复杂曲面铣削加工参数双神经网络优化方法研究-论文.pdf

《复杂曲面铣削加工参数双神经网络优化方法研究-论文.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28卷第3期湖南工业大学学报VO1．28No．32014年5月JournalofHunanUniversityofTechnologyMav2014doi：10．39690．issn．1673-9833．2014．03．007复杂曲面铣削加工参数双神经网络优化方法研究吕明(蚌埠学院机械与电子工程系，安徽蚌埠233030)摘要：针对复杂曲面加工效率低、能耗高、表面质量难控制的问题，以及加工参数和目标之间关系确定的难题，建立了考虑复杂曲面特征的双神经网络优化方法。首先，用曲率表示复杂曲面加工复杂度来描述曲面特征，以曲面加工复杂度、主轴转速、进刀量、进给

2、速度和路径间距为设计变量，以加工时间、能量消耗和表面粗糙度为目标函数，建立了复杂曲面加工参数的优化数学模型；其次，采用BP神经网络以黑箱法建立加工参数与优化目标的非线性关系，结合ALM神经网络方法对加工参数进行了优化。该方法解决了复杂曲面加工参数的优化问题，对提高复杂曲面加工效率和质量有一定的理论指导作用。关键词：加工复杂度；曲率；BP神经网络；ALM；优化中图分类号：TH164文献标志码：A文章编号：1673-9833(2014)03—0o3O5ResearchonDualNeuralNetworkOptimizationforComplexSur

3、faceMillingParametersLvMing(SchoolofMechanicalandElectronicEngineering，BengbuCollege，BengbuAnhui233030，China)Abstract：Inviewoftheproblemsofhighenergyconsumption，loweficiencyandsurfacequalityhardtocontrolincomplexsurfacemilling，aswellastheproblemofdeterminingtherelationshipbetwe

4、enprocessingparametersandtarget，proposedthedualneuralnetworkoptimizationmethodconsideringcomplexsurfacefeatures．First，describedthesurfacecharacteristicswiththecurvaturerepresentingthecomplexityofcomplexsurfacemachining，andestablishedthemathematicmodeofmillingparametersoptimizat

5、ionforcomplexsurfacewithmachiningcomplexity，spindlespeed，feed，feedvelocityandpathspacingasdesignvariablesandprocessingtime，energyconsumptionandsurfaceroughnessasobjectivefunctions；Secondly，usingblack-boxmethodwithBPneuralnetworkestablishedthenonlinearrelationsofmillingparam-ete

6、rstooptimizingobjectsandcombinedneuralnetworksolvedbyALMmethodtooptimizethemillingparameters．Themethodsolvedtheparameteroptimizationofcomplexsurfacemachiningandhasanimportanttheoreticguidingroleinimprovingthemachiningeficiencyandqualityofcomplexsurface．Keywords：machinecomplexit

7、y；curvature；BPneuralnetwork；ALM；optimization0引言质量有重要影响¨。传统的曲面铣削加工参数选择过多依赖经验，效果不理想。由于加工的复杂曲面铣削参数对复杂曲面加工的加工效率、能耗和经常改变，考虑曲面的特征，研究铣削参数选择及收稿日期：2014—03-22基金项目：蚌埠学院教学研究基金资助项目(JYLY1207)作者简介：吕明(1973-)，男，山西太原人，蚌埠学院讲师，硕士，主要从事机械设计与理论，机械制造工艺等方面的教学与研究，E—mail：bblm2006@163．com32湖南工业大学学报2014年5)

8、表面粗糙度约束minF(X)=min∑lf，()，f=l5oo(Sfo1gRa一———≤0，(9)5()=r