基于神經網絡的數(shù)控車削過程中零件表面粗糙度的在線預測.pdf

1、機械零件的表面精度是除了其尺寸精度和形狀位置精度之外用于衡量零件加工質量的又一重要指標。數(shù)控機床作為先進的機械制造設備，在對產品尺寸精度和形狀位置精度的控制上有著比傳統(tǒng)機床所不可比擬的優(yōu)勢。然而困擾著它的自動化水平進一步提高的障礙仍然是對切削過程中零件表面粗糙度的穩(wěn)定控制。 本文從表面粗糙度的形成機理和評價體系入手，分析了數(shù)控精車削過程中影響表面粗糙度值的原因及切削參數(shù)與它們之間的關系，發(fā)現(xiàn)其主要問題是它們相互作用下所引起的刀具

2、與工件之間的相對振動，從而產生相對偏移，導致了零件表面的粗糙度值的不穩(wěn)定，且徑向振動對表面粗糙度的影響要明顯大于其它方向的振動影響。根據(jù)現(xiàn)代切削振動信號的測試理論，自制了實驗設備，采用壓電式加速度傳感器提取出不同數(shù)控精車工況下與表面粗糙度值存在相關聯(lián)系的加速度幅值信號，經過自編虛擬儀器軟件的后續(xù)處理后，輸入到具有較強非線性映射能力且經過事先訓練的人工神經網絡中，進行表面粗糙度值的預測。 實驗結果表明，經事先訓練的人工神經網絡對不