基于最小二乘支持向量机的铣削加工表面粗糙度预测模型

在分析以往所建立的表面粗糙度预测模型方法不足的基础上，将一种基于最小二乘支持向量机的预测模型引入铣削加工领域，并给出了相应的步骤和算法。该模型能方便地预测铣削加工参数对加工表面粗糙度的影响，并能利用有限的试验数据得出整个工作范围内的表面粗糙度预测值，有助于准确认识已加工表面质量随铣削参数的变化规律。通过具体实例及与其他几种预测方法的对比表明，在相同样本条件下，其模型构造速度比标准支持向量机方法高1～2个数量级，模型预测误差约为支持向量机方法的40％，预测精度比常规BP模型高1个数量级。因此，基于最小二乘支持向量机方法建模速度快、预测精度高、适合加工表面粗糙度预测。     

2Cr13不锈钢高速铣削表面粗糙度预测模型研究

针对汽轮机叶片常用钢2Cr13不锈钢在切削加工中表面质量存在的问题,对高速铣削条件下2Cr13不锈钢表面粗糙度预测模型进行了研究。将最小二乘支持向量机原理应用到高速铣削2Cr13不锈钢的表面粗糙度预测建模中。得出的模型能方便地预测铣削参数对表面粗糙度的影响,并能利用有限的试验数据得出整个工作范围内的表面粗糙度预测值。经试验验证,应用最小二乘支持向量机原理建立的粗糙度预测模型回归预测精度高。基于最小二乘支持向量机原理建模方法适合于表面粗糙度预测。     

基于IAGA-LSSVM的切削加工表面粗糙度的智能预测

提出了一种基于改进自适应遗传算法与最小二乘支持向量机(IAGA-LSSVM)的切削加工表面粗糙度的智能预测方法。通过设定LS-SVM模型主要参数的取值范围,采用IAGA进行寻优,提高了LS-SVM预测模型的精度。最后采用平均相对预测误差作为检验指标,比较了多元线性回归模型、BP神经网络模型、AGA-LSSVM模型及IAGA-LSSVM模型对表面粗糙度的预测能力。结果表明:IAGA-LSSVM预测模型的建模时间更短,平均相对预测误差更小,对切削加工表面粗糙度的预测具有一定的参考意义。     

基于最小二乘支持向量机的外圆磨削表面粗糙度预测系统

为解决磨削加工中影响因素多,难以实现自动化加工的困难,对磨削系统的表面粗糙度预测系统进行了研究。在分析目前常用预测方法的基础上,建立了基于最小二乘支持向量机的外圆纵向磨削表面粗糙度预测模型。该模型采用等式约束,把原来求解一个二次规划问题转化成求解一个线性方程组,方法简单且有效。比较实验显示,该方法响应时间快、测量精度高,测量精度误差比BP神经网络预测方法小4%,比进化神经网络(BP+GA)预测方法小1.3%,所提供的预测方法可以实现对工件表面粗糙度的在线预测。将其应用于外圆纵向磨削智能系统中,实时计算预测值与给定粗糙度的差值,引导磨削专家系统修正磨削参数,实现智能控制,取得了较好的效果。     

基于LS-SVM的汽轮机叶片高速铣削表面质量预测建模

针对汽轮机叶片高速铣削加工中存在的表面质量不易控制问题,借助最小二乘支持向量机原理,建立了被加工不锈钢叶片表面的粗糙度预测模型。实验结果表明,该模型能方便地预测切削速度、主轴转速、进给量、铣削宽度等铣削参数对铣削加工工件表面粗糙度的影响,并能利用有限的实验数据得出整个工作范围内的表面粗糙度预测值,模型适合于表面粗糙度预测,回归预测精度高。     

航空铝合金三维端铣表面粗糙度的LS-SVM控制研究

为提高加工工件的表面质量,需要有效控制加工工件表面粗糙度,因此有必要建立精度高、泛化能力强的表面粗糙度预测模型。首先基于具有位错动力学物理基础的Z-A材料本构模型,建立航空铝合金7050材料的三维端面铣削有限元仿真模型,并设计正交试验验证有限元模型的可靠性;其次建立最小二乘支持向量机(LS-SVM)预测模型,以仿真所提供的样本数据为输入,拟合铣削参数与表面粗糙度的复杂非线性关系,实现了表面粗糙度的预测,结果表明LS-SVM模型预测的相对误差不超过6%;最后基于LS-SVM表面粗糙度预测模型得出各铣削参数对表面粗糙度的影响,为生产实际提供指导。     

针对奥贝球铁高速铣削力的表面粗糙度建模的实验研究

奥贝球铁(ADI)作为一种综合性能优异的难加工工程材料,其高速铣削下的铣削力对工件表面粗糙度Ra有重要影响。为研究其内在关系,基于多因素正交回归实验建立铣削力和表面粗糙度模型的理论,结合奥贝球铁的材料力学性能,采用以主轴转速、每齿进给量、切削深度、切削宽度等为多因素,高速铣削力和表面粗糙度为因变量的正交试验方法,并通过最小二乘法建立关于F_x、F_y、F_z这3个铣削分力的Ra模型;然后分别检验了回归模型和回归系数的显著性,分析了所建模型的可信度及F_x、F_y、F_z分别对ADI表面粗糙度的影响程度;最后设计了相关实验对所建模型进行验证。实验结果表明:高速铣削分力对表面粗糙度影响程度次序:切向力轴向力径向力;模型验证实验说明了所建模型的可信性和正确性,从而可为ADI材料高速铣削加工提供了重要的理论支持和技术指导。     

基于最小二乘支持矢量机的成形磨削表面粗糙度预测及磨削用量优化设计

在分析和比较目前常用的预测方法基础上,提出一种基于最小二乘支持矢量机的成形磨削表面粗糙度预测方法。一方面,该方法能较好地解决小样本学习问题,避免人工神经网络等智能方法在对粗糙度进行预测时所表现出来的过学习、泛化能力弱等缺点;另一方面,用等式约束代替传统支持矢量机的不等式约束,减小了模型的复杂度,加快了求解速度。试验表明,该模型具有预测精度高、速度快、容易实现等优点,适合对磨削表面粗糙度的预测。在成功建立预测模型的基础上,还提出磨削参数优化设计的可行性方案,建立表面粗糙度与磨削用量之间的关系图,对于优化设计磨削用量、提高加工零件表面质量具有一定的指导意义。     

高速磨削表面粗糙度预测模型研究

磨削表面质量的优劣直接影响零件的性能与使用寿命,其主要由表面粗糙度表征。运用最小二乘支持向量机预测理论与参数优化算法建立了高速磨削表面粗糙度预测模型,搭建了磨削闭环系统。通过实验分析得出,对试样内工艺参数组合下表面粗糙度进行预测时,平均相对误差为MRE=0.0095,均方根误差为MSE=0.0050;对试样外工艺参数组合下表面粗糙度进行预测时,平均相对误差为MRE=0.0119,均方根误差为MSE=0.0054。高速磨削表面粗糙度预测引导了磨削参数的设定,形成了磨削过程的闭环反馈控制,提高了高速磨削加工的自动化水平,磨削精度、效率,同时降低了磨削的废品率。     

铣削加工对表面粗糙度的影响研究

采用单因素试验和正交试验对铣削加工参数的设定进行表面粗糙度研究,分析了单一铣削参数对表面粗糙度的影响规律,结果表明:在一定铣削参数范围内,铣削深度越小表面粗糙度值越大,表面粗糙度随着铣削深度的增加而降低。通过正交实验的极差分析得出影响表面粗糙度的主次影响顺序:铣削深度影响最为显著、主轴转速次之、每齿进给量较次之和径向切宽影响最小。通过minitab统计学软件,分析了两参数因素之间的交互作用对表面粗糙度的影响,其中主轴转速和铣削深度的相互作用对表面粗糙度的影响较大。在低速铣削范围内,得出高转速、大的切深和小的每齿进给量对提高表面粗糙度非常有利。     

A dynamic surface roughness model for face milling

This paper presents a newly developed mathematical model for surface roughness prediction in a face-milling operation. The model considers the static and the dynamic components of the cutting process. The former includes of cutting conditions as well as the edge profile and the amount of runout of each insert set into a cutter body. The latter introduces the dynamic characteristics of the milling process. It is verified that such a model predicts the maximum or the arithmetic mean surface roughness value through the cutting experiments. The model can evaluate the surface texture of the precision parts machined with face milling.     

微细精密铣削表面粗糙度DRSM研究

DRSM方法具有序贯性、可旋转性、模型的稳健性以及试验次数少等优点,近年来逐渐运用在微细精密车铣加工运用中,笔者着重对微细精密铣削表面粗糙度进行DRSM分析,得出了微细精密铣削条件下工艺参数对表面粗糙度的影响规律,并进行了表面粗糙度的预测,有较强的理论实践和现实意义。     

基于粗糙度形成机理的曲面高速铣精加工参数选用

为在曲面精加工中获得理想的表面粗糙度,通过分析表面粗糙度的形成机理,建立了粗糙度与走刀行距、进给率关系的数学模型;通过实验,建立了高速曲面铣削时粗糙度与加工倾角、主运动线速度关系的图谱,实现了在生产过程中按照加工目标的表面粗糙度确定相应的走刀行距、进给率、加工倾角、主运动线速度等加工参数.研究结果表明,该研究对提高加工...     

高速铣削7050-T7451铝合金表面粗糙度研究

高速铣削广泛用于航空铝合金材料的加工,以7050-T7451铝合金材料为试验对象,运用正交试验方法分析研究了铣削该铝合金材料时,切削速度、切削深度、切削宽度和每齿进给量4个因素对表面粗糙度的影响规律,并通过多元非线性回归分析得出表面粗糙度的经验公式.研究结果表明:加工表面呈交叉织网状形貌,表面粗糙度随每齿进给量和铣削深度的增大而增大,随切削速度的增大而减小,切宽对铝合金表面粗糙度的影响不明显.铣削参数对表面粗糙度的影响显著性依次为:每齿进给量fz切削速度v轴向切削深度ap径向切削宽度ae.     

0Cr18Ni9不锈钢焊缝高速铣削表面粗糙度试验研究

采用正交试验方法进行0Cr18Ni9不锈钢焊缝高速铣削试验,分析铣削参数对表面粗糙度的影响规律,并建立表面粗糙度的经验预测模型。结果表明:随着主轴转速的增大,表面粗糙度值减小,而随着进给速度、切削深度的增大,表面粗糙度值增大,进给速度对表面粗糙度的影响较为明显;较高的主轴转速和较低的进给速度的交互作用有利于减小表面粗糙度值,提高表面质量。     

相对变换主元分析的变压器油击穿电压预测

针对变压器油击穿电压在线测量困难,数据噪声和孤立点影响支持向量机预测精度的问题,提出了基于相对变换(RT)主元分析(PCA)的变压器油击穿电压预测方法。首先,通过相对变换将原始数据空间变换到相对空间,抑制噪声和孤立点对模型精度的影响;然后在相对空间进行主元分析,降低相对空间维数,使提取的主元特征更具有代表性和更大的变化度;最后,将提取的主元作为最小二乘支持向量机(LSSVM)的输入,建立变压器油击穿电压的最小二乘支持向量机预测模型。与LSSVM、RT-LSSVM和PCA-LSSVM的对比实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。     

Influence of minimum quantity lubrication parameters on tool wear and surface roughness in milling of forged steel

The minimum quantity of lubrication (MQL) technique is becoming increasingly more popular due to the safety of environment.Moreover,MQL technique not only leads to economical benefits by way of saving ...     

球头立铣刀铣削加工表面粗糙度仿真技术研究

铣削加工表面粗糙度的形成与铣刀和工件振动、主轴偏心、刀具磨损、刀具变形等物理和几何因素有关。多年来中外学者针对各种影响因素建立了“相对单一”的数学模型。这些数学模型只考虑了一种或两种影响因素,还没有建立起描述物理和几何变化过程的综合数学模型,为此对这些相关因素进行了深入研究,建立了基于球头立铣刀的铣削加工表面粗糙度仿真的整体数学模型。从而为虚拟数控加工仿真提供技术支撑。