促进机械制造业发展。

本发明实施例还提供了一种盘铣刀加工参数优化装置，图2为本发明实施例提供的一种盘铣刀加工参数优化装置的结构示意图。如图2所示，盘铣刀加工参数优化装置包括：寿命模型建立模块210、刀具参数获取模块220、关联度获取模块230和参数优化模块240，寿命模型建立模块210用于根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型，设定参数包括主轴转速、每齿进给量和切削深度；刀具参数获取模块220用于获取不同设定参数条件下盘铣刀可靠性试验得到的对应刀具的切削力和材料去除率；关联度获取模块230用于根据切削力和材料去除率获取不同设定参数条件下盘铣刀可靠性试验刀具的灰色关联度；参数优化模块240用于以刀具的灰色关联度为目标函数，以设定参数和刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型，并根据盘铣刀加工参数优化模型和刀具寿命模型获取盘铣刀的最优加工参数。

本发明实施例提供的盘铣刀加工参数优化装置通过建立的盘铣刀加工参数优化模型确定盘铣刀的加工参数，能使盘铣刀在加工过程中以较小切削力获得较大材料去除率的同时保证刀具寿命，有利于提高加工效率和降低生产成本。

图3为本发明实施例提供的一种电子设备的结构示意图。如图3所示，该电子设备包括：至少一个处理器310、至少一个存储器320和至少一个通信接口330。电子设备中的各个组件通过总线系统340耦合在一起。通信接口330，用于与外部设备之间的信息传输。可理解，总线系统340用于实现这些组件之间的连接通信。总线系统340除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图3中将各种总线都标为总线系统340。

可以理解，本实施例中的存储器320可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。在一些实施方式中，存储器320存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例提供的盘铣刀加工参数优化方法的程序可以包含在应用程序中。

在本发明实施例中，处理器310通过调用存储器320存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器310用于执行本发明实施例提供的盘铣刀加工参数优化方法各实施例的步骤。

本申请实施例提供的盘铣刀加工参数优化方法可以应用于处理器310中，或者由处理器310实现。处理器310可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器310中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器310可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本发明实施例提供的盘铣刀加工参数优化方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器320，处理器310读取存储器320中的信息，结合其硬件完成方法的步骤。

该电子设备还可以包括一个实体部件，或者多个实体部件，以根据处理器310在执行本申请实施例提供的盘铣刀加工参数优化方法时生成的指令，实现对盘铣刀加工参数的控制。各个实体部件与处理器310和存储器320共同配合实现本实施例中电子设备的功能。

本发明实施例还提供一种存储介质，例如计算机可读存储介质，存储介质存储程序或指令，该程序或指令使计算机执行行时用于执行一种盘铣刀加工参数优化方法，该方法包括：

根据不同设定参数条件下盘铣刀可靠性试验得到的刀具的使用寿命建立刀具寿命模型；其中，设定参数包括主轴转速、每齿进给量和切削深度；

获取不同设定参数条件下盘铣刀可靠性试验得到的对应刀具的切削力和材料去除率；

根据切削力和材料去除率获取不同设定参数条件下盘铣刀可靠性试验刀具的灰色关联度；

以刀具的灰色关联度为目标函数，以设定参数和刀具的使用寿命为约束条件建立盘铣刀加工参数优化模型，并根据盘铣刀加工参数优化模型和刀具寿命模型获取盘铣刀的最优加工参数。

可选地，该计算机可执行指令在由计算机处理器执行时还可以用于执行本申请任意实施例所提供的盘铣刀加工参数优化方法的技术方案。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。

本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。