基于BP神经网络的大型螺纹旋风铣削表面粗糙度预测.pdf

《基于BP神经网络的大型螺纹旋风铣削表面粗糙度预测.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、第7期组合机床与自动化加工技术No．72015年7月ModularMachineTool&AutomaticManufacturingTechniqueJu1．2015文章编号：1001—2265(2015)07—0005—03DOI：10．13462／j．cnki．mmtamt．2015．07．002基于BP神经网络的大型螺纹旋风铣削表面粗糙度预测术周斌，曹勇，王禹林，冯虎田(南京理工大学机械工程学院，南京210094)摘要：大型螺纹旋风铣削加工后的螺纹滚道表面粗糙度是影响其各项服役性能的关键因素之一。考虑到螺纹旋风铣削加工过程中表面粗糙度影响因

2、素及螺纹圆弧形滚道结构特殊性，提取浮动支撑下降区域螺纹滚道侧表面的粗糙度值，建立基于BP神经网络的表面粗糙度预测模型，并通过对比模型预测值与试验值验证预测模型的精度。结果表明：BP神经网络模型的预测精度较高，预测误差在5％以内，最高可达到约1％。关键词：螺纹旋风铣削；表面粗糙度；BP神经网络；预测模型中图分类号：TH162；TG506文献标识码：APredictionofSurfaceRoughnessofLarge-scaleThreadHardWhirlingBasedonBPNeuralNetworkZHOUBin，CA0Yong。WANGY

3、u．1in．FENGHUtian(SchoolofMechanicalEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094，China)Abstract：Themachinedsurfaceroughnessof1arge．scalethreadhardwhirlingisthecriticalfactortoinflu—encetheserviceperformance．Consideringtheinf1uencefactorsofsurfaceroughnessin

4、theprocessofthreadhardwhirlingandthespecialstructureofthreadarC—shapedraceway，surfaceroughnessvaluesofthreadsideracewayinfallingareaoffloatingsuppo~wasobtmnedandthepredictionmodelofsurfaceroughnesswasprovidedbasedonBPneuralnetwork．Thenpredictionaccuracyofthemodelwasverifiedbyc

5、ontrastingthepredictivevalueandtheexperimenta1value．TheresultsshowthatBPneuralnetworkmodelhasarelativelyhighpredictionaccuracy，predictionerrorislessthan5％andcanupt01％．Keywords：threadhardwhirling；surfaceroughness；BPneuralnetwork；predictionmodel行预测，从而保证螺纹的加工质量和加工效率，减少废O引言品的出现，降低

6、生产成本。大型螺纹旋风铣削加工过程中的工件多点变浮动目前，国内外金属切削表面粗糙度的预测方法主支撑约束、多刀具周期性断续渐进成型切削等特点将要有理论建模法、设计试验法和人工智能法J。在多影响加工后螺纹工件的螺纹滚道表面粗糙度；特别是因素耦合作用下，利用理论建模法建立表面粗糙度预在浮动支撑下降区域，因约束条件减少导致加工过程测模型的难度高、误差大、精度低引。设计试验法则中动态响应相对于其他区域加剧，从而降低了螺纹工无法对未加工过的工艺参数组合进行准确的预测。曹件加工后的表面粗糙度。而零件表面粗糙度是影响疲勇-o等通过大型螺纹高速旋风铣削试验分析了各主

7、要劳强度、接触刚度、摩擦磨损以及零件之间的配合等服切削参数对螺纹滚道表面粗糙度的影响规律及影响因役性能的关键因素，是评定零件加工质量的重要指标素进行了研究，但其未对其粗糙度进行预测。而人工之一⋯。因此研究螺纹加工过程中浮动支撑下降区域智能法因其具有良好的任意非线性映射能力、自组织表面粗糙度并建立预测模型尤其重要。建立精确的表和自学习等优点被广泛应用于表面粗糙度的预测模型面粗糙度预测模型，实现对硬旋铣螺纹滚道表面粗糙中。其中，BP神经网络算法采用误差反向传播度的优化控制，有助于在实际生产前对表面粗糙度进(BackPropagation)学习算法，因其

8、具有很强的非线性收稿日期：2015一Ol一12：修回日期：2015—02—05基金项目：国家自然科学基金面上项目(5147