基于模糊神经网络的数控编程的探讨.pdfVIP

2.2 实验数据及理论分析 22..22 实实验验数数据据及及理理论论分分析析 工件 在系统刚度，加工前、后径向误差等因素已知 机床和 时，材料的硬度是影响误差复映系数的主要因素。 刀具和传感器 夹具 实验前测得各材料的平均硬度(HBS)如表1所示。 打印机 通过实际实验获得若干组网络训练数据。对这些数 据进行理论分析并结合实验中的加工经验可以得 二匦]]三二 到机械加工误差复映中的一些特点和规律。为后续 刚度仪 用于训练模糊神经网络提供依据。实验数据的结构 微机 如表2所示。 图2 实验设备示意图 表1 实验材料的硬度 材料种类 铝 铸铁 20#钢 45#钢 材料硬度/HBS 80 120 156 210 表2 实验数据的结构 序号 K （N/mm） EB(mm) f (mm/r) P P P EE(mm) 系 1 2 3 1 800 0.306 0.0 9 50 50 0 0.05 3 自动编程的实现 如果网络输出的结果，只能作为加工时的参 考，还远没有达到预期的目的。我们利用模糊神经 ；E群千详轷轷圭世￥口工蛞仕 网络进行机械加工参数的自动选择的目的是实现 数控加工程序的自动编制。训练好的网络输出的结 果可以选择存盘或根据输出结果自动生成数控加 工程序，程序界面如图3和4所示。在图3所示的 界面中，选择继续生成数控车床加工程序，然后点 击“下一步”按钮，则转入图4所示的界面。在图 4所示的界面中，选择数控机床的数控系统类型， 根据所选择的数控系统，自动调用事先编制好的带 有“形参”的数控加工程序，并利用网络输出的结 图4 数控系统型号选择 果替换程序中的“形参”，从而生成可供加工使用 为了自动生成数控加工程序，我们把网络输出的数 18幽嚣姆T槔省蛙翠 的数控加工程序。 据以文本形式保存起来，为了编程方便，我们统一 命名为“网络输出数据”。在“网络输出数据”中 没有包含的数控编程所需的数据，存储在另一个文 本文件“原始数据”中。这两个文本文件中的数据 均按约定的顺序分行记录，以便调用。同时对于同 一种机床，编写三个加工参数“待定”的数控加工 程序，三个程序分别对应一次切除所有余量 （P =100%）、分两次切除所有加工余量（P+P=1）