基于神经网络型腔电火花加工工艺效果预测模型.pdfVIP

科技成果·学术论文 基于神经网络的型腔电火花加工 工艺效果预测模型 Forecasting Model of Technological Effect for Die Sinking EDM Based on ANN 哈尔滨工业大学机电工程学院 杨晓冬 赵万生 刘光壮 迟关心 ［摘要］ 针对电火花加工的工艺特点及其复杂 加工工艺结果之间的关系，为型腔电火花加工智能化 性，提出了一个基于神经网络的型腔电火花加工工艺 系统的研究提供了可靠的依据，并能从中归纳出加工 效果的预测模型，可映射出电参数和加工结果之间的 工艺规律，有利于推进电火花加工工艺机理的研究。 关系。计算机仿真结果显示了其良好的预测精度，最 1 基于神经网络的工艺效果预测模型 后分析了引起预测误差的原因。 关键词：电火花加工 预测模型 人工神经网络 神经网络是由大量简单的非线性处理单元以某种 ［ ］ 拓扑结构广泛地相互联接而成的高度非线性动力学系 ABSTRACT According to the character of EDM ， 统。它具有自组织、自学习和联想记忆等功能，并具有 technoIogy and its compIexity a forecasting modeI of techno- IogicaI effect for die sinking EDM based on ANN is present- 分布性、并行性和高度鲁棒性等特性，可用于复杂系统 ， 的建模。 ed which can refIect the reIationship between machining re- suIt and eIectricaI parameters . The resuIt of simuIation shows BP 网络是单向传播的多层前向网络，可看成是一 从输入到输出的高度非线性映射。BP 算法实质上是 ， high forecasting accuracy . At Iast the reasons to cause the forecasting error are anaIyzed . 把一组样本输入输出问题转化为非线性优化问题，并 通过梯度算法利用迭代运算求解权值问题的一种学习 ： Keywords EDM Forecasting model ANN 算法。具有 Sigmoid 非线性函数的三层神经网络可以 随着 技术的普及和发展，电火花加工在金属 以任意精度逼近任何连续函数，因此可用来模拟电火 NC 加工中的地位越来越重要，其应用范围也不断扩大。 花加工电参数和加工结果之间的复杂函数关系。 但在电火花加工中，影响加工结果的因素比较多，也比 1. 1 网络的拓扑结构 较复杂，如电极—工件材料、面积、深度、形状、各个电 由于学习样本的局限，本课题研究的对象是通常 参数、抬刀和冲液条件等。其中电参数的设定是很关 面积、深度、形状和冲液等条件下的电参数和加工结果 键的，各个电参数的选择和合理的搭配对加工结果有 之间的关系，即不考虑面积、深度、形状和冲液等的影 很大影响，影响程度又难以用精确的数学模型来描述， 响。网络的输入取对电火花加工结果有主要直接影响 的脉冲宽