电火花加工中的模糊控制技术

在阐述了以模糊理论建立电火花加工状态的模糊临别模型基础上，着重介绍了为提高电火花成形加工机床的适应控制功能，模糊控制控制技术在电火花加工的状态鉴别和多参数自适应控制中的应用。     

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。     

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。     

基于遗传神经网络的电火花加工效果的预测

针对电火花加工非线性及复杂性的特点,提出了基于遗传神经网络的电火花加工效果的预测模型.遗传神经网络(GA-BP)是针对BP算法易陷入局部极小、收敛速度慢的缺点,根据遗传算法具有很强的全局搜身能力的特点,将二者结合起来形成一种训练神经网络的混合算法.通过该预测模型对一定加工条件下的加工速度和工件表面粗糙度进行预测,预测结果与实际实验结果有较好的一致性,说明遗传神经网络对电火花加工效果的预测是有效的.     

模糊神经网络在电火花线切割加工中的应用

分析了电火花线切割加工工艺特点,针对其加工过程的复杂,各工艺参数之间相互制约,难以用传统的数学方法解决,而提出了用模糊神经网络对电火花线切割加工过程建立模型,通过网络的训练,实现加工参数的优化选取和预测,并且提取出有效的规则集.实验结果说明了这一方法具有可行性和实用性,并取得了较好的效果.     

一种电火花加工模糊间隙控制方法研究

针对电火花加工间隙状态难以控制的问题,分析电火花加工特性,研究电火花加工状态识别及检测方法,研制了基于常规模糊控制的优化模糊控制器.此优化模糊控制器以两种采集信息为输入量,进行相应的模糊化,然后建立相关的模糊控制规则,最后耦合两种情况,输出模糊控制量.该优化控制加工系统,解决电火花加工过程中的关键问题,实现加工过程的智能控制.实验证明,该系统运行稳定、安全可靠,智能化程度高,加工效果显著.     

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。     

基于进化神经网络的电火花铣削加工电极损耗预测

针对电火花铣削加工的时变非线性特性,提出基于神经网络的电火花铣削加工电极损耗预测模型,利用该网络预测加工速度和工具的相对损耗,从而可在加工中实时计算出工具实际损耗量,为实现电极损耗的在线动态补偿打下基础。针对神经网络传统训练算法-BP算法的不足,提出了一种自适应调节变异率和变异量的进化算法来优化网络权值和网络结构,提高了网络的逼近精度和进化速度。     

神经网络在工程陶瓷电火花加工中的应用研究

为解决工程陶瓷电火花加工中工艺参数与表面质量之间数学模型难以建立这一问题,提出将人工神经网络引入电加工领域中。建立了工程陶瓷电火花加工表面粗糙度随工艺参数变化的预测模型。实验结果表明,应用此模型能精确地预测出给定条件下的表面粗糙度,相对误差小,进而验证了该模型的可靠性。     

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。     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

高速走丝气中电火花线切割模具钢的研究

对高速走丝线切割机床进行了气中和液中的加工工艺对比分析。实验结果表明，采用气中切割加工工艺，可提高其加工工件的切割速度和表面质量。     

气体介质放电间隙控制系统的研究

设计了以压电陶瓷驱动器为基础的气体放电电火花加工间隙控制系统，该系统包括硬件和软件两部分。其中，硬件系统包括采样保持电路、时序控制电路、电压信号比较电路、A／D转换电路，旨在提高间隙控制系统的响应速度，达到有效平稳控制电火花气体放电加工的目的。     

基于电火花加工方法的表面改性技术研究

研究了一种在普通电火花加工机床上实现金属工件表面改性的新方法。它是在传统电火花加工方法的基础上，采用TiC-Co半烧结体电极和普通煤油工作液，在工件表面形成一层硬质陶瓷层，从而达到改善工件表面性能的目的，这种新方法被称之为放电沉积。对放电沉积原理进行了探讨，在大量试验的基础上，总结了放电沉积的工艺方法。通过扫描电镜、电子探针、X射线衍射分析、摩擦磨损等试验，对形成的沉积层特性进行了定量和定性分析。最后利用该方法在普通的高速钢车刀上进行了初步应用。试验与分析表明，该方法是一种极具潜力的金属表面改性方法。     

刀具磨损监控中神经网络训练的模糊方法

提出了一种利用刀具磨损状态隶属函数来训练BP网络的新方法,该方法较好地解决了在刀具磨损状态中对过渡样本识别率过低的问题。     

大面积钛合金电火花加工放电产物运动规律研究

在大面积钛合金电火花加工过程中,容易造成电蚀产物聚集且不易冷却从而产生集中放电、拉弧及短路现象,严重的甚至会烧伤工件的表面。因此,为了实现持续稳定的正常火花放电,在放电过程中放电点的位置分布必须均匀。电火花放电产生的气泡及加工屑是影响放电点分布均匀性的关键因素。为此,首先通过计算流体动力学软件Fluent对气泡的运动规律进行了仿真分析,然后通过高速摄像机拍摄透明电极下气泡的运动规律验证仿真的可靠性。结果表明气泡在间隙内的运动经过了膨胀、收缩及破裂的过程。通过试验对脉冲放电产生的加工屑颗粒的直径分布及数量进行了研究,并对加工屑在放电瞬间的抛撒机理做出了合理的假设,建立了电火花加工过程中放电间隙流场的气液固混合相三维模型,仿真分析了气泡运动对加工屑运动的影响规律。研究发现加工屑在气泡内部时,由于空气对加工屑的阻力小于工作液对气泡膨胀的阻力,加工屑快速向气泡的边界靠近。而当加工屑穿透气泡的边界进入工作液中后其速度迅速降低,且随着气泡的收缩逐渐靠近放电发生的位置。因此可以通过改变脉冲间隔实现控制气泡的大小及加工屑的分布,从而可以有效避免集中放电提高放电点分布的均匀性。     

电火花铣削加工智能化数控系统研究

根据电火花铣削加工的特点，开发了基于Windows2000的电火花铣削加工智能化数控系统。该数控系统由PC机、DMC300运动控制卡、放电状态检测卡、A／D卡、I／O卡和脉冲电源等硬件组成。在软件设计中，采用人工神经网络来预测电极损耗，实现电极的智能预测和补偿。建立两个模糊控制器，分别以放电状态和极间电压作为输入，实现进给系统的变步距、变频双重调节，提高了系统的跟踪能力和稳定性。根据Windows驱动程序模型开发了各种板卡的驱动程序。实际使用表明，该系统具有较强的适用性。