木制品数控加工工艺参数优化研究及系统实现

论文摘要

随着木工机床数控化进程的加快,数控木工机床的应用越来越广泛。数控木工机床的广泛使用推动了木制品加工产业的发展。但是当前国内针对木制品数控加工工艺的研究却很少。为了指导木制品数控加工生产,针对数控木工机床的应用性的加工工艺的研究势在必行。本课题基于试验法进行研究。首先通过基于田口质量控制理论进行工艺参数设计试验,得到试验结果并分析工艺参数与木制品加工质量的关系。然后基于试验所得数据用神经网络构建木制品数控加工工艺参数预测模型。木制品数控加工预测模型的建立可以预测加工后木制品的表面质量。经分析对比仿真测试结果,径向基(RBF)神经网络具有理想的预测效果和泛化性能。以RBF神经网络预测模型为基础,结合木制品工艺参数数据库设计了木制品数控加工工艺参数优化系统。本课题创新点是首次将田口质量控制理论应用于木制品生产加工过程中。以田口参数设计试验为基础,结合神经网络和数据库技术,构建了木制品数控加工工艺参数优化系统。为木制品数控加工的计算机辅助工艺设计(CAPP)的研究作出了有益的尝试。

论文目录

• 摘要
• ABSTRACT
• 1 引言
• 1.1 数控加工工艺发展现状
• 1.1.1 国内外数控技术发展现状
• 1.1.2 国内外工艺设计研究现状
• 1.2 木制品加工现状
• 1.2.1 木制品数控加工工艺的研究现状
• 1.2.2 木制品复杂型面加工现状
• 1.3 木材数控加工的研究现状
• 1.4 研究的意义和内容
• 2 基于田口法的工艺参数优化试验
• 2.1 田口法介绍
• 2.2 正交试验设计法原理
• 2.3 田口法参数设计试验
• 2.3.1 选择可控因素与噪声因素
• 2.3.2 正交试验
• 2.3.2.1 径切面（径面）
• 2.3.2.2 横切面（端面）
• 2.3.2.3 弦切面（弦面）
• 2.3.3 表面质量评价
• 2.3.4 数据分析
• 2.3.5 验证试验
• 2.4 小结
• 3 人工神经网络预测模型
• 3.1 人工神经网络概述
• 3.1.1 神经网络的基本原理
• 3.1.2 神经网络的泛化能力改进
• 3.1.2.1 规则化调整
• 3.1.2.2 初期终止
• 3.2 BP 神经网络模型
• 3.2.1 BP 神经网络的拓扑结构
• 3.2.2 Matlab 中BP 网络的构建与训练
• 3.3 RBF 神经网络模型
• 3.3.1 RBF 神经网络的拓扑结构
• 3.3.2 RBF 网络的构建与训练
• 3.4 预测模型的构建与比较
• 3.4.1 样本数据的处理
• 3.4.1.1 归一化处理
• 3.4.1.2 泛化性能改进处理
• 3.4.2 BP 网络预测模型的实现
• 3.4.3 RBF 网络预测模型的实现
• 3.4.4 BP 网络与RBF 网络预测模型比较
• 3.5 小结
• 4 田口法参数设计试验结果及分析
• 4.1 柿木切削数据分析
• 4.1.1 径切面试验数据分析
• 4.1.2 横切面试验数据分析
• 4.1.3 弦切面试验数据分析
• 4.2 水曲柳切削数据分析
• 4.2.1 径切面试验数据分析
• 4.2.2 横切面试验数据分析
• 4.2.3 弦切面试验数据分析
• 4.3 落叶松切削数据分析
• 4.3.1 径切面试验数据分析
• 4.3.2 横切面试验数据分析
• 4.3.3 弦切面试验数据分析
• 4.4 小结
• 5 切削效果综合分析及预测
• 5.1 不同材质切削效果对比分析
• 5.1.1 径切面切削效果对比分析
• 5.1.2 横切面切削效果对比分析
• 5.1.3 弦切面切削效果对比分析
• 5.1.4 工艺路径规划分析
• 5.2 工艺参数影响分析
• 5.2.1 工艺参数对柿木切削效果的影响
• 5.2.2 工艺参数对水曲柳切削效果的影响
• 5.2.3 工艺参数对落叶松切削效果的影响
• 5.2.4 工艺参数的选择分析
• 5.3 切削效果的预测及分析
• 5.3.1 柿木切削效果预测
• 5.3.2 水曲柳切削效果预测
• 5.3.3 落叶松切削效果预测
• 5.4 小结
• 6 工艺参数优化系统的设计
• 6.1 工艺参数优化系统总体设计
• 6.2 工艺参数数据库设计
• 6.2.1 概念设计
• 6.2.2 关系模式
• 6.3 工艺参数优化模块设计
• 6.4 工艺参数优化系统实现
• 6.5 小结
• 7 总结与展望
• 7.1 工作总结
• 7.2 研究展望
• 7.3 本课题的创新点
• 参考文献
• 个人简介
• 导师简介
• 致谢
• 附录