车削切削力不确定性的模糊—灰色预测.docVIP

车削切削力不确定性的模糊—灰色预测 摘要：为了定量预测车削力的不确定性范围，基于对称模糊数、线性规划理论和灰色理论，提出了一种切削力不确定性的模糊—灰色预测方法，建立了用于获取评价数据的车削力测量系统以验证该方法的有效性。预测与实测结果的对比分析表明：对于给定的切削条件，预测值是可变力的一个范围，而不是用传统方法所得的一个确定点，实测力以较小的相对误差落在预测范围内。1 引言加工过程中出现的不确定性现象已成为一个突出的问题。切削力作为过程特征量之一，其不确定性来自许多过程因素(包括可量化、难量化因素以及可预测、难预测因素)。若忽略难量化和难预测因素的影响，可近似认为切削力的不确定性主要源于两个方面：实际的力测量系统的影响(包括标定方法、漂移补偿方法、软件中的平均值和圆整方法、测力仪温度等的影响)和过程参数变化的影响(包括切削用量三要素的影响)。 常见的对系统不确定性的估计方法有概率分布法、模糊估计法和最小二乘法等，但至今所见关于加工过程不确定性研究的文章或报道为数不多。为了评价切削力的不确定性，考虑测量系统的标定误差和切削参数误差，根据最小二乘回归法和误差补偿理论，有研究者提出了TLSRM模型，此模型产生的不确定性预测结果是一个确定值而不是一个范围；考虑磨削参数变化和忽略测量系统的标定误差影响，基于模糊理论和线性规划理论，有关文献提出了一个模糊预测模型GFPM，而此模型产生的磨削力不确定性预测结果是一个范围而非一个确定值。 模糊预测模型GFPM使用区间形式来预测和评价磨削力的不确定性，从工程实践的角度看，要比预测一个确定点更有意义。但是模型GFPM不确定性预测的相对误差仍然较大。为了进一步研究这个问题，笔者注意到灰色理论擅长于估计任意系统的不确定性，因而试图建立一种模糊—灰色预测方法，并将其应用于车削力不确定性预测。为了验证所提出的方法，作者还建立了一个车削力检测系统。 2 车削力不确定性的模糊—灰色预测原理车削中，主切削力的经验数学模型可表达为 Fz=Cz(ap)x(f)y(1)式中，ap为切削深度(mm)，f 为进给量(mm/r)，x和y为指数，Cz为系数。 对式(1)取对数，可得 log(Fz)=log(Cz)+xlog(ap)+ylog(f)(2)令：Y=log(Fz)，b0=log(Cz)，b1=x，X1=log(ap)，b2=y，X2=log(f)，代入式(2)得线性模型分明形式为 Y=b0+b1X1+b2X2(3)定义式(3)对应的模糊形式为 Y(Xp)=A0+A1X1p+A2X2p(4)这里选择对称三角形形式的模糊隶属度函数。设三角形底边的中心和宽度分别为C和W，则对称模糊数表达为Y(Xp)=[C(Xp)，W(Xp)]，A0=[C0，W0]，A1=[C1，W1]，A2=[C2，W2]。分明变量为X1p=log(ap)p，X2p=log(f)p(p表示试验代码，且p=1，2，3，…，n)。 为了使力的测量值落在式(4)所得预测区间内，并且使对称模糊数的宽度Wi之和最小，应当满足以下线性规划关系： 规划目标为 ∑W(Xp)→min. (5)约束条件为 log(Fz)p≤C(Xp)+(1-h)W(Xp)(6)log(Fz)p≥C(Xp)-(1-h)W(Xp) (7)式中，W(Xp)=W0+W1X1p+W2X2p，C(Xp)=C0+C1X1p+C2X2p，宽度Wi≥0，且中心Ci≥0(下标i=0，1，2)。模糊隶属度h 满足0z)p为实测力的对数值。考虑到进给量01p=log(10mf)p且取m≥2。 此外，式(4)～(7)可以逻辑地推广到其它切削特征量(如切削温度等)的建模。 在求出式(4)中的模糊数Y(Xp)=[C(Xp)，W(Xp)]后，再取反对数，即可得到车削力不确定性的预测区间。依据给定的切削参数范围，安排一组测量试验，试验编号为p=1，2，…，n。对于第p 个测量试验，测量实际的切削力值；同时将相应的切削参数代入式(4)～(7)，以便得到切削力不确定性的模糊预测区间；再考察切削力的实测值是否落在预测范围内。 已有的研究结果表明，以上描述的模糊预测模型具有如下特征：要得到较好的预测结果，建模的数据样本越多，则在建模数据范围以内模型的输出越满意，但在建模数据范围以外模型输出越不满意。而灰色集合理论擅长于预测不确定性，且能解决模糊预测模型存在的问题。 基于式(4)，假设模糊模型的输出序列为：EY={Y(Xp)}={[Cp，Wp]}={[Yu(p)，Ys(p)]}其中Yu(p)=(Cp-Wp)，Ys(p)=(Cp+Wp)，且p=1，2，…，n。选出q(qYu0={Yu0(1)，Yu0(2)，…，Yu0(j)，…，Yu0(q)} Ys0={Ys0(1)，Ys0(2)，…，Ys0(j)，…，Ys0(q)}其中j=1，2