模具数控加工切削用量智能化研究

论文摘要

经济的高速发展,现代工业品多样化和高性能化的发展,对模具制造业提出了更高的要求。要紧追赶超现代制造业的步伐,就要对模具制造提出快速、高效的要求。随着数控加工技术在机械制造领域的广泛应用,大幅度地提高了模具加工质量,缩短了产品制造周期,加速了产品的更新换代。许多新技术与数控技术的结合发展,如柔性制造技术、人工神经网络技术、集成制造技术等等。这些技术与数控技术的结合发展,使得运用数控加工已经实现了一定的自动化,但更注重智能化的研究。数控技术的发展趋势之一,即向智能化加工方向发展。本文就提出了应用人工神经网络,在影响选择切削用量的各种因素中以及切削用量之间建立起函数映射关系,对切削用量进行智能化选择。切削用量选择对于机械加工来说,是零件加工工艺的一个重要方面。切削用量选择的是否合理恰当,对于加工工件质量,加工时间,以及生产成本都具有重要的影响作用。但在选择切削用量的时候,影响选择的因素之间也是互相交叉、互相影响、互相制约,因此,确定合理的切削用量也是较为困难。作为人工智能研究领域的新技术,即人工神经网络,具有非线性和信息分布处理特性。在处理类似切削用量选择这类多输入多输出的非线性问题上,省去了传统建模方法中要确定输入输出的相关性分析的环节。在本文中,应用Matlab软件中的神经网络工具箱,选用BP网络结构,以数控铣削加工为例,进行铣削用量智能化选择。建立BP网络模型,根据具体的生产铣削加工,采集铣削用量数据。确定输入层和输出层具体向量形式,输入层在本文中具体考虑为刀具材料、加工工件材料以及刀具几何尺寸,输出层为铣削用量,即铣削速度、进给量和铣削深度(背吃刀量)。对BP网络进行设计,确定隐藏层和隐藏层单元数目。用生产中所采集到的铣削用量数据对BP网络进行训练,使网络进行学习的过程,通过Matlab软件中BP函数的调用,不断调整权值,完成BP网络的训练。用未经过训练的数据对BP网络进行性能测试,评估所建立BP网络是否能够完成最佳的输出,选出合理的铣削用量。最后,用UG/Manufacturing模块,设置神经网络选择的铣削用量为初始参数,仿真刀具轨迹和真实加工时间,将BP神经网络所选择的铣削用量用于实际生产加工,加工出实际汽车曲轴模具,来验证铣削用量智能化选择的实用性和可行性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题背景与意义
• 1.2 模具数控加工国内外研究现状
• 1.2.1 模具CAD/CAM 技术概述
• 1.2.2 数控技术发展趋势
• 1.2.3 模具加工技术发展趋势
• 1.2.4 数控加工参数智能化的研究与发展
• 1.3 主要研究内容
• 1.3.1 研究内容
• 1.3.2 研究目的
• 1.4 研究的可行性
• 2 数控铣削加工技术
• 2.1 数控加工概论
• 2.1.1 数控加工原理
• 2.1.2 数控加工过程
• 2.1.3 数控加工特点
• 2.1.4 数控技术在模具加工中的重要性
• 2.2 金属切削加工基础
• 2.2.1 切削加工理论
• 2.3 数控铣加工的切削参数
• 2.3.1 数控铣削加工技术
• 2.4 人工神经网络在机械制造中的应用
• 2.5 小结
• 3 人工神经网络技术
• 3.1 人工神经网络概述
• 3.1.1 神经网络简史
• 3.1.2 神经网络国内外研究现状
• 3.2 人工神经网络模型
• 3.2.1 生物神经元模型
• 3.2.2 人工神经元结构模型
• 3.2.3 人工神经网络结构
• 3.3 神经网络的学习与训练
• 3.3.1 神经网络的学习规则
• 3.3.2 神经网络学习规则的分类
• 3.4 BP 神经网络模型
• 3.4.1 BP 网络学习算法
• 3.4.2 BP 网络学习步骤
• 3.4.3 BP 网络应用领域
• 3.5 MATLAB 软件概述
• 3.5.1 Matlab 简介
• 3.5.2 Matlab 语言特点
• 3.6 小结
• 4 基于 BP 网络数控加工切削用量智能化设计
• 4.1 引言
• 4.1.1 Matlab 神经网络工具箱
• 4.1.2 切削用量选择对数控加工的重要性
• 4.1.3 应用神经网络工具箱的重要性
• 4.1.4 选用BP 网络模型的原因
• 4.2 切削用量智能化选择模型设计
• 4.2.1 BP 神经网络工具箱
• 4.2.2 实际生产数据
• 4.3 建立BP 神经网络模型
• 4.3.1 隐层数的选择
• 4.3.2 输入/输出设计
• 4.3.3 隐层单元数选择
• 4.3.4 初始值选择
• 4.4 BP 网络训练
• 4.4.1 训练函数对比
• 4.4.2 BP 网络训练
• 4.5 BP 网络性能测试
• 4.6 小结
• 5 UG/CAM 模拟仿真及实例验证
• 5.1 引言
• 5.2 UG/MANUFACTURE 仿真加工实例
• 5.2.1 BP 网络选择铣削用量
• 5.2.2 基于经验选择铣削用量
• 5.3 模具加工实例
• 5.4 小结
• 6 结论与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文