模具數(shù)控加工切削用量智能化研究.pdf

1、經(jīng)濟的高速發(fā)展，現(xiàn)代工業(yè)品多樣化和高性能化的發(fā)展，對模具制造業(yè)提出了更高的要求。要緊追趕超現(xiàn)代制造業(yè)的步伐，就要對模具制造提出快速、高效的要求。隨著數(shù)控加工技術在機械制造領域的廣泛應用，大幅度地提高了模具加工質(zhì)量，縮短了產(chǎn)品制造周期，加速了產(chǎn)品的更新?lián)Q代。許多新技術與數(shù)控技術的結(jié)合發(fā)展，如柔性制造技術、人工神經(jīng)網(wǎng)絡技術、集成制造技術等等。這些技術與數(shù)控技術的結(jié)合發(fā)展，使得運用數(shù)控加工已經(jīng)實現(xiàn)了一定的自動化，但更注重智能化的研究。數(shù)控技術

2、的發(fā)展趨勢之一，即向智能化加工方向發(fā)展。本文就提出了應用人工神經(jīng)網(wǎng)絡，在影響選擇切削用量的各種因素中以及切削用量之間建立起函數(shù)映射關系，對切削用量進行智能化選擇。 切削用量選擇對于機械加工來說，是零件加工工藝的一個重要方面。切削用量選擇的是否合理恰當，對于加工工件質(zhì)量，加工時間，以及生產(chǎn)成本都具有重要的影響作用。但在選擇切削用量的時候，影響選擇的因素之間也是互相交叉、互相影響、互相制約，因此，確定合理的切削用量也是較為困難。

3、 作為人工智能研究領域的新技術，即人工神經(jīng)網(wǎng)絡，具有非線性和信息分布處理特性。在處理類似切削用量選擇這類多輸入多輸出的非線性問題上，省去了傳統(tǒng)建模方法中要確定輸入輸出的相關性分析的環(huán)節(jié)。在本文中，應用Matlab軟件中的神經(jīng)網(wǎng)絡工具箱，選用BP網(wǎng)絡結(jié)構(gòu)，以數(shù)控銑削加工為例，進行銑削用量智能化選擇。 建立BP網(wǎng)絡模型，根據(jù)具體的生產(chǎn)銑削加工，采集銑削用量數(shù)據(jù)。確定輸入層和輸出層具體向量形式，輸入層在本文中具體考慮為刀具材料、加

4、工工件材料以及刀具幾何尺寸，輸出層為銑削用量，即銑削速度、進給量和銑削深度(背吃刀量)。對BP網(wǎng)絡進行設計，確定隱藏層和隱藏層單元數(shù)目。用生產(chǎn)中所采集到的銑削用量數(shù)據(jù)對BP網(wǎng)絡進行訓練，使網(wǎng)絡進行學習的過程，通過Matlab軟件中BP函數(shù)的調(diào)用，不斷調(diào)整權值，完成BP網(wǎng)絡的訓練。用未經(jīng)過訓練的數(shù)據(jù)對BP網(wǎng)絡進行性能測試，評估所建立BP網(wǎng)絡是否能夠完成最佳的輸出，選出合理的銑削用量。 最后，用UG/Manufacturing模塊，