模糊神经网络在工程陶瓷电火花加工中的应用

在工程陶瓷电火花加工过程中,电参数与表面粗糙度之间具有高度的非线性关系,很难在两者之间建立精确的数学模型来预测其加工效果。针对这一问题,提出了将模糊控制理论和神经网络技术相融合的智能控制方法,采用多个输入单输出的模糊控制神经网络结构,建立了工程陶瓷碳化硼电火花加工的数学模型来预测其工艺效果。该模型能够很好地反映出电参数与表面粗糙度之间的非线性关系。通过实验值与网络模型的预测值之间的比较,验证了该模型具有较高的预测精度,证实了模型的可靠性和有效性。     

工程陶瓷电火花加工工艺

分析了工程瓷料的电火花加工方法及工艺,得出了适合快走丝电火丝切割的高效加工工艺。     

电火花加工技术在陶瓷加工中的 应用

介绍电火花加工技术在陶瓷加工中的应用及电火花技术用于砂轮的修整，并阐述了其基本原理。     

粒子群优化神经网络的工程陶瓷电火花加工效果预测模型

针对工程陶瓷电火花加工的工艺电参数与工件的加工效果之间具有高度的非线性关系,难以建立精确数学模型的问题,建立了BP神经网络模型,以预测工程陶瓷电火花加工工艺效果。采用自适应位置变异粒子群算法,优化了网络模型的阈值和连接权值,解决了BP神经网络算法迭代速度慢、易于陷入局部最优解的问题;以碳化硼为例完成了算法的实现,对该材料工件的加工效果进行了预测。研究结果表明:自适应位置变异粒子群神经网络算法可以较好地反映电参数与表面粗糙度之间的非线性关系,算法的迭代次数显著减少,并具有较高的预测精度,模型的可靠性和有效性得以证实。     

基于神经网络和遗传算法的绝缘陶瓷电火花加工电参数优化

针对电火花加工时选取合适工艺参数(如在表面粗糙度符合要求的前提下获得最大的加工速度)困难的问题,先以神经网络建立模型,然后结合遗传算法求解此约束优化问题,得到优化的电参数.并以绝缘陶瓷材料的电火花加工为例进行说明,结果显示,取得了很好的效果.     

工程陶瓷材料电火花线切割加工的机理研究

针对如何提高工程陶瓷材料加工质量这一问题,对碳化硼工程陶瓷进行了电火花线切割加工的试验研究.介绍了工程陶瓷材料的电火花放电加工原理,通过对碳化硼工程陶瓷进行的电火花线切割加工工艺试验,探讨了电参数对工程陶瓷电火花线切割加工表面质量的影响规律.该研究对进一步深化电火花加工技术的基础理论,促进该技术在实际生产中的推广应用具有重要意义.     

基于神经网络的绝缘陶瓷电火花加工工艺效果预测模型

针对绝缘陶瓷电火花加工的工艺特点及其复杂性,提出一个基于神经网络的绝缘陶瓷电火花加工工艺效果预测模型,可映射电参数与加工结果之间的关系.计算机仿真结果显示了其良好的预测精度,最后分析了引起预测误差的原因.     

利用神经网络建立电火花加工工艺模型

以峰值电流、脉冲宽度、脉冲间隔、抬刀时间和加工时间为输入参数,以加工速度和表面粗糙度为输出参数,利用人工神经网络技术建立了电火花加工工艺模型。经过与实验数据的比较,认为该模型能精确地预测出给定条件下的加工速度和表面粗糙度,真实反映了机床的加工工艺规律。     

Syalon501陶瓷电火花加工及其表面超声处理

主要研究了Syalon501陶瓷的电火花线切割加工及其加工表面的超声强化处理。抗弯强度被用来综合测量加工过程对表面质量的影响,并通过威布尔统计方法进一步分析了抗弯强度值的分布情况。     

工程陶瓷的加工技术

主要介绍了国内外工程陶瓷材料特种加工技术如电火花加工、激光加工、高速往复磨削、复合磨削、振动钻孔、超声波微孔等6项加工技术，以及3项常规加工新技术的开发及应用近况。     

一种基于模糊神经网络确定电火花加工条件的新方法

在电火花加工中,影响因素较多,难以确定最优加工条件。应用模糊神经网络确定电火花加工条件是一种新的尝试,它可以充分发挥模糊逻辑和神经网络的长处。为方便操作者决定粗加工最优加工条件,并提高表面加工效果和粗加工速度,本文提出了一种基于模糊神经网络自动确定和优化电火花成形加工中加工参数的方法。经实践证明,用该方法所确定的最优加工条件,能保证较高的粗加工速度,方便了操作者对加工条件的确定。     

非导电工程陶瓷电火花磨削技术

开发出双电极同步伺服跟踪电火花磨削新技术,该技术突破了传统的机械磨削和电解电火花机械复合磨削方法,利用导电磨轮与紧贴非导电工程陶瓷工件表面作自动伺服进给运动的薄片辅助电极间的放电实现电火花磨削。对非导电的Al2O3工程陶瓷进行加工试验,给出加工参数如脉冲宽度、脉冲间隔、峰值电压、峰值电流、磨轮转速以及铜片电极厚度等对材料去除率和表面粗糙度的影响规律关系。试验结果表明,该种新型加工技术具有效率高、表面质量好、成本低和对环境无污染等优点。     

基于径向基函数神经网络的电火花线切割机床可靠性数据模拟生成

针对电火花线切割机床(Wire electrical discharge machining,WEDM)可靠性数据分布模型无法确定的问题,提出应用径向基函数(Radial basis function,RBF)神经网络对可靠性数据进行模拟仿真,扩大可靠性数据样本量,从而确定其分布模型的方法。选取聚类学习算法作为神经网络学习方法,通过无监督学习确定RBF神经网络中各隐节点的数据中心,并根据各数据中心之间的距离确定隐节点的扩展常数,然后用有监督学习训练各隐节点的输出权值。经过对原始可靠性数据进行拟合训练后生成一套RBF神经网络,随机产生100个可靠度数据输入该神经网络产生与原始可靠性数据具有相同失效统计规律的数据。对扩充后的可靠性数据通过图估计法和柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-smirnov,K-S)检验法确定电火花线切割机床可靠性数据分布模型为对数正态分布模型,同时对可靠性模型的参量估计更加准确。     

复合运丝型电火花线切割加工参数分析与研究

提出了一种新型电火花线切割机床,即电极丝作往复直线运动的同时还绕自身轴线高速旋转的复合运丝型线切割机床。介绍了该类机床与其他线切割机床加工的基本工艺指标。通过与高速走丝电火花线切割机床比较实验,分析了脉冲宽度、脉冲间隔、脉冲峰值电流等电参数对加工工艺指标的影响,实验表明这种独特的复合运丝方式在降低表面粗糙度、提高加工精度等方面较传统运丝方式具有较大的优越性,且机床结构较为简单,对于各种工艺参数和电参数具有更加广泛的适用性,具有进一步研究和推广价值。     

气中微细电火花线切割加工实验研究

气中微细电火花线切割加工用气体作加工介质,可加工难切削材料、复杂零件,具有低应力、无毛刺等特点。研究了气中微细电火花线切割加工中开路电压、极间电容、气压以及相对进给速度对试件切槽宽度和表面粗糙度的影响。实验结果显示：气压、相对进给速度和极间电容对切槽宽度和表面粗糙度有明显影响,开路电压的变化对加工结果产生有限影响。     

电火花加工技术的新发展

概括当今火花加工的新的成果及其发展方向,即电火花加工的高速度、高精度和自动化,介绍了电火花加工中的控制技术、机床本体脉冲电源和加工工艺等。     

工件超声振动电火花线切割复合加工试验研究

借助ANSYS软件对变幅杆、夹具和工件进行整体的动力学研究,设计了一套超声振动电火花线切割复合加工装置。在相同加工参数下,分别采用工件超声振动电火花线切割复合加工和传统的电火花线切割加工对45钢进行切割试验。试验结果表明:与传统的电火花线切割加工相比,超声振动电火花线切割复合加工的效率提高了约15%,表面粗糙度减小了约10%。     

神经网络在加工误差控制中的应用

加工误差的控制是自动化加工技术中的难题，传统的控制理论不能解决一些问题。通过人工神经网络建立起切削加工自动控制系统，具体训练网络采用离线训练，将样本数据准备后用Matlab工具箱函数即可完成，并应用于实际的切削过程。结果表明，神经网络控制系统能有效的控制加工误差。     

Surface Destruction in Electrical Discharge Machining

Russian Engineering Research - In electrical discharge machining, the formation of the modified surface layer depends on the physicochemical properties of the anode and cathode and the machining...