碳化硅铜基复合材料制备及相关性能测试.pdfVIP

T 吣YAPPucATIoN 采用负极性加工。做了表 1所示的实验 ，试验结果与预测结果 分析过程复杂以及预测结果也不理想的缺点 ，人工神经网络模 之间比较如表 2所示。 型在电火花加工工艺效果的预测具有 良好的效果 ，试验表明电 表 1 加工参数 极损耗、表面粗糙度和加工速度的实际值与预测值很接近 ，因 I峰值电流 (A)脉冲宽度 (us)脉冲间隔 (us)峰值电压 (Unit) 此该模型能真实反映机床的加工工艺规律。 ： l 2 12O 220 3 2)人工神经网络与仿真预测控制理论相结合 ，应用于电火 ： 7 ． 240 30 8 花加工过程中工艺效果的控制。通过建立多模态的信息预测模 7 60 220 6 型 ，使电火花加工工艺的控制向更高的层次发展。 10 20 150 6 3)本课题的研究只是初步的尝试 ，如果能引入智能算法 ， lO 12O 70 8 15 60 70 1 如遗传算法 ，模拟退火算法等 ，在学习时考虑更多影响加工工 表 2 试验结果与预测结果之间的比较 艺效果的因素 ，则更能提高模型的精度 ，具有更大的实际意义。 电极损耗 o／％ 加工速度vw／mm。／min 表面粗糙度 Ra／um 参考文献 实际值 预测值 实际值 预测值 实际值 预测值 1【]杨大勇，伏金娟．电火花成形加工技术及其发展动向… ．航 0．7 0．637 l6．96 16．268 3．17 3．16 空制造技术，2010(5)：43-46． 2 1．791 41．36 42．934 6．72 5．958 [2]吴蓉．基于人工神经网络的电火花加工工艺专家系统 [J]．机 1．6 1．8l3 33．62 34．350 4．63 4．800 电产品开发与应用 ，2008，21(4)：174-178． 4．6 4．477 46．64 48．577 4．52 4．782 2 2．392 56．35 53．951 5．99 6．O9l [3】田景文．人工神经网络算法研究及应用 [M]．北京：北京理工 4 3．8l9 66．31 70．566 6．18 6．704 大学出版社 ，2006． 从表 1、表 2可以看出，网络正确的反应了电参数与加工结 …4周开利，康耀红．神经网络模型及其MATLAB仿真程序设计 果直接地映射关系 ，预测结果和实际情况还是十分接近 ，因此 [M]．北京：清华大学出版社，2005． 证实了本课题所建立的BP神经网络模型能反应 出的工艺规律。 作者简介 3结论 苟刚 (199O-)，男，四川南充人，西华大学机械工程与 自 1)相对于传统非线性回归模型预测结果分散性较大、计算 动化学院在读硕士生，研究方向：特种及精密加工技术。 ff(上接第74页)tt 初始状态 。 4结束语