压电自适应微细电火花加工工艺研究

论文摘要

微细电火花加工技术作为一种重要的微细加工方法,因其具有设备简单、可控性好、无切削力、适用性强等一系列优点,在微小尺度零件的加工中获得大量应用,受到国内外学者的广泛关注。但由于其加工尺度微小引起的排屑困难、加工效率低、加工状态不稳定等问题已成为制约微细电火花加工技术发展的瓶颈。针对微细电火花加工中的上述问题,本文提出了一种新型的微细电火花加工方法——压电自适应微细电火花加工技术。该技术主要是利用压电陶瓷的逆压电效应,借鉴了传统RC电路电火花加工没有维持电压从而可以产生微能放电的优点,将压电陶瓷致动器集成到放电电路内部,使致动器本身作为电火花加工电路的一部分,用以驱动电极进给。每次脉冲放电,工具电极都在压电致动器的驱动下作伸缩运动,从而实现微进给。该加工技术可实现放电间隙与放电状态的自适应调整,能够有效减少稳态拉弧和短路现象的出现频率,并能实现短路自消除,从而可以大幅度提高电火花加工过程的稳定性及其加工效率。本文从压电自适应微细电火花小孔加工工艺实验出发,系统研究了各电参数对材料去除率、电极相对损耗率和加工表面粗糙度的影响规律,研究结果表明：开路电压和电容容值对材料去除率、电极相对损耗率和加工表面粗糙度均有较大影响,且随开路电压和电容的增加,材料去除率、电极相对损耗率和加工表面粗糙度均有所增大；限流电阻对材料去除率、电极相对损耗率和加工表面粗糙度的影响均不大。在分析电参数对各性能指标影响规律的基础上,选取适当的电参数,设计正交试验方案。采用信噪比分析法分析三水平四因素正交试验结果,得出了各电参数对工艺性能指标影响的主次关系。采用基于信噪比的灰关联度分析法,对各单项性能指标进行了工艺参数的优化,得出了针对单项工艺性能指标的最优化参数组合。随后将多项工艺指标的优化问题转化为单项灰关联度的最大化问题,实现了多目标工艺参数的优化。进行了实验验证,结果表明：该优化的参数组合情况下综合加工效果最优。采用人工神经网络的BP算法,以压电自适应微细电火花微小孔加工工艺实验的结果作为神经网络的学习样本,基于MATLAB软件平台建立了压电自适应微细电火花微小孔加工多目标工艺参数的预测模型。该模型能够较准确的预测出给定工艺参数条件下的加工时间、电极相对损耗率和表面粗糙度。本文的研究成果可用于压电自适应微细电火花加工的参数选择和工艺性能预测,对推动该技术的实际应用具有重要意义。

论文目录

• 目录
• CONTENTS
• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 微细电火花加工的特点与实现条件
• 1.3 微细电火花加工技术的研究进展
• 1.3.1 微细电火花加工装置的研究进展
• 1.3.2 微细电火花加工工艺研究进展
• 1.3.3 微小孔电火花加工工艺参数优化及建模研究进展
• 1.4 课题的研究目的及意义
• 1.5 课题来源及主要研究内容
• 第2章 压电自适应微细电火花加工原理及特性
• 2.1 压电自适应微细电火花加工原理
• 2.1.1 压电致动器
• 2.1.2 加工原理
• 2.2 压电自适应微细电火花加工特性分析
• 2.2.1 实现短路自消除
• 2.2.2 提高加工过程稳定性
• 2.2.3 提高加工效率
• 2.2.4 可实现超低电压下的电火花加工
• 2.3 加工实例
• 2.4 本章小结
• 第3章 电参数对性能指标的影响规律分析
• 3.1 研究参数及电极和工件材料选取
• 3.1.1 研究参数的选取及实验条件
• 3.1.2 工件材料的选取
• 3.1.3 电极材料的选取
• 3.2 电参数对材料去除率的影响规律
• 3.2.1 开路电压对MRR的影响
• 2对MRR的影响'>3.2.2 电容C₂对MRR的影响
• 1对MRR的影响'>3.2.3 限流电阻R₁对MRR的影响
• 2对MRR的影响'>3.2.4 限流电阻R₂对MRR的影响
• 3.3 电参数对电极相对损耗率的影响规律
• 3.3.1 开路电压对EWR的影响
• 2对EWR的影响'>3.3.2 电容C₂对EWR的影响
• 1对EWR的影响'>3.3.3 限流电阻R₁对EWR的影响
• 2对EWR的影响'>3.3.4 限流电阻R₂对EWR的影响
• 3.4 电参数对表面粗糙度的影响规律
• 3.4.1 开路电压对Ra的影响
• 2对Ra的影响'>3.4.2 电容C₂对Ra的影响
• 1对Ra的影响'>3.4.3 限流电阻R₁对Ra的影响
• 2对Ra的影响'>3.4.4 限流电阻R₂对Ra的影响
• 3.5 本章小结
• 第4章 正交试验及工艺参数优化研究
• 4.1 工艺参数的正交试验设计
• 4.1.1 正交试验设计方法
• 4.1.2 工艺参数的正交试验方案
• 4.2 基于信噪比的工艺参数主次分析
• 4.2.1 信噪比的概念
• 4.2.2 加工参数对工艺指标影响的主次分析
• 4.3 基于灰色关联度的工艺参数优化
• 4.3.1 灰色关联度分析方法
• 4.3.2 基于灰关联度的单目标工艺参数优化
• 4.3.3 基于灰关联度的多目标工艺参数优化
• 4.4 本章小结
• 第5章 压电自适应微细电火花加工工艺模型
• 5.1 BP神经网络概述
• 5.1.1 BP网络模型
• 5.1.2 BP网络的训练过程
• 5.1.3 BP网络的学习算法
• 5.1.4 BP网络的局限性
• 5.2 压电自适应微细电火花加工工艺的BP网络建模
• 5.2.1 样本数据的选择及预处理
• 5.2.2 BP网络模型的结构设计
• 5.2.3 网络训练参数的选择
• 5.2.4 BP网络模型训练过程及结果
• 5.3 BP网络模型预测效果验证
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢
• 学位论文评阅及答辩情况表