软测量技术及其在磨削加工中的应用

《软测量技术及其在磨削加工中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要磨削力和表面粗糙度分别是表征磨削加工过程和磨削加工质量的重要物理量。由于国外技术保密，目前尚无有关螺旋锥齿轮磨削力和表面粗糙度在线测量的资料公开发表，螺旋锥齿轮异常复杂的齿廓形状又给这两个物理量的实际在线测量带来困难。影响磨削加工表面粗糙度Ra值的因素众多且很多不明确，螺旋锥齿轮Ra值的预测属典型的灰色问题。本文提出新息优化模型GM(1，1，口)的概念，利用它建立软测量模型，通过改变GM(1，l，D)的边界条件和白化背景值的选取，对螺旋锥齿轮表面粗糙度Ra值进行预测。实验数据证明新息优化模型可获得平均相对误差小于1％的高精度预测结果。磨削力与各种加工条件之间都是复杂的非线性关系，并

2、且还受许多未知因素的影响。本文在几何相似、物理相似的原则下，采用模拟实验与软测量相结合的方法研究螺旋锥齿轮磨削加工的磨削力。即软测量时以磨削用量三要素为输入量，磨削力的三个分量为输出量，利用MATLAB神经网络工具箱的相关函数建立RBF神经网络，用实验数据对网络进行训练和测试。同时用BP网络进行对比研究，得出结论：用RBF网络可以实现螺旋锥齿轮磨削加工磨削力的高精度在线测量。本文用软测量的办法对螺旋锥齿轮磨削加工的相关问题进行研究，为机床动力设计提供了依据，可实现磨削加工质量的在线测量。关键词：软测量，灰预测，神经网络，磨削，螺旋锥齿轮Ⅱ．AbstractGrindingforcean

3、dsurfaceroughnessareimportantphysicsparametersshowingthegrindingprocessandgrindingqualityrespectively．Duetothetechnologysecret，thereisnoinformationaboutmeasuringthetwoparametersofspiralbevelandhypoidgearsonlinetobevended,andtheexceptionalcomplicatedteethprofileofthegearsmakesitdifficulttomeasure

4、thetwophysicsparametersOnline．ThevalueofRaisaffectedbyalotoffactsandSOmeofthemareunknown,thesurfaceroughnessforecastingofspiralbevelandhypoidgearsisatypicalgrayquestion．ThenewestinformationoptimizedgraymodelGM(1，1，口)isputforwardinthepaper．Bychangingthechoiceoftheinitialconditionandthewhitebackgr

5、oundseriesz‘1’(k)ingraymodelGM(1，1，D)，themodelGM(1，1，口)isusedtomodeltoforecastthesurfaceroughnessofspiralbevelandhypoidgears．TheexperimentdataprovesthatgraymodelGM(1，1，口)cangetamorepreciseforecastingresultthattheaveragerelative盯l'orislessthanl％．Therelationshipamonggrindingforceandallkindsofmachi

6、ningconditionsiscomplicatedandnonlinear,besidessomeofunknownfacts．Undertheprinciplesofgeometrysimilitudeandphysicssimilitude，grindingforceingrindingspiralbevelandhypoidgearsismeasuredonlineinthepaperbycombiningsimulativeexperimentandsoft-seusor．Namelywhenmodeling，thecorrelationfunctioninNNtoolbo

7、xofMATLABisusedtoestablishtheRFBNNwhoseinputsarethreefactsingrindingandoutputsalethreecomponentsofgrindingforces．Basedontheexperimentdata,theRFBNNistrainedandtested．ComparedwiththeBPNN，theRFBNNcangetamoreprecisemeasuringresu