基于神经网络针阀体挤压研磨工艺模型.pdf

第 10期 机 械设 计 与 制造 2012年 10月 Machinery Design Manufacture 245 文章编号：1001—3997(2012)10—0245-03 截 基于神经网络的针阀体挤压研磨工艺模型木 ：曰0 周 苗 蔡红霞 王文斌 俞 涛 柏余杰 王传家 刘继超 (1．上海大学 机电工程与自动化学院 上海市机械 自动化及机器人重点实验室，上海 200072； 2．深圳职业技术学院，深圳 518000) ModelingforExtrusionGrindingofInjectValveBasedonNeuraINetwork ZHOUMiao，CAIHong—xia’，WANGWen—bin，YUTao，BAIYu-jie，WANGChuan-jia，LIUJi—chao (1．SchoolofMechatronicsEngineeringandAutomation，ShanghaiUniversity，ShanghaiKeyLaboratoryofMechanical AutomationandRobotics，Shanghai200072，China；2．ShenzhenVocationalandTechnicalCollege，Shenzhen518000， China) 中图分类号：TH16；U262．11；TG：375+．4 1引言 文献标识码：A 地点等因素的影响。因此，建立针阀体挤压研磨工艺参数模型具 有非常重要 的意义。 柴油机作为热效率最高的动力机械，已被广泛用于工农业 在大量实验的基础上，建立基于神经网络的针阀体挤压研 生产和交通运输等领域，但同时它也是最大的环境污染源。随着 磨工艺参数模型，预测针阀体挤压研磨 艺参数对挤压研磨效果 环保要求和排放标准的13益提高，进一步改善排放 、提高效率，已 的影响。 成为各国学者和柴油机生产厂家的重要课题。实践表明，通过去 除柴油机喷油嘴喷孔和压力室之间的毛刺，扩大其相贯线处的圆 2神经网络在针阀体挤压研磨过程中的 角、改善喷孔表面粗糙度，提高喷油嘴的高压液体流量系数，可获 应用 得 良好的燃油雾化效果，改进柴油机的性能_11。 由于神经网络具有很强的映射能力和非线性逼近特性 ，以 因此，国内外针阀体生产厂家相继引入液体挤压研磨技术， 及高度容错性、自主学习和联想记忆等特点，因此可用于建立针 现已取得较好的效果。 阀体挤压研磨工艺参数选择模型。 针阀体在挤压研磨过程中涉及的T艺参数较多，各工艺参 2．1网络输入／输出参数的确定 数间、各工艺参数与挤压研磨效果间，具有高度的非线性，难 以建 针阀体挤压研磨的效果跟工件的热处理程度、上道工序的 立一个全面而准确的数学模型来反映针阀体挤压研磨的工艺规 工艺、系统压力、装夹精度 、加工时间、磨料类型、磨料浓度等参数 律。为此，有些挤压研磨设备生产厂家，如美国某挤压研磨公司、 相关，如果将这些参数均考虑在内，无疑将增大模型建立的难度 ， 德国某挤压研磨公司等，为使本厂设备能达到更好的挤压研磨效 延长模型训练的时间，况且有些工艺参数难 以量化，无法获取相 果而提供相应的工艺参数表。然而针阀体的实际加工是一个复 应的数据。 杂、随机的过程，工艺参数对挤压研磨效果的影响还会受到温度、 为简化模型，结合挤压研磨设备操作者的经验以及相关专 ★来稿 日期：2011—12—14 246 周 苗等：基于神经网络的针阀体挤压研磨工艺模型