基于gm模型的刀具耐用度灰色预测.docVIP

基于GM模型的刀具耐用度灰色预测 摘要：提出采用基于灰数(GM)模型的灰色预测方法预测刀具耐用度，介绍了GM模型的灰色建模方法，并通过切削易切钢的刀具耐用度预测实例分析验证了该方法的可行性及预测精度。1 引言为了准确评价金属材料的可加工性或刀具材料的切削性能，通常需要进行刀具磨损试验，即在常用切削速度范围内选取不同切削速度进行切削试验，得到一组刀具磨损v-T曲线，并根据给定的磨钝标准绘制出刀具耐用度曲线。这种基于切削试验的刀具耐用度评价方法成本较高(尤其对于贵重材料)，费时费力，且在有些情况下难以实现。为此，众多研究人员对各种刀具耐用度快速试验方法(如端面车削试验法、圆锥车削试验法、不断加速法、放射性同位素法等)进行了大量试验研究，但这些试验方法均存在不同的局限性。近年来也有研究者采用线性回归法预测刀具耐用度，但要获得较理想的预测结果，在刀具正常磨损阶段至少需要选取8～10个测点且要求该阶段具有较好线性。基于灰数模型(GM模型)的预测方法自20世纪80年代初期灰色理论创建以来，已在许多领域得到成功应用。在灰色模型的建模过程中，灰色理论可充分开发并利用少量数据中的显信息和隐信息，根据行为特征数据找出因素本身或因素之间的数学关系，提取建模所需变量，通过建立离散数据的微分方程动态模型，了解系统的动态行为和发展趋势。该方法具有以下特点：①所需信息量较少(通常只要有4个以上数据即可建模)；②不需已知原始数据分布的先验特征，通过有限次的生成，可将无规则分布(或服从任意分布)的任意光滑离散的原始序列转化为有序序列。③建模精度较高，可保持原系统特征，能较好反映系统实际情况。本文采用GM模型，在易切钢材料的切削性能试验中，对给定磨钝标准下的刀具耐用度进行了预测，取得了令人满意的效果。2 刀具耐用度预测的灰色建模方法由单变量一阶微分方程构成的GM(1，1)灰色模型是灰色理论中较常用的预测模型。基于该模型的刀具耐用度预测建模方法如下：首先按通常的刀具磨损试验方法进行切削试验，每切削一段时间即观测一次刀具后刀面磨损值VB，当刀具进入正常磨损阶段后，即可根据记录数据和预先设定的刀具磨钝标准对刀具耐用度进行预测。设观测的原始序列为X(0)={X(0)(VBi)|i=1，2，…，n}(1)式中，X(VBi)为切削时间，VBi为与该时刻对应的刀具后刀面磨损值。基于灰色理论的预测通常要求原始数据是等时空距的，但在本文涉及问题中，切削时间与刀具后刀面磨损值的关系数据在一般情况下难以满足这一要求。因此还需将后刀面磨损值VB变换为从1开始、以1递增、带有一位整数的序列，变换公式为Pi=VBi-VB1c+1(i=1，2，…，n)VB2-VB1(2)式中，c为调整系数，可根据实际情况取值，取值范围为0利用插值法计算出小于Pi且最接近Pi正整数点处的切削时间。设ip为小于Pi且最接近Pi的正整数，求ip点处切削时间的内插公式为X(0)(ip)=X(0)(Pi-1)+iP-Pi-1[X(0)(Pi)-X(0)(Pi-1)]Pi-Pi-1(3)为弱化原序列的随机性，将无规序列变为有规序列，通常需对其数列进行一次累加数据处理，对X(0)(ip)作一次累加处理的表达式为X(1)(ip)=ip∑:k=1X(0)(k)(ip=1，2，…，n)(4)对X(0)(Pi)作一次累加处理的表达式为X(1)(Pi)=X(1)(ip)+(Pii-ip)X(0)(Pi)(5)经过以上处理后，一般可使粗糙的原始数据离散数列变为光滑的离散数列。在满足光滑性条件后，即可建立通过预测灰数的新陈代谢，逐个预测，依次递补，直至预测值达到给定的磨钝标准为止。3 预测实例与效果分析利用上述灰色预测方法对切削两种牌号(Y15、Y15b)易切钢的刀具耐用度进行预测。为便于对比，通过四组切削试验获得了切削全程的刀具磨损曲线。切削试验条件为：第一组：干切削Y15，ap=1mm，f=0.2mm/r，v=70m/min；第二组：干切削Y15b，ap=1mm，f=0.2mm/r，v=70m/min；第三组：干切削Y15，ap=1mm，f=0.2mm/r，v=50m/min；干切削Y15b，ap=1mm，f=0.2mm/r，v=50m/min。刀片材料均为W18Cr4V，硬度HRC64.5～65.3，磨钝标准VB=0.3mm。 表 试验数据原始序列第一组VB值0.0640.080.0970.12切削时间t4.35.77.610.7第二组VB值0.040.0650.0870.1切削时间t48.512.516第三组VB值0.1050.120.1420.153切削时间四组VB值0.0420.0620.0860.11切削时间t14.62642.360在刀具进入正常磨损阶段后，仅取4个数据作为原始序列进行预测，直至达到