基于BP神经网络的数控加工铣削参数优化.pdf

《基于BP神经网络的数控加工铣削参数优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、26模具工业2010年第36卷第9期基于BP神经网络的数控加工铣削参数优化蔡安江，姚艳，郭师虹，豆卫涛(西安建筑科技大学，陕西西安710055)摘要：以DVE60H数控机床为试验平台，以壳体类铝合金零件加工为研究对象，提取数控铣削加工试验数据，采用BP神经网络建立数控加工铣削参数优化模型，通过对数控加工铣削参数试验数据的分析与研究，提出了试验数据与样本数据的处理原则，实现了样本数据的优化，提高了即神经网络模型的收敛精度、收敛速度与预测精度，并分析了验证数据的构成比例。经生产验证：提出的数控加工铣削参数优化方法具有较强的实用性和一定的先进性，能有效提高

2、加工效率，对实现数控机床综合应用效率最优化，实现高效低成本加工具有重要意义。关键词：BP神经网络；铣削加工；样本；验证数据中图分类号："IG76；"IP391文献标识码：B文章编号：1001—2168(2010)09—0026—04OptimizationofCNCmillingparametersbasedonBPneuralnetworkCAIAn-jiang，YA0Yan，GUOShbhong，DOUWei-tao(DepartmentofElectricalandMechanicalEngineering，Xi’aDUniversityofA

3、rchitectureandTechnology，Xi’an，Shaanxi710055，China)Abstract：AstudyontheProcessingofanaluminumshellcomponentonaDMc60lHNcmachinetoolwasmade．，n1eNCmillingprocessingexperimentdatawasextractedandanoptimalmodelforCNCmillingparameterswassetup．BasedonanalysisandresearchOiltheexperiment

4、data，sometreatmentprinciplesoftestdataandsampledatawereproposed，bywhichthesampledatawasoptimized；theconvergenceaccuracy，convergencespeedandpredictionprecisionofBPneuralnetworkmodelwereincreased．Finally．theproportionoftestdatawasinvestigated．Keywords：BPneuralnetwork：milling；samp

5、le；testdatal引言方法，】。人工神经网络技术的自学习功能，为解决目前，数控加工中普遍存在如何合理选择切削这一问题提供了新的思路，它避开了面向加工过程参数的问题。大多数企业在生产中凭经验或参考切的定量描述和计算，只要事先通过样本训练确定神削用量手册来选择切削参数，往往达不到切削参数经网络内部各单元之间的连接权值，就可以准确地的最优化。因此，合理选取切削参数对提高生产率预测出所需选取的切削参数。和加工质量有着重要作用n。对实现数控机床综合以下将以YIW_N)H数控机床为试验平台，以壳应用效率最优化．实现高效低成本加工具有重要的体类铝合金零件加工

6、为研究对象，提取数控铣削加意义。工试验数据，采用BP神经网络建立数控加工铣削数控加工参数的选取是复杂的多输入、多输出参数优化模型，并进行数控加工试验数据的处理与非线性问题，难以用常规数学方法进行处理。目前，研究应用基于专家系统、模糊技术及人工神经网络等智能技术已成为研究数控加工参数优化选取的重要2试验数据的处理为了提高试验数据的利用率，必须对离散的试收稿日期：2010—05～21。验数据进行处理，以便全面地描述数控加工过程。基金项目：陕西省科学技术研究发展计划项目(2010K09～05)和根据生产实际情况，应对表面粗糙度与尺寸精度的西安市科技计划项目

7、(Q(Y1010—5)。试验数据进行处理。作者简介：蔡安江(1965一)，男，安徽舒城人，教授，主要从事机械设计制造方面的教学与研究工作，地址：西安市雁塔路中段西安建筑科技大学55信箱，(电话)13(】02903680，(电子信箱)ca@2．1表面粗糙度163．c口『I、试验数据中的表面粗糙度处理原则是采用表面模具工业2=o10年第36卷第9期27粗糙度第一系列和根据现场测量及加工实际要求按照试验目的及神经网络模型样本数据的要进行处理，如表1所示。求，对尺寸精度的处理原则是以标准公差数值表为基础，将尺寸公差转换为标准公差皿并以标准公差2．2尺寸精度r

8、r值作为尺寸精度样本的输入数据。表1表面粗糙度处理原则m第一系列0．40．81．63．26．3测量值Ra≤0