（南京航空航天大學(xué)機電學(xué)院，南京 210016）

壓氣機機匣零件作為航空發(fā)動機典型零件，因其結(jié)構(gòu)復(fù)雜、工件材料難加工等因素導(dǎo)致在實際加工中切削刀具的快速磨損以及加工表面粗糙度難以滿足實際加工要求[1]。合理的刀具選擇方案不僅可以提高壓氣機機匣零件的加工效率，而且可以保證其加工質(zhì)量的穩(wěn)定性。

自1964年世界上第一個切削數(shù)據(jù)庫AFMDC誕生以來，經(jīng)過近半個世紀(jì)的發(fā)展，全世界已建立了30多個金屬切削數(shù)據(jù)庫，并且在航空零件制造方面的應(yīng)用越來越廣泛。例如針對航空零件典型難加工材料與工藝所建立的切削數(shù)據(jù)庫系統(tǒng)[2-3]。同時為了提高切削刀具利用率、降低零件加工成本，人們在切削數(shù)據(jù)庫的基礎(chǔ)上對刀具選擇方式進行了大量研究并開發(fā)了一系列刀具選擇系統(tǒng)。如文獻[4]通過采用規(guī)則推理方式，為多工序車削選擇合適的車削刀片。文獻[5]通過采用計算相似度的實例推理方法，實現(xiàn)了切削刀具的選配。文獻[6]通過實例推理與規(guī)則推理方式實現(xiàn)高速銑削刀具的選擇。文獻[7]采用模糊推理技術(shù)，實現(xiàn)淬硬鋼銑削刀具的選擇等。然而，以往的刀具選擇系統(tǒng)類似于刀具電子手冊，只輸出滿足用戶要求的一系列刀具，并未綜合考慮到零件材料及其零件結(jié)構(gòu)特征對所選刀具的加工性要求，如推薦刀具應(yīng)用時的耐用度、加工表面粗糙度、金屬去除率等。

此外，影響刀具切削性能的因素很復(fù)雜，而且各因素之間通常還存在著相互作用，因而難以定量地去評價刀具的切削性能。層次分析法作為一種定量分析和定性分析相結(jié)合的決策方法，可以有效確定各評價指標(biāo)的重要性及其權(quán)重，通過加權(quán)平均方法建立刀具評價標(biāo)準(zhǔn)，能夠解決針對壓氣機機匣特征的刀具性能綜合評判問題[8]。除此之外，人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有高度非線性擬合能力，能夠解決刀具耐用度、表面粗糙度及其影響因素間的非線性問題，目前已廣泛應(yīng)用于解決刀具耐用度以及表面粗糙度預(yù)測問題[9-10]，該方法可集成于刀具選擇系統(tǒng)，預(yù)測結(jié)果可以作為刀具性能評判的評判指標(biāo)量值指導(dǎo)刀具選擇過程。

為此，本文針對壓氣機機匣零件切削加工特點，對系統(tǒng)需求進行分析，以提高材料去除率、刀具耐用度、加工表面粗糙度為目標(biāo)，在壓氣機機匣切削數(shù)據(jù)庫與大量刀具選配規(guī)則的基礎(chǔ)上，設(shè)計開發(fā)出了壓氣機機匣零件切削刀具配置專家系統(tǒng)，該系統(tǒng)包括刀具耐用度及加工表面粗糙度預(yù)測和刀具優(yōu)化配置兩個主要功能模塊，最終通過實例，對系統(tǒng)的運行進行了驗證。

系統(tǒng)需求分析

隨著發(fā)動機性能的改進與提高，壓氣機機匣零件加工特征與機匣零件材料也發(fā)生了很大變化。如圖1所示，其加工過程涵蓋了車、銑、鉆等多種復(fù)雜加工方式，每種加工方式下又包含多種加工特征，因此壓氣機機匣零件的制造難度越來越大。壓氣機機匣零件不僅設(shè)計結(jié)構(gòu)復(fù)雜，而且多采用鈦合金、鎳基高溫合金等具有高強度、高硬度、高韌性等特性的難加工材料作為零件材料，以傳統(tǒng)切削加工方式加工這類材料時，由于刀具與工件之間的相互作用產(chǎn)生嚴(yán)重的工件塑性變形以及刀具、工件接觸區(qū)的強烈摩擦，從而導(dǎo)致刀具的劇烈磨損及表面質(zhì)量難以保證等問題。

通過以上分析，目前壓氣機機匣加工面臨的問題主要體現(xiàn)在以下幾個方面：

（1）加工效率難以保證。

（2）加工表面完整性，特別是加工表面粗糙度難以保證。

（3）切削刀具的刀具耐用度難以保證。

在壓氣機機匣零件的切削加工中，選擇合適的切削刀具，不僅能提高加工效率，還能延長刀具的使用壽命，提升刀具加工質(zhì)量穩(wěn)定性。為了解決壓氣機機匣零件特征加工過程中刀具選擇問題，同時滿足所選刀具對材料去除率、刀具耐用度、加工表面粗糙度的要求，亟需開發(fā)出一種以材料去除率、刀具耐用度、加工表面粗糙度為參考的壓氣機機匣零件切削刀具配置專家系統(tǒng)。

根據(jù)系統(tǒng)需求，將系統(tǒng)分為3個功能模塊，模塊對應(yīng)系統(tǒng)需求及技術(shù)指標(biāo)如下：

圖1 機匣零件加工特征Fig.1 Machining feature of casing parts

（1）刀具耐用度及加工表面粗糙度預(yù)測模塊。

模塊的對應(yīng)系統(tǒng)需求：能夠存儲和充分利用實際加工數(shù)據(jù)（如刀具耐用度、表面粗糙度）來進行加工結(jié)果預(yù)測。

模塊對應(yīng)的技術(shù)指標(biāo)：刀具耐用度、表面粗糙度預(yù)測值與實際值誤差在10%以內(nèi)。

（2）刀具優(yōu)化配置模塊。

模塊對應(yīng)系統(tǒng)需求：能夠存儲和充分利用壓氣機機匣零件加工中所積累的刀具選擇的經(jīng)驗知識，并且使所選取的刀具滿足實際加工需求（刀具耐用度、表面粗糙度）。

模塊對應(yīng)技術(shù)指標(biāo)：能夠以不同的刀具選擇策略快速、準(zhǔn)確地輸出滿足用戶需要的切削刀具。

（3）數(shù)據(jù)管理模塊。

模塊對應(yīng)的系統(tǒng)需求：能夠?qū)崿F(xiàn)刀具信息、刀具規(guī)則、預(yù)測數(shù)據(jù)等數(shù)據(jù)信息的管理。

模塊對應(yīng)的技術(shù)指標(biāo)：能夠?qū)崿F(xiàn)對數(shù)據(jù)的查詢、添加、刪除、修改等操作。

通過需求分析確定壓氣機機匣零件切削刀具配置專家系統(tǒng)應(yīng)包括刀具耐用度及加工表面粗糙度預(yù)測和刀具優(yōu)化配置兩個功能模塊，以及為功能模塊提供數(shù)據(jù)支持的數(shù)據(jù)管理模塊。

系統(tǒng)總體設(shè)計

1 系統(tǒng)邏輯結(jié)構(gòu)

通常刀具選擇系統(tǒng)只具有刀具的選擇功能，考慮到壓氣機機匣零件加工過程中對刀具耐用度、表面粗糙度和材料去除率的要求，首先對以往切削數(shù)據(jù)以及刀具選擇規(guī)則進行采集，以此為基礎(chǔ)建立壓氣機機匣零件切削刀具配置專家系統(tǒng)。為了解決系統(tǒng)的可擴展性以及可維護性，用當(dāng)今軟件普遍采用的層次結(jié)構(gòu)來設(shè)計本系統(tǒng)。將系統(tǒng)分為3層結(jié)構(gòu)，即應(yīng)用層、邏輯層和數(shù)據(jù)層，如圖2所示，分別介紹如下。

應(yīng)用層即用戶界面層，采用B/S結(jié)構(gòu)來開發(fā)壓氣機機匣零件切削刀具配置專家系統(tǒng)，用戶在任何地方只需根據(jù)管理員分配的用戶名和密碼在客戶端瀏覽器上輸入系統(tǒng)首頁的網(wǎng)址即可完成與服務(wù)器的數(shù)據(jù)通信，進而應(yīng)用該刀具配置專家系統(tǒng)進行刀具的選擇。此外，應(yīng)用層還包括對用戶角色權(quán)限的管理。

邏輯層是系統(tǒng)的核心層，它一方面通過引入MLAPP.dll動態(tài)鏈接庫調(diào)用Matlab引擎，實現(xiàn)與Matlab的無縫集成，并且從數(shù)據(jù)層獲取數(shù)據(jù)，實現(xiàn)基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測功能和刀具選擇推理功能；另一方面，它能通過CLIPS.dll動態(tài)鏈接庫實現(xiàn)與CLIPS專家系統(tǒng)進行鏈接，實現(xiàn)規(guī)則推理功能[11]。此外，為了保證系統(tǒng)安全性、可控性，執(zhí)行運行監(jiān)測、系統(tǒng)幫助以及數(shù)據(jù)維護等功能。邏輯層的主要功能包括刀具的選擇、刀具耐用度以及加工表面粗糙度的預(yù)測、刀具性能評判、基礎(chǔ)數(shù)據(jù)的添加、刪除、修改、查詢等功能。

數(shù)據(jù)層主要管理基本數(shù)據(jù)、刀具選擇規(guī)則及實際加工過程中的預(yù)測數(shù)據(jù)并與邏輯層進行交互。邏輯層的計算生成數(shù)據(jù)存入數(shù)據(jù)層；數(shù)據(jù)層為邏輯層的運算提供基本數(shù)據(jù)。

2 系統(tǒng)總體流程

系統(tǒng)主要包括加工結(jié)果預(yù)測及刀具優(yōu)化選擇兩個功能模塊。首先，由用戶輸入加工條件以及加工信息，依據(jù)規(guī)則庫中相關(guān)的規(guī)則選出滿足加工特征要求的一系列刀具。根據(jù)用戶選擇的相應(yīng)刀具優(yōu)化策略來確定預(yù)測變量。然后，預(yù)測模塊利用最終給定的預(yù)測變量，調(diào)用數(shù)據(jù)庫中數(shù)據(jù)，建立預(yù)測數(shù)學(xué)模型，估計加工性能，例如刀具耐用度、加工表面粗糙度等指標(biāo)。本系統(tǒng)軟件流程如圖3所示，由用戶輸入相應(yīng)的加工信息后開始運行。在確定了預(yù)測變量后，預(yù)測模塊開始工作，根據(jù)預(yù)測變量的最終結(jié)果，根據(jù)相應(yīng)的優(yōu)化策略對刀具組中的刀具進行優(yōu)化排序，選取最適合該加工特征的刀具。用戶可以選擇3種刀具優(yōu)化策略：最長刀具耐用度、最佳加工表面粗糙度和綜合因素選擇策略。

圖2 系統(tǒng)結(jié)構(gòu)模型Fig.2 Structure of system

圖3 系統(tǒng)流程Fig.3 Flow chart of system

系統(tǒng)關(guān)鍵功能模塊設(shè)計

1 刀具耐用度及加工表面粗糙度預(yù)測模塊

刀具耐用度及加工表面粗糙度預(yù)測模型的建立是刀具優(yōu)化配置模塊中對所選刀具進行優(yōu)化排序的基礎(chǔ)。由于影響壓氣機機匣零件加工刀具耐用度與表面粗糙度的變量很多，歸納起來可以分為4個方面：刀具材料、工件材料、刀具幾何參數(shù)以及切削參數(shù)。

傳統(tǒng)的通過構(gòu)建數(shù)學(xué)經(jīng)驗公式的方法實現(xiàn)加工結(jié)果的預(yù)測功能需要大量的數(shù)據(jù)支持。選用具有高度非線性擬合能力的BP神經(jīng)網(wǎng)絡(luò)，并通過遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值與閥值以解決BP神經(jīng)網(wǎng)絡(luò)的收斂速度慢、容易陷入局部最小值等問題，即構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò)作為網(wǎng)絡(luò)訓(xùn)練模型。根據(jù)用戶輸入的刀具信息，查找預(yù)測數(shù)據(jù)庫中滿足條件的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，通過MLAPP.dll動態(tài)鏈接庫實現(xiàn)數(shù)據(jù)接口的鏈接，在服務(wù)器端調(diào)用MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱及遺傳算法工具箱，對數(shù)據(jù)進行網(wǎng)絡(luò)訓(xùn)練，實現(xiàn)刀具耐用度與加工表面粗糙度的預(yù)測功能。此外，通過對實際生產(chǎn)數(shù)據(jù)的收集，訓(xùn)練數(shù)據(jù)會更加豐富，從而使得所建立的神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有更高的擬合度，預(yù)測結(jié)果更加接近生產(chǎn)過程中的真實值。加工結(jié)果預(yù)測模塊實現(xiàn)流程如圖4所示。

2 刀具優(yōu)化配置模塊

傳統(tǒng)開發(fā)的刀具選擇數(shù)據(jù)庫從根本上只能說是電子手冊，通過這種方式查詢刀具準(zhǔn)確度和效率都很低，基于規(guī)則的推理技術(shù)（Rule-Based Reasoning, RBR）類似于人類的思考方式，具有易推理的優(yōu)點。

其一般形式為：IF 前提 THEN結(jié)論。

通常壓氣機機匣加工過程中，首先需要知道機匣工件材料、機匣加工特征、加工條件、加工精度等，即為條件，然后根據(jù)以上條件進行刀具選擇，即為結(jié)論?？梢酝ㄟ^邏輯運算符AND或OR組成的表達式，將加工信息組合在一起，提高推理效率。例如，在銑削方式下實心材料孔特征加工中的刀具選擇規(guī)則可以是：

IF 加工特征=實心材料孔 AND工件材料=TC4 AND 加工條件=良好 AND 加工精度=精加工。

THEN刀具型號= “CoroMill210”O(jiān)R “CoroMill490”。

在系統(tǒng)中，刀具選擇規(guī)則可以存儲在規(guī)則數(shù)據(jù)庫中，CLIPS專家系統(tǒng)可以作為推理機進行規(guī)則推理，實現(xiàn)刀具選擇過程。

規(guī)則推理方式能夠選出滿足加工要求的一系列刀具，但并未考慮到用戶對刀具加工性能的需求，包括刀具耐用度、加工表面粗糙度、材料去除率等，因此在刀具選擇系統(tǒng)中加入刀具性能優(yōu)劣分析是必要的。由于機匣加工中，加工刀具的性能通常受到很多因素的共同影響，無法根據(jù)一個因素單獨作為刀具性能優(yōu)劣的評判標(biāo)準(zhǔn)。

圖4 預(yù)測模塊實現(xiàn)流程Fig.4 Flow of prediction module

表1 各評判指標(biāo)權(quán)重值

除此之外，壓氣機機匣零件在粗加工過程中在保證加工效率的基礎(chǔ)上兼顧刀具耐用度，而對加工表面質(zhì)量要求不高。精加工過程要保證零件的加工質(zhì)量達到規(guī)定要求的同時兼顧刀具耐用度，而不考慮材料去除率。因此，在精加工時著重考慮加工質(zhì)量并兼顧刀具壽命，以加工表面粗糙度和刀具耐用度作為精加工刀具性能的評判指標(biāo)[12]。針對機匣零件粗、精加工的不同特點采用層次分析法中的10/10～18/2標(biāo)度方法，分別建立粗、精加工壓氣機機匣零件切削刀具評判標(biāo)準(zhǔn)[13]。使用該方法最終確定的各評判指標(biāo)權(quán)重如表1所示。

根據(jù)以上指標(biāo)權(quán)重，通過加權(quán)平均法建立刀具性能綜合評價模型。刀具性能評價值C得計算公式為：

式中，ω1，ω2為評判指標(biāo)1與評判指標(biāo)2所對應(yīng)的權(quán)重系數(shù)；ai，bi為第i把刀具所對應(yīng)的評判指標(biāo)1與評判指標(biāo)2的值。

上式中，對每把刀具評判指標(biāo)值除以第一把刀具所對應(yīng)的評判指標(biāo)值，是為了消除不同評判指標(biāo)間單位差異的影響。

此外，刀具耐用度與金屬去除率值越高，證明刀具對應(yīng)的性能越好，而表面粗糙度值越低，證明刀具加工質(zhì)量性能越好。因此，當(dāng)評判指標(biāo)為加工質(zhì)量（表面粗糙度）時，以其真實值的負(fù)值作為評判指標(biāo)的標(biāo)量值。通過上述方法建立刀具性能綜合評判標(biāo)準(zhǔn)。

本系統(tǒng)結(jié)合壓氣機機匣零件加工特點以及實際生產(chǎn)中對刀具的不同需求，確定3種刀具優(yōu)選策略，包括：

（1）根據(jù)刀具耐用度預(yù)測值進行排序。

（2）根據(jù)表面粗糙度預(yù)測值進行排序。

（3）根據(jù)綜合評判標(biāo)準(zhǔn)進行排序。

根據(jù)用戶選擇的相應(yīng)刀具優(yōu)化策略來確定預(yù)測變量，預(yù)測模塊利用最終給定的預(yù)測變量，調(diào)用數(shù)據(jù)庫中的數(shù)據(jù)，獲得評價指標(biāo)預(yù)測值作為評價指標(biāo)標(biāo)量值，通過計算對比，進而對刀具進行優(yōu)化排序。

系統(tǒng)刀具選擇實例

壓氣機機匣零件切削刀具配置專家系統(tǒng)采用C#作為開發(fā)語言，數(shù)據(jù)庫使用SQL Server2010，在Windows系統(tǒng)環(huán)境下的Internet瀏覽器上運行的為具體系統(tǒng)的運行實例，如圖5所示。

以實心材料孔加工特征為例，假設(shè)輸入采用以下參數(shù)：

（1）設(shè)置加工信息：包括加工特征基本尺寸，設(shè)置切削時間為60min、刀具耐用度為30min以及加工表面粗糙度6.3μm，選擇工件材料為TC4鈦合金，設(shè)置機床夾具和工作系統(tǒng)的穩(wěn)定性為良好，加工精度選擇精加工。通過以上設(shè)置，系統(tǒng)通過計算確定加工初始切削參數(shù)及加工要求。

圖5 系統(tǒng)運行實例Fig.5 Application case of system

表2 所選刀具預(yù)測值及綜合評判結(jié)果

（2）設(shè)置刀具優(yōu)化選擇策略：根據(jù)綜合評判標(biāo)準(zhǔn)進行排序作為刀具選擇策略。點擊搜索刀具按鈕，系統(tǒng)會根據(jù)輸入信息，基于前述刀具優(yōu)化選擇方式，匹配規(guī)則庫中的規(guī)則，輸出滿足要求的刀具，調(diào)用加工結(jié)果預(yù)測模塊，對評價指標(biāo)進行預(yù)測，根據(jù)所選優(yōu)化策略進行刀具選擇優(yōu)化，其結(jié)果如圖5所示。

按照刀具評價順序輸出滿足加工要求的刀具包括CoroMill490和CoroMill210兩把刀具，同時輸出兩把刀具耐用度預(yù)測值分別為：89.40min和41.32min，兩把刀具的加工表面粗糙度Ra預(yù)測值分別為：3.614μm和2.253μm。將預(yù)測數(shù)值帶入公式（1）中，分別對兩把刀具進行刀具性能綜合評價，其結(jié)果如表2所示。

由 于CCoroMill490＜CCoroMill210， 則CoroMill210的綜合切削性能優(yōu)于 CoroMill490，如 圖 5所 示，所選刀具按照綜合評價策略排序為CoroMill210、CoreMill490。通過點擊查看刀具信息鏈接，可以查看刀具的詳細信息。

結(jié)束語

根據(jù)壓氣機機匣零件加工特點及生產(chǎn)需求分析，在針對壓氣機機匣零件所建立的切削數(shù)據(jù)庫基礎(chǔ)上，設(shè)計開發(fā)了基于B/S結(jié)構(gòu)的壓氣機機匣零件切削刀具配置專家系統(tǒng)。

（1）刀具耐用度及加工表面粗糙度預(yù)測模塊能夠通過用戶需求，實現(xiàn)刀具耐用度及加工表面粗糙度的精準(zhǔn)預(yù)測功能。

（2）刀具優(yōu)化配置模塊能夠通過規(guī)則推理技術(shù)選取刀具庫中滿足加工要求的切削刀具，用戶可以根據(jù)多種刀具優(yōu)選策略對所選刀具進行優(yōu)化排序，以滿足加工中對刀具性能的不同需求。

該系統(tǒng)的建立有利于提高生產(chǎn)效率、降低生產(chǎn)成本、增強壓氣機機匣零件加工質(zhì)量穩(wěn)定性及刀具利用率。

[1]趙玉坤. 高效加工在航空機匣零件制造中的應(yīng)用 [J].中國新技術(shù)新產(chǎn)品, 2012(6): 4-5.ZHAO Yukun. The application of high efficiency machining in the manufacturing of aviation casing parts [J]．New Technologies and Products, 2012(6): 4-5.

[2]丁明娜. 航空航天典型材料切削數(shù)據(jù)庫系統(tǒng)的研究[D]. 哈爾濱:哈爾濱理工大學(xué)，2015.DING Mingna. Study on cutting database system for aerospace typical materials[D]. Harbin:Harbin University of Science and Technology,2015.

[3]高航, 孫長樂, 杜寶瑞. 復(fù)合材料典型構(gòu)件加工工藝數(shù)據(jù)庫的構(gòu)建[J]. 航空制造技術(shù), 2011(21): 87-91.GAO Hang, SUN Changle, DU Baorui.Construction of process database for typical composite component[J]. Aeronautical Manufacturing Technology, 2011(21): 87-91.

[4]AREZOO B, RIDGWAY K, Al-AHMARI M A. Selection of cutting tools and conditions of machining operations using an expert system[J]. Computers in Industry, 2000,42(1): 43-58.

[5]王力. 基于相似度的刀具選配方法研究[J]. 工具技術(shù), 2014, 48(6): 44-47.WANG Li. Milling tools selecting method research based on case-based reasoning[J]. Tool Engineering, 2014, 48(6): 44-47.

[6]張建. 基于網(wǎng)絡(luò)的高速銑削工藝專家系統(tǒng)研究[D]. 南京:南京航空航天大學(xué)，2011.ZHANG Jian. Research on web-based expert system for high speed milling process[D].Nanjing: Nanjing University of Aeronautics and Astronautics, 2011.

[7]IQBAL A. 淬硬鋼銑削優(yōu)化自適應(yīng)專家系統(tǒng)的研究 [D]. 南京:南京航空航天大學(xué)，2006.IQBAL A. A self-developing expert system for optimizing hard-milling process [D].Nanjing: Nanjing University of Aeronautics and Astronautics, 2006.

[8]吳丹, 王先逵. 面向刀具優(yōu)選的權(quán)重決策[J]. 清華大學(xué)學(xué)報（自然科學(xué)版）,1998(2): 69-71.WU Dan, WANG Xiankui. Weight decision for cutting tool selection[J]. Journal of Tsinghua University (Science and Technology), 1998(2):69-71.

[9]胡金平, 高淑琴, 齊立濤. 應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測高速銑削表面粗糙度[J]. 裝備制造技術(shù), 2012(6): 237-238.HU Jinping, GAO Shuqin, QI Litao.Prediction of surface roughness of high speed milling using BP neural network[J]. Equipment Manufacturing Technology, 2012(6): 237-238.

[10]AL-ZUBAIDI S, GHANI J,Prediction of tool life in end milling of Ti-6Al-4V alloy using artificial neural network and multiple regression models[J]. Sains Malaysiana, 2013,42(12): 1735-1741

[11]王華, 李鵬波. CLIPS嵌入.NET平臺技術(shù)與實現(xiàn) [J]. 計算機系統(tǒng)應(yīng)用, 2006(11):45-48.WANG Hua, LI Pengbo. The realization and application of the technology embedding CLIPS within .Net platform[J]. Computer Systems &Applications, 2006(11): 45-48.

[12]趙威, 王盛璋, 何寧, 等. 航空鈦合金結(jié)構(gòu)件銑削刀具性能模糊綜合評判[J].中國機械工程, 2015(6): 711-715.ZHAO Wei, WANG Shengzhang, HE Ning, et al. Comprehensive fuzzy evaluation of cutting tool performance in milling of aviation titanium alloy components[J]. China Mechanical Engineering, 2015(6): 711-715.

[13]高曉紅, 信春華. 提高層次分析法有效性的一種方法[J]. 技術(shù)經(jīng)濟, 2004(8): 59-62.GAO Xiaohong, XIN Chunhua. An approach to improve the validity of the analytic hierarchy process [J]. Technology Economics, 2004(8): 59-62.