基于灰色-马尔可夫理论的纳米复合陶瓷刀具磨损量预测.pdf

《基于灰色-马尔可夫理论的纳米复合陶瓷刀具磨损量预测.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、DesignandResearch设计与研究基于灰色一马尔可夫理论的纳米复合陶瓷刀具磨损量预测周咏辉艾兴赵军薛强(高效洁净机械制造教育部重点实验室，山东大学机械工程学院，山东济南250061)摘要：应用灰色系统理论和马尔可夫链预测理论建立了纳米复合陶瓷刀具磨损量的灰色一马尔可夫链预测模型，研究了刀具磨损量和刀具寿命的预测方法。AWT纳米复合陶瓷刀具的磨损量及刀具寿命预测结果表明，预测值与实测值误差较小。关键词：陶瓷刀具磨损预测灰色系统理论马尔可夫理论中图分类号：TB332文献标识码：APredictionofNano-compositeCeramicCuttingToolAbr

2、asionQuantityBasedonGrey-MarkovTheoryZHOUYonghui，AIXing，ZHAOJun，XUEQiang(KeyLaboratoryofHighEficiencyandCleanMechanicalManufactureofMOE，SchoolofMechanicalEngineering，ShandongUniversity，Jinan250061，CHN)Abstract：AGrey-Markovpredictionmodelofnano—compositeceramiccuttingtoolabrasionquantitywasco

3、nstruc-tedusingGreysystemtheoryandMarkovtheory．Thepaperintroducedthepredictionmethodofcuttingtoolabrasionandtoollife．ItisshownthattheresultofmodelcalculationofAWTnano-compositece—ramiccuttingtoolisveryclosetothemeasureddata．Keywords：CeramicCuttingTool；Abrasion；Prediction；GreySystemTheory；Mar

4、kovTheory纳米复合陶瓷刀具在高速硬切削加工中得到日益于灰色系统。灰色系统理论的研究对象是部分信息已广泛的应用，刀具磨损及刀具寿命通常需要进行大量知，部分信息未知的小样本、贫信息不确定系统_1，zJ。的切削实验得到，如何更加有效地预测刀具的磨损量灰色理论将原始随机数据序列采用生成信息的处理方及刀具寿命已成为研究人员关注的焦点。纳米复合陶法来弱化其随机性，使原始数据序列转化为易于建模瓷刀具的磨损不仅受到刀具材料组分、微观结构、微观的新序列。灰色理论在经济、社会、气象、地质、机缺陷、刀具材料的宏观力学性能、工件材料的物理机械械等领域的预测和决策中得到了广泛的应用，并取得性能和

5、切削条件等影响，还受到一些复杂的、未知的及了大量的科研成果。本文应用灰色系统理论和马尔可不确定性因素的影响，因此纳米复合陶瓷刀具的磨损夫链预测理论，建立了纳米复合陶瓷刀具后刀面磨损过程可以看成一个典型的灰色系统，可以应用灰色理量的灰色一马尔可夫链预测模型，探讨了纳米复合陶论来预测纳米复合陶瓷刀具的磨损趋势和刀具寿命。瓷刀具磨损量及其寿命的预测方法。灰色系统理论(GreySystemTheory)是研究解决1灰色模型灰色系统分析、建模、预测、决策和控制的理论，是上世纪80年代初由邓聚龙教授提出的⋯。“灰”是介于灰色系统理论用于复合陶瓷刀具磨损量预测的原“白”和“黑”之问的概念。“

6、白”指信息确定、数据完理是把被预测系统看成一个个灰色系统，利用存在的整，对应于白色系统；“黑”指信息很不确定、数据很已知信息去推知含有磨损模式的未知信息的特性、状少，对应于黑色系统；“灰”指信息部分不确定、部分确态和发展趋势，并对刀具磨损以后的发展作出预测和定，部分不完全、部分完全，部分未知、部分已知，对应决策，其过程即是一个灰色过程的白化过程。国家重点基础研究发展计划资助(2009CB724402)，国家自然科学基~(50875156)设计与研究DesignandResearch灰色模型，简称GM模型，具有以下特点_4J：(1)(avg)=÷∑I()I(7建模所需信息较少，通

7、常只要有4个以上数据即可建模；(2)不必知道原始数据分布的先验特征，对无规则或服从任何分布的任意光滑离散的原始序列，通过有限次的生成即可转化为有规则序列；(3)模型精度较高，可保持原系统特征，能较好反映系统的实际情况。作预测用的GM模型一般为GM(n，1)模型，n代表微分方程阶段。目前应用最广泛的是GM(1，1)模型。1．1GM(1，1)模型GM(1，1)模型为典型的一个变量的一阶微分方程，其建模过程如下J：假设已知的时间序列‘。=[‘。(1)，‘。’(2)，‘。(3)，⋯⋯，∞(n)]为一