前混合磨料水射流弹药切割机系统设计及切割模型的研究

论文摘要

本文分析了国内外磨料水射流技术在弹药销毁领域中的应用情况,针对目前该技术应用过程中出现的新问题,设计并研制了一套基于人工神经网络技术的磨料水射流弹药切割装置,可方便实现各种参数的调节和优化。论文分析了磨料水射流的微观机理,并对磨料水射流加工工艺特点和弹药切割过程中的特殊性进行了探讨。论文对磨料水射流弹药切割装置的整体方案、部件结构进行了详细设计。通过将磨料水射流加工工艺特性与人工神经网络建模技术相结合,建立了人工神经网络磨料水射流切割压力预测模型。在基于实验研究所获取的大量样本数据的基础上,在Matlab平台上编程实现了网络模型的训练。最后对所建立的人工神经网络模型进行了验证。论文的主要研究内容及取得的成果如下:1、磨料水射流理论发展与应用情况研究。分析了国内外磨料水射流技术的研究现状、发展动态,对磨料水射流系统的组成、工作原理和切割机理进行了详细的研究,探讨了目前磨料水射流弹药切割技术和设备存在的问题及研究方向。2、磨料水射流弹药切割装置设计。针对目前弹药销毁应用领域的需求,设计了一套磨料水射流弹药切割系统,对系统的组成和工作原理进行了研究。3、以人工神经网络理论为基础,建立了磨料水射流切割的人工神经网络模型。4、以130mm口径榴弹为切割样本材料,实验研究了磨料水射流工艺参数对切割效果的影响。5、利用实验所获得的数据样本,对已建立的磨料射流切割的人工神经网络模型进行了训练,使其具有预测优化切割压力的功能。通过实际应用效果的对比,验证了该模型的可行性。研究表明,本文所建立的基于人工神经网络的磨料水射流切割模型具有很好的拟合能力与泛化能力,是一种可靠的磨料水射流切割模型,具有较高的实用价值。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 水射流技术的起源
• 1.2 高压水射流的分类与技术应用
• 1.2.1 高压水射流分类
• 1.2.2 高压水射流技术应用
• 1.3 国内外研究概况及发展趋势
• 1.3.1 高压水射流技术国内外研究概况及发展趋势
• 1.3.2 磨料水射流技术国内外研究概况及发展趋势
• 1.4 磨料水射流技术应用现状
• 1.5 磨料水射流技术在武器销毁领域中的应用
• 1.6 磨料水射流切割模型研究现状
• 1.7 课题来源
• 1.8 课题研究主要内容及意义
• 1.8.1 课题研究的主要内容
• 1.8.2 课题研究的意义
• 2 磨料水射流切割机理的研究
• 2.1 高压水射流结构
• 2.2 水射流的切割机理
• 2.3 金属等塑性材料的破坏
• 2.4 岩石等脆性材料的破坏
• 2.5 磨料水射流工作原理
• 2.5.1 前混合式磨料水射流
• 2.5.2 后混合式磨料水射流
• 2.6 磨料水切割的影响因素
• 2.7 本章小节
• 3 前混合式磨料水射流弹药切割机结构设计
• 3.1 设计目标及射流方式的选择
• 3.1.1 设计目标
• 3.1.2 射流方式的选择
• 3.2 高压水发生装置的选择
• 3.3 前混合式磨料水射流弹药切割系统原理
• 3.4 执行机构设计
• 3.4.1 传动系统
• 3.4.2 专用卡具的设计
• 3.4.3 切割头的设计
• 3.5 磨料水射流发生装置
• 3.5.1 磨料流化装置
• 3.5.2 卸压装置
• 3.5.3 防堵装置
• 3.5.4 接收器
• 3.6 运动控制系统
• 3.7 本章小节
• 4 基于神经网络的磨料水射流切割模型的研究
• 4.1 人工神经网络技术概述
• 4.1.1 人工神经网络的发展历史
• 4.1.2 人工神经网络技术的特点
• 4.2 人工神经网络基本理论
• 4.2.1 人工神经网络基本模型
• 4.2.2 人工神经网络结构
• 4.2.3 人工神经网络的典型模型
• 4.3 BP 神经网络
• 4.3.1 BP 模型与网络结构
• 4.3.2 BP 网络的标准学习算法
• 4.3.3 标准BP 算法的改进
• 4.3.4 Levenberg-Marquardt 优化算法
• 4.4 BP 神经网络的MATLAB 实现
• 4.4.1 Matlab 神经网络工具箱简介
• 4.4.2 BP 网络的神经网络工具箱函数
• 4.5 基于人工神经网络的磨料水射流切割模型的建立
• 4.5.1 问题的引入
• 4.5.2 磨料水射流切割模型的输入输出参数的确定
• 4.5.3 BP 神经网络拓扑结构的设计
• 4.6 前混合式磨料水射流加工实验研究
• 4.6.1 实验条件及实验方法
• 4.6.2 前混合式磨料水射流工艺参数对切割性能的影响
• 4.7 本章小结
• 5 基于ANN 的前混合式磨料水射流切割模型的训练
• 5.1 BP 网络训练流程
• 5.2 BP 网络训练样本集的设计及输入与输出数据预处理
• 5.3 BP 网络算法的确定
• 5.4 BP 网络初始权值的选取
• 5.5 BP 网络模型程序设计
• 5.6 BP 网络训练结果及模型性能检测
• 5.8 本章小节
• 结语
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果