电火花线切割火花参数分析研究控制科学与工程专业论文.docxVIP

分类号： 分类号： 学校代号：11845 UDC： 密级： 学 号：2111204109 广东工业大学硕士学位论文 (工学硕士) 电火花线切割火花参数分析研究 麦毅成 指导教师姓名、职称： 匿堡数攮 学科(专业)或领域名称： 蕉壹4抖堂量王猩 学生所属学院： 自麴他堂医 论文答辩日期： 呈Q!墨生鱼月垒目 万方数据 A A Dissertation Submitted to Guangdong University of Technology for the Degree of Master (Master of Engineering Science) Analysis and Research the Parameters of Spark of Wire Cut Electrical Discharge Machining Candidate：Yicheng Mai Supervisor：PrOf．Wei Chen June 2015 SchooI of Autom ation Guangdong University of Technology Guangzhou，Guangdong，P．R．China，51 0006 万方数据 摘要摘要 摘要 摘要 电火花线切割加工原理是利用移动的细金属丝线(铜丝或钼丝)作电极，对工件 与金属丝线进行脉冲电火花放电、切割成型。在电火花线切割加工中，各项加工参数 相互关联、制约，甚至互相矛盾，耦合性极强，难以用数学公式描述其加工模型。电 火花线切割主要加工阶段是脉冲电源接通时电极丝与工件之间产生电火花，但接通阶 段往往出现断流现象，本文重点研究加工时火花面积量的变化规律，对所采集数据进 行分析、训练及预测，预测系统可作为加工控制策略制定的专家系统。 数据聚类分析，能够研究数据的相似程度以发现隐含的、未知的、有潜在应用价 值的信息或模式，是作为数据处理的基础或分析的起点。机器学习中，传统数据按有 无确定性可划分为监督学习和无监督学习；聚类分析是一个无监督的学习过程。半监 督聚类是通过引入成对约束解决无监督聚类容易陷入局部最优值问题。本文采用矩阵 成对约束优化K均值聚类算法，利用部分标记数据和属性矩阵提高聚类中心搜索能力。 测试数据选用UCI机器学习数据集与现有聚类算法进行比较分析，结果表明本算法在 低维度数据中聚合能力更优。 聚类中心搜索目的是优化径向基(RBF)神经网络中心向量的选取，RBF神经网 络对于复杂的函数关系或模型难以确定具有较高的逼近效果，理论上能以任意精度逼 近连续函数。径向基神经网络学习缺陷在于中心向量选取困难，传统选取方式是以输 出结果为导向，采用梯度下降法调整学习，输出模型具有较高的拟合精度，但预测精 度不高。 本文采用电火花线切割火花面积与加工影响参数建立神经网络二步预测学习模 型，提出了半监督聚类优化RBF神经网络预测算法，利用数据半监督聚类分析系统 参数影响程度，聚类结果优化径向基神经网络中心向量和宽度选择，对火花面积和加 工效率进行预测学习。实验结果表明算法无论是拟合能力还是预测能力均优于传统神 经网络，预测相对误差较小，整体预判火花量成功率较高。 关键词： 电火花线切割；火花面积；半监督聚类；径向基神经网络；预测学习 万方数据 广东工业大学硕士学位论文AB 广东工业大学硕士学位论文 AB STRACT Wire cut electrical discharge Machining(WEDM)is using the moving wire(copper or clamp)as an electrode．Impulse voltage loading into the workpiece and metal wire generate the spark and cut forming．In the wire cut electrical discharge machining，the process parameters are interrelated constraints，even contradictory,coupling strongly．It is difficult to describe the processing model using mathematical formulas．WEDM main processing stage is to generate the spark between the wire and wokpiece throw pulse power turned on． But in this stage it appeared generating no spark phenomenon．Th