模具钢铣削中刀具磨损的试验研究.pdfVIP

2014年第 48卷 No．8 55 模具钢铣削中刀具磨损的试验研究 齐孟雷 辽宁机电职业技术学院 摘要 ：以面铣刀刀片磨损为研究对象，结合类神经网络系统建构高速数控铣削加工的预测模型。以加工参数 为模型输入条件 ，刀腹磨耗为输出条件。采用多因素试验方法，选择切削速度、进给速度 、切削深度三个试验参数， 利用直交表式的试验计划法设计试验点。依照试验点铣削工件后再测量刀具加工后的刀腹磨耗量，进而求得倒传 递网络所需的36组训练范例与11组验证数据。刀腹磨耗预测模式是利用类神经网络中的倒传递网络原理，以田 口法求得倒传递网络参数的最优值。试验结果显示 ，刀腹磨耗随着切削速度 、进给速度、切削深度增加而上升。铣 削模具钢后，刀具磨耗预测值的平均误差为4．72％，最大误差为 11．43％，最小误差为0．31％。整体而言，类神经 网络对于铣削加工可进行有效预测。 关键词：神经元 ；模具铣削；正交法；最优切削参数 中图分类号：TG54；TP391 文献标志码 ：A ExperimentalStudyofToolW earinM illingofMoldSteel QiMenglei Abstract：Infacemillingcutterbladewearforthestudy，combinedwithneur~ networksystem toconstructhigh— speedCNCmillingmachiningpredictionmodeltotheprocessingparametersf0rthemodelinputconditions．flankwearas outputcondition．Multi—factortestmethod，selectthecuttingspeed，feedrate，cuttingdepthofthreeexperimentalparam · eters，theuseofexperimentalmethodorthogonalarraydesignexperimentspointtype，themeasurementtoolflankwearvol— ameprocessedinaccordancewiththeexperimentalpointsaftermillingaworkpiece，thusobtained36setsoftrainingexam— plesbackpropagationnetworkwith11groupsneededtovalidatedata．Flankwearpredictionmodelusingneuralnetwork back—propagationnetworktheory，inordertoobtainthebestvalueTaguchimethodbackpropagationnetworkparameters． Experimentalresultsshow thatflankwearwithcattingspeed，feedrate，cuttingdepthincreasestorise．Aftermillingtool steel，toolwearpredictionaverageerrorvalueis4．72％ ，themaximum erroris11．43％ ，theminimum errorof0．31％ ． Overall，theneuralnetworkcaneffectivelypredictthemillingprocess． Keywords：neurons；moldmilling；optimum cuttingparameters；orthogonal 人工神经网络是一种计算系统，包括软件与硬 1 引言