神经网络预测技术在超高速磨削研究中的应用

通过基于神经网络的预测技术在普通磨削应用研究,介绍了神经网络在超高速磨削应用研究中的几个方面,指出了基于神经网络的预测技术在实际应用中存在的问题及发展方向.     

基于BP神经网络的轴承套圈磨削误差的预报

提出一种基于BP(反向传播)神经网络磨削误差的预报方法,针对轴承套圈磨削误差序列的非线性特点,使用BP神经网络对其进行建模预测,为磨削自动线的监控调整提供准确的预报值,从而可有效地修正磨削过程中温度、变形及其他复杂因素对工件加工精度的影响,提高加工精度,降低轴承套圈磨削的尺寸分散度。     

高速高效磨削理论研究和磨削温度预测、在线监控

应用比磨削能磨削理论,分析高速高效磨削中的成屑机理与能量消耗,提出产生磨削热的原因,磨削区温度的预测与在线监控方法。具有一定的应用价值,可供从事磨削研究的相关工程技术人员参考。     

氮化硅陶瓷的ELID高速磨削工艺试验研究

在采用封闭式阴极装置实现高速ELID磨削的基础上,对氮化硅陶瓷的ELID高速磨削工艺机理进行了研究.通过与非ELID高速磨削工艺的对比,揭示了氮化硅陶瓷ELID高速磨削的工艺机理,并给出了其表面粗糙度、磨削力与工艺参数之间的变化规律.这些规律表明:ELID高速磨削工艺能大大地减小氮化硅陶瓷的表面粗糙度值及磨削力,获得较好的表面质量.此外,砂轮线速度和磨削深度对其表面粗糙度值没有显著影响,且变化没有明显规律;而工件速度对表面粗糙度值存在一定的影响,表面粗糙度值随着工件进给速度的提高而增加,即表面加工质量有下降的趋势;ELID高速磨削工艺中的各类磨削参数均对氮化硅陶瓷的磨削力产生重大影响:磨削深度增加或工件速度的加快,都使磨削力变大;砂轮线速度的增加则导致磨削力下降.     

利用神经网络预测与控制丝杠螺纹磨削过程

研究了基于神经网络的丝杠螺纹磨削过程的智能预测与控制问题.基于误差反向传播的机制,针对连续制造过程的预测与控制,提出多层神经网络的逐个样本学习算法.对逐个样本学习算法和目前广泛采用的B-P算法进行了比较和讨论,实验结果表明,逐个样本学习算法比B-P算法具有更好的收敛性.最后,介绍了多层神经网络模型在丝杠螺纹磨削过程的预测与控制中的应用.     

磨削工艺参数智能优化系统设计

在实际磨削加工过程中,技术人员凭借经验和参考手册来选取磨削工艺参数,导致正确性难以保证.为了克服这个缺陷,在分析用户需求的基础上采用模块化设计方法对磨削工艺参数智能优化系统进行总体设计.介绍了各模块功能以及设计思路,并对系统的智能优化技术进行了详细分析,经分析论证后选用BP神经网络作为工艺参数优化的智能算法.此外,还就BP神经网络模型的建立以及网络结构的确定过程做了详细阐述.将模型优化参数进行试验验证,参数优化预测准确率超过85%,体现了其工程应用价值.     

切点跟踪磨削法高速磨削凸轮轴

研究了凸轮轴零件切点跟踪磨削法高速磨削运动的特点;分析了砂轮中心位移模型及恒线速磨削条件下的凸轮理论转速,并进行了凸轮转速的优化.最后对湖南大学开发的MKC200超高速数控非圆轮廓外表面磨床进行了介绍.     

快速点磨削磨削液射流特性及喷嘴极限位置研究

快速点磨削是一种新型高速/超高速磨削加工技术,由于砂轮极高的线速度会在砂轮周围产生高速旋转的空气带,对磨削液注入磨削区产生阻碍作用,降低磨削液进入磨削区的比率,因而会对磨削过程和加工的绿色度产生影响.在对磨削液喷射过程的射流结构与特性分析的基础上,对圆形紊动射流速度分布场进行了解析与仿真.根据等压力原理,建立了磨削液能够冲破高速空气带而进入磨削区所必需的喷嘴出口速度模型.通过射流核心区速度的分析,建立了磨削液喷嘴极限位置的工程计算公式,并给出了快速点磨削实验机床磨削液供给参数的设计实例.     

基于进化神经网络的曲面磨削表面粗糙度预测

将人工神经网络技术引入曲面磨削加工领域,介绍了利用BP算法建立的曲面磨削表面粗糙度随磨削用量变化的进化神经网络预测模型．针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法．实验和仿真结果表明,基于进化计算的BP神经网络不仅可以克服单纯使用BP网络易陷入局部极小等问题,而且预测精度较高。     

基于模糊神经网络进行磨削加工尺寸精度智能控制的研究

采用模糊神经网络方法进行磨削加工尺寸精度的控制，给出了模糊推理BP网络模型。通过仿真证明了模糊神经网络控制的可行性，控制精度优于传统方法。     

神经网络在精密长丝杠磨削控制中的应用

提出了一种基于信息模型的“磨削过程卡”控制策略,介绍了它在精密长丝杠磨削过程控制方面的应用原理,介绍了误差测量系统的原理与实现,并就利用神经网络对传感器信息进行融合,以实现对丝杠磨削过程的预报控制的方法进行了研究与探讨．     

基于Matlab和粒子群算法的磨矿技术效率预测模型

研究了磨矿时间、干矿质量分数和充填率对锡石多金属硫化矿磨矿技术效率的影响.结果表明,在最优的磨矿参数条件下,即磨矿时间为8min、干矿质量分数为65%、充填率为42%时,锡石和硫化矿二元结构所对应的磨矿技术效率最佳.通过Matlab的广义回归神经网络(GRNN)计算程序建立了一种磨矿技术效率预测模型,利用粒子群算法对模型参数进行优化,并通过试验验证了模型的适用性和可靠性.     

飞机结构件内腔自动打磨工艺

飞机结构件的内腔结构复杂,打磨工艺难以控制,为提高打磨表面质量和打磨效率,设计了一种具备轴向/径向恒力控制的末端执行器,并搭建了自动打磨实验台。运用正交实验对磨具粒度、打磨压力、进给速度等打磨工艺参数进行了极差分析和方差分析,得到了显著因素和最优水平组合。以表面粗糙度和去除深度为评价指标,建立BP神经网络预测模型,并对训练后的模型进行实验验证。实验获得的实测值与预测值的相对误差在5.5%以内,表明该模型对表面粗糙度和去除深度有良好的预测能力,可有效地提高打磨工艺设计的效率。     

牙科氧化锆陶瓷微尺度磨削力研究

基于带有圆弧刃角的圆锥状磨粒形状和突出高度服从瑞利分布的假设，建立单颗磨粒未变形切削厚度数学模型.根据微磨削力的三种不同来源，以单颗磨粒为研究对象，建立磨削过程中单颗磨粒的切削变形力、耕犁力和摩擦力理论模型.结合单位面积内的磨粒数目，建立微磨削力的理论模型.切向磨削力和法向磨削力预测模型的验证结果表明:切向磨削力理论值与实验值平均误差为7.32%，最大误差小于10%；法向磨削力的平均误差为8.18%，最大误差小于20%.     

氧化铝陶瓷磨削金刚石砂轮磨损的声发射监测

阐述了声发射监测工程陶瓷磨削的研究进展,发现目前对金刚石砂轮磨损监测研究基本上是选取声发射信号均方根(即有效值)进行分析,且金刚石砂轮磨损状态的声发射监测准确率不高.为提高金刚石砂轮磨损状态的声发射监测准确率,设计了氧化铝陶瓷磨削声发射实验,并采用支持向量机建立金刚石砂轮磨损状态的分类模型.分析发现氧化铝陶瓷精密磨削中声发射信号最强频谱能量在30~40kHz频段.金刚石砂轮轻度磨损、严重磨损钝化和修锐之后的磨削声发射信号频谱有明显不同;而且磨削声发射信号小波分解系数的方差值能够很好地反映金刚石砂轮磨损状态.结果表明采用磨削声发射信号的小波分解系数方差作为支持向量机判别金刚石砂轮磨损状态的输入特征,金刚石砂轮磨损状态分类测试的准确率达100%.     

精密数控曲线磨削中的砂轮法向跟踪建模及实验

针对传统数控曲线磨削存在的缺陷,提出了精密数控曲线磨削砂轮法向跟踪的新概念;通过保证曲线轮廓上磨削点处的法线经过砂轮的回转平面,实现了砂轮与工件之间的恒定点接触,从而提高了加工精度、实现了对任意复杂曲线轮廓的磨削加工.在分析砂轮与工件运动几何关系的基础上,建立了砂轮法向跟踪的数学模型,进而给出了法向跟踪的控制算法,并将该算法成功地应用于自行研制开发的MD9040型数字化曲线磨床.实验结果表明,砂轮法向跟踪的实现有效地提高了曲线磨削的加工精度.     

三轴数控平面磨床几何精度分析与稳健设计

为了经济合理地分配三轴数控平面磨床零部件几何精度,提出了一种几何精度分析设计的方法.针对磨床具体结构,基于多体系统理论和齐次坐标变换方法,建立了磨床几何误差传递模型,并通过试验验证了该模型具有理想的预测性能;根据误差传递模型,运用正交试验设计和参数试验的试验设计方法分析识别了影响磨床加工精度的11项关键几何误差因素;基于稳健设计理论,在成本分析和误差溯源基础上,建立了11项关键几何误差因素下的磨床成本-质量模型,并运用该模型对关键几何误差因素的公差进行了稳健设计.研究结果表明:上述方法能实现对磨床几何精度的经济合理的分配.     

基于BP和GA的微晶玻璃点磨削表面硬度数值拟合

通过低膨胀微晶玻璃的高速点磨削实验,测试了加工表面硬度,分析了表面硬度随工艺参数的变化趋势.基于BP神经网络算法与单因素实验值,通过最小二乘数值拟合,建立了点磨削低膨胀微晶玻璃表面硬度与各工艺参数关系的系列化一元模型,以决定系数检验模型的精度,结果表明模型具有较高的可靠性.通过单因素一元模型分析,提出了低膨胀微晶玻璃表面硬度与工艺参数关系的多元模型.在正交试验的基础上,基于遗传算法对多元模型进行了优化建模求解.通过验证实验检验了模型的精确度,结果表明,多元模型具有较高的可靠度.