探讨高速走丝电火花线切割加工断丝故障分析及预防

高速走丝电火花线切割加工能够满足我国模具制造以及机械加工的需要,但是在高速走丝电火花线切割加工的过程中容易出现断丝的情况,这对于快速的机械加工以及模具制造而言有着非常大的影响。详述高速走丝电火花线切割加工的原理、高速走丝电火花线切割加工断丝的故障原因以及高速走丝电火花切割加工中断丝故障的解决方法及预防。对于高速走丝电火花线切割加工中断丝的情况要进行分析并预防。     

高速走丝线切割机的断丝原因及解决方法

针对高速走丝电火花线切割加工过程中的断丝问题,从多方面分析了影响电火花线切割加工中断丝的相关因素及解决方法,这些方法能切实有效地减少电火花线切割加工中断丝现象的出现.     

电火花线切割电参数的优化研究

为改善高速走丝电火花线切割的加工质量和效率,建立电参数与工艺指标之间的最优化模型,通过非线性规划求得二者之间的多目标函数关系,并利用Matlab对此模型进行最优化求解,结果为合理选择高速走丝线切割的工艺参数提供了依据。     

影响高速走丝线切割加工质量的因素分析

综述了高速走丝电火花线切割加工的质量指标，分析了高速走丝电火花线切割加工精度的影响因素，并提出了提高加工精度的相应措施。     

浅析电参数对快走丝电火花线切割表面质量和加工精度的影响

针对快走丝电火花线切割中存在的表面质量差、加工精度低的问题,分析了快走丝电火花线切割加工条件中放电参数（脉冲宽度ON、功率管数IP、脉冲间隔OFF、开路电压、脉冲频率）对零件表面粗糙度、加工精度的影响,为快走丝电火花线切割加工积累了经验。     

浅谈我国电火花线切割发展方向

谈到电火花线切割加工,国人首先想到的是高速走丝电火花线切割加工。高速走丝电火花线切割机作为我国独创技术的机种,已成为我国数控机床中产量最大、应用最广的机种之一。据估计,目前我国高速走丝电火花线切割机年销售量已达3万台左右,全国有十多万台高速走丝电火花线切割机正在模具制造和零件加工中发挥着重要的作用。     

快走丝线切割加工质量的影响因素与解决措施

表面粗糙度是衡量电火花线切割加工性能的重要指标之一.文中从主要影响电火花线切割加工表面粗糙度的机械因素、脉冲参数、进给速度、工作液性能等方面分析原因,并提出提高高速走丝线切割加工工件表面质量的方法.为提高高速走丝切割加工表面质量提供了参考.     

高速走丝线切割大厚度工件表面粗糙度影响因素研究

大厚度工件高速走丝线切割是比较困难的加工。在加工过程中,表面粗糙度会受到放电参数和工作液工作状况的影响。通过在高速走丝电火花线切割机上进行多次加工实验,研究分析了上述因素对大厚度工件线切割表面粗糙度的影响规律。     

基于TL5040B中走丝线切割机床多次切割工艺参数设置的研究

在国内电加工界对高速电火花线切割机床上的多次切割加工的研究基础上,结合TL5040B中走丝线切割机床的应用,阐述高速走丝多次切割的基本条件,以及多次切割过程中各种工艺参数的确定。在中走丝线切割数控机床TL5040B进行了工件多次切割工艺的试验研究,取得了预期效果,这对于企业在现有的条件下提高加工水平具有一定的指导意义。     

空间曲面电火花线切割CAD/CAM系统

为解决高速走丝电火花线切割机床加工空间曲面的难题,实现大锥度空间复杂曲面零件的加工,以空间曲面数学模型和数控模型为基础,开发了一种计算机辅助设计/计算机辅助制造(Computer aided design/computer aided manufacturing,CAD/CAM)系统.其硬件系统以研制的数控转摆摆工作台为核心装置,并与现有高速走丝电火花线切割机床结合,组成空间曲面线切割加工系统.其软件系统可以根据上下导线的参数方程进行分析计算,建立空间曲面的三维模型,自动生成NC加工代码,进行加工仿真和空间曲面零件的加工.利用本系统进行典型空间复杂曲面零件的加工试验,结果表明加工结果与仿真结果基本相似.此外,还分析数控模型以及回摆间隙角对加工误差的影响.这些工作为解决高速走丝电火花线切割加工空间曲面的难题打下基础.     

基于神经网络的电火花加工工艺选择模型研究

针对电火花加工工艺数据的特点,研究了神经网络输入输出数据的预处理方法,提出了基于对数变换的数据预处理算法,测试表明效果较优。分析了电火花加工工艺的特点及其复杂性,提出了基于神经网络的电火花加工工艺选择模型,该模型能模拟熟练操作者的决策过程。测试结果表明,该模型能真实反映机床本身的工艺特点,模型值和实测值相差较小,能实现在给定加工要求下电加工参数的自动选择。     

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。     

基于LabVIEW的电火花线切割放电加工状态的研究

电火花线切割加工时放电加工状态决定着加工的质量和速度,电极丝和工件之间的放电电压是对放电加工过程进行实时检测的重要参数.以LabVIEW为开发平台,以放电电压为检测参数,构建了电火花线切割放电加工状态识别仿真系统.该系统主要包括线切割放电状态识别模块、BP神经网络放电预测模块以及加工稳定性分析模块,对提高电火花线切割加工质量、加工效率及智能化加工有良好的效果.     

在数控线切割机床上实现模具抛光

针对模具制造中的研磨抛光工序和高速数控机床在模具制造中的广泛应用,提出了在线切割机床上切割完模具的凹腔后,不拆卸工件,利用装在机床上的气动抛光头进行抛光,并利用机床的数控功能对抛光轨迹进行控制.通过调整数控程序中的偏置参数实现对抛光压力的控制,实现恒压力抛光.在实际加工中已验证了此方法的可行性,并取得了较好的加工效果.     

Multi-objective optimization of material removal rate and surface roughness in wire electrical discharge turning

Wire electrical discharge turning (WEDT) is an emerging area, and it can be used to generate cylindrical forms on difficult to machine materials by adding a rotary axes to WEDM. The selection of optimum cutting parameters in WEDT is an important step to achieve high productivity while making sure that there is no wire breakage. In the present work, the WEDT process is modelled using an artificial neural network with feed-forward back-propagation algorithm and using adaptive neuro-fuzzy inference system. The experiments were designed based on Taguchi design of experiments to train the neural network and to test its performance. The process is optimized considering the two output process parameters, material removal rate, and surface roughness, which are important for increasing the productivity and quality of the products. Since the output parameters are conflicting in nature, a multi-objective optimization method based on non-dominated sorting genetic algorithm-II is used to optimize the process. A pareto-optimal front leading to the set of optimal solutions for material removal rate and surface roughness is obtained using the proposed algorithms. The results are verified with experiments, and it is found to improve the performance of WEDT process. Using this set of solutions, required input parameters can be selected to achieve higher material removal rate and good surface finish.     

Fabricating micromilling tool using wire electrodischarge grinding and focused ion beam sputtering

In the present research, wire electrical discharge machining (WEDM) of γ titanium aluminide is studied. Selection of optimum machining parameter combinations for obtaining higher cutting efficiency and accuracy is a challenging task in WEDM due to the presence of a large number of process variables and complicated stochastic process mechanisms. In general, no perfect combination exists that can simultaneously result in both the best cutting speed and the best surface finish quality. This paper presents an attempt to develop an appropriate machining strategy for a maximum process criteria yield. A feed-forward back-propagation neural network is developed to model the machining process. The three most important parameters – cutting speed, surface roughness and wire offset – have been considered as measures of the process performance. The model is capable of predicting the response parameters as a function of six different control parameters, i.e. pulse on time, pulse off time, peak current, wire tension, dielectric flow rate and servo reference voltage. Experimental results demonstrate that the machining model is suitable and the optimisation strategy satisfies practical requirements.     

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。     

干式电火花线切割的参数优化

研究了气中电火花线切割的加工特征，提出了独特的判别指标。在此基础上应用神经网络理论中的遗传-BP算法来预报加工的质量和优化参数，并用实验的数据验证了该系统。     

基于神经网络的电火花线切割机床可靠性预计

针对电火花线切割机床可靠性数据较少、传统可靠性预计方法无法进行可靠性预计或预计误差较大的问题,提出了基于神经网络进行电火花线切割机床可靠性预计的方法。将可靠度与对应的时间序列相结合,采用时间序列法对其进行统计分析,然后应用神经网络向外推测,从而得出电火花线切割机床可靠度的预计结果。通过实例证明,应用该方法对电火花线切割机床可靠度预计结果的最大误差为0．0082,远远高于其它方法的预计精度。     

基于GA-BP网络的高速电火花线切割建模方法研究

高速电火花线切割作为特种加工技术之一,被广泛应用于各种机械加工领域。但其加工过程是一个多参数、多变化的过程,为建立一个具有一定拟合精度和泛化能力的模型,通过尝试二次通用旋转组合设计试验,以遗传算法优化BP神经网络初始权的思想建立GA-BP模型。试验表明,在相同参数设置下GA-BP比纯BP模型更具有有效性和优越性,对后续仿真系统的建立具有一定的指导作用。