基于遗传模糊神经网络的工程陶瓷线电极磨削加工参数优化研究

针对在工程陶瓷线电极放电磨削加工的实际操作中加工者难以选取适当的工艺参数的问题,对影响加工效果的工艺参数进行了归纳。采用BP模糊神经网络建立了工程陶瓷线电极磨削加工效果随工艺电参数变化的预测模型,利用粗糙集理论来剔除冗余,对网络模型进行了属性约简和规则约简,并结合遗传算法来优化加工电参数,以获得更好的加工效果;同时根据数值仿真和实验分析,验证了采用优化后的加工电参数对工程陶瓷碳化硼棒料进行加工可获取最佳的加工效果,而且仿真结果与实验结果非常接近。研究结果表明:遗传模糊神经网络模型能够实现对工程陶瓷线电极磨削加工工艺参数的优化,这对实际生产具有一定的参考意义。     

高硬度球面精密磨削的工艺试验研究

以MD6040型数控精密球面磨床为研究平台,开展球面磨削工艺试验研究。通过16组正交试验,采用极差分析法和方差分析法,分剐研究并揭示了砂轮转速Va、主轴转速Vw、磨削深度ap和工作台摆动速度Vb对于表面粗糙度、磨削力和磨除率3个目标变量的影响规律,得到了各因素对目标变量的影响关系曲线图。结果表明,Vs、ap和Vb3个因素的水平变化对磨削力和磨除率的影响,超过了实验误差造成的影响,是显著因素;对于表面粗糙度,Va和ap是显著因素。在此基础上,通过回归分析,得出目标变量与显著因素的回归方程,用残差正态概率图分析和F检验法证明了回归方程的高精度、显著性和可靠性。     

高硬度涂层球面精密智能磨削加工关键问题的理论和试验研究

<正>项目负责人:许黎明(E-mail:limingxu@sjtu.edu.cn)依托单位:上海交通大学项目批准号:510752731.项目简介高硬度球面精密磨削技术是国家重大能源工程中流体、气体控制装置关键阀门零部件的核心制造技术。以自主开发的试验样机为研究平台,系统研究了高硬度涂层球面精密高效磨削工艺基础理论;研究精密球面磨削工艺参数优化与智能控制技术,提高球面磨削的效率和智能化水平;研究球面精密加工中球度在位测量方法,提高球度测量效率;研究高硬度涂层球面     

运用正交试验法优化切削参数

产品质量是企业的生命,为了设计出能满足用户要求的产品和改善现有产品的质量,往往都要做大量的试验研究工作,认识探求客观事物的内部规律。下面,本人就运用正交试验法合理选择切削用量、提高产品加工质量作一些探讨。 1.正交试验法有关概念的引入 正交试验法是利用数理统计学观点,应用正交性原理,从大量的试验中挑选适量的具有代表性、典型性的试验点,根据“正交表”来合理安排试验的一种科学方法。     

用正交试验法选择磨削滚子端面的最佳参数

一、概述双端面磨床由于有两个砂轮同时磨削工件的两个端面,自动化程度和生产效率高,工作可靠性好,且机床操作简单,工件无残磁。因而在轴套以及圆柱、圆锥体等零件端面的磨削加工中得到了广泛的应用。然而,该类机床磨削高精度的端面调试较为困难。虽然有关资料对机床调试的有关参数如:砂轮端面在水平面内的相对倾斜量,在垂直面内的相对倾斜量,送料     

基于正交试验的切削参数优化研究

针对目前广泛使用的钢材质,为考察进给速度、切削模式、冷却方式对其机加工表面粗糙度的影响,基于正交试验进行优化研究,对三个影响因素分别选取三个水平、设计正交表,根据OA展开试验并记录试验结果,进而经过极差分析确定出表面粗糙度最小的组合切削参数,并进行验证试验,最后证明了研究的意义,确定了所考察对象对表面粗糙度的影响规律,为以后的切削加工提供了有利的参考。     

基于遗传算法与BP神经网络的微晶玻璃点磨削工艺参数优化

通过低膨胀微晶玻璃点磨削实验,测试了加工表面粗糙度、表面硬度,分析了实验数据变化趋势。通过最小二乘拟合,建立了关于粗糙度、表面硬度的一元数值模型,并将模型预测值与实验值进行了比较,以验证模型的精确性,结果表明模型具有较高的精度。根据正交实验结果,基于BP神经网络算法和遗传算法,建立了粗糙度、表面硬度的多元数值模型并以此作为目标函数,以表面硬度最大和表面粗糙度最小作为优化目标,基于遗传算法进行了工艺参数的双目标优化,获得了一组点磨削工艺参数的最优解范围,实验验证结果表明优化结果是合理的。     

基于正交试验法的TC4钛合金铣削参数优化

为研究高速铣削加工中既有较低的刀具磨损量、又有较高的切削效率的切削参数,按照L9(34)正交表,选取了铣削参数每齿进给、切深、切宽、转速四个因素,每个因素取3个水平进行试验,获得了不同切削参数下的刀具磨损数据。通过直接分析和极差分析最终得到了优化的铣削参数。     

高性能陶瓷材料的精密磨削新技术

本文对高性能陶瓷材料的精密磨削进行了探讨,并分别从材料的磨削性能、砂轮参数的选择、加工机床性能等方面分析和研究及其对磨削质量的影响。     

工业陶瓷平面磨削的试验研究

介绍了用金刚石砂轮对三种工业陶瓷进行平面磨削的磨削力试验结果，分析了工件速度、磨削深度等因素对磨削力、磨削力比、比磨削能的影响；并对不同陶瓷材料的磨削力特征进行了对比分析。     

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。     

基于PSO算法改进BP神经网络的氟金云母点磨削工艺参数优化

通过氟金云母的高速点磨削试验,测试了加工表面硬度和表面粗糙度,分析了表面硬度和表面粗糙度随工艺参数的变化规律。基于单因素试验值和PSO算法改进的BP神经网络,利用最小二乘拟合,建立了氟金云母点磨削表面硬度和表面粗糙度关于各工艺参数的一元模型,以相关系数检验模型,证明模型具有较高可靠性。分析一元模型,提出表面硬度和表面粗糙度分别关于工艺参数的多元模型。基于正交试验值和PSO算法,对模型进行优化求解,并通过试验证明了模型具有较高可靠性。利用PSO算法对两个多元模型进行双目标优化,求解得到一组较为合理的工艺参数值。     

陶瓷飞行体的微沟槽结构曲面精密磨削与减阻性能

为减小飞行阻力和增强雷达散射,提出采用精密磨削和微细磨削组合加工工艺在陶瓷飞行体表面加工出曲面微沟槽结构。首先,利用精密修整后的金刚石砂轮圆环形端线沿数控曲线插补轨迹将陶瓷加工成光滑曲面,然后利用微细修整成角度为60°的金刚石砂轮V形尖端在曲面上沿飞行体轴向方向加工出微沟槽结构,最后通过风动试验分析不同曲面结构对空气阻力的影响。磨削试验结果显示,精密磨削和微细磨削组合加工可在高度32 mm、直径30 mm和表面粗糙度0.262?m的陶瓷曲面上加工出深度为578~581?m、角度为61.56°和尖端半径为48?m的微沟槽结构,其深度误差仅为3?m,曲面加工的平均形状误差为142?m,加工精度可控制在0.5%以内。此外,加工后的陶瓷表面粗糙度主要受砂轮粒度和磨削工艺的影响。风动试验结果表明:微沟槽结构曲面分别比光滑和粗糙曲面减小轴向阻力约36%和42%,也比光滑曲面减小侧面阻力约39%。因此,陶瓷飞行体的光滑曲面被加工出规则可控的微沟槽结构可以减小飞行阻力。     

基于复合正交试验的犁削—挤压参数优化设计

基于复合正交试验方法,研究了单齿犁削—挤压过程的参数优化,为热管内表面吸热芯多齿犁削—挤压过程的优化设计提供了参考依据。对单齿犁削—挤压过程中影响翅形貌的多种因素及水平值进行分组,对两组因素的主次关系和优水平进行了试验研究。试验结果表明,得到的刀具参数优化值为β=30°,α=-8°,h=0·6mm,H=4mm,θ=45°,η=35°;工艺参数优化值为αp=0·24mm,V=113mm/s。     

基于神经网络和遗传算法的高速铣削工艺参数优化的研究

基于高速铣削正交试验,利用神经网络高度的非线性映射能力和遗传算法的全局寻优能力,建立了铣削力、铣削温度和表面粗糙度的BP神经网络仿真模型,在对它们进行优化的基础上获得几个主要因素的最优搭配。     

基于LabVIEW与正交试验的吹瓶机锁模机构运行参数优化设计

以LabVIEW为平台设计一个吹瓶机锁模机构振动测试系统,然后利用正交试验方法设计合理的测试方案进行实验,并对测试的结果进行处理分析,获得锁模机构的较优运行参数组合。     

基于神经网络与遗传算法的振动钻削仿真

将人工神经网络与遗传算法相融合,利用遗传算法优化多层前馈神经网络的结构和初始参数,利用多层前馈网络的映射能力进行振动钻削仿真,最后对训练好的神经网络稍加改造,利用BP网的逆映射进行参数优化。试验表明神经网络与遗传算法应用于振动钻削过程仿真是可行的,为振动钻削的研究提供了新的思路。     

面齿轮磨削加工工艺参数的优化

基于磨削面齿轮工艺参数的分析,在满足产品质量要求和磨削加工条件等设计约束的前提下,建立了以磨齿效率和表面质量为目标函数的多目标优化数学模型。将内点罚函数法与遗传算法相结合用于该数学模型的优化计算,获得了三组最优的磨削用量方案且三组方案均能使磨齿效率和表面质量得到较大提高。根据优化后的结果设计并完成了工艺实验,实验结果也验证了该方法的正确性、有效性和实用性。     

人工神经网络技术在磨削加工中的应用

从磨削过程的磨削力、工件表面烧伤、表面粗糙度和磨削加工的在线控制等方面 ,介绍了人工神经网络技术在磨削加工中的应用情况 ,并指出了需深入探索的相关课题