细长导轨加工变形分析与参数优化技术

发布时间：2017-09-01 06:26

  本文关键词：细长导轨加工变形分析与参数优化技术

  更多相关文章： 切削参数优化 导轨件变形 神经网络模型 改进的QPSO优化算法 有限元建模 正交试验设计

【摘要】：航空铝合金具有密度小、强度高、整体性能优越等优良特性,它作为薄壁结构和整体框架在航空航天工业的加工制造中占有很大比例。但在这些结构件的加工中,由于其刚度弱、表面精度高,在残余应力、切削力、切削热等多重因素的影响下极易引起工件变形,极端情况甚至报废。为了减小工件的变形,需要对薄壁结构件的铣削加工进行优化研究。导轨件在航空航天等尖端工业部门中有着广泛的应用,但在导轨的粗加工特别是粗铣其凹槽过程中极易发生变形,严重影响到了导轨的尺寸精度以及后续的结构件装配。鉴于有限元仿真、神经网络模型与非传统优化算法等技术的特点,本文融合了三种技术的优势,提出了优化铣削参数组合以减少导轨加工变形。主要研究工作如下:1.基于有限元热力耦合切削理论,建立真实比例的三维铣刀和导轨模型,融合各加工步之间的应力结果继承技术,结合完全耦合的力-热耦合技术对导轨槽的加工过程进行全过程的有限元模拟,并使用三坐标测量仪测得的一系列导轨实际变形数据对有限元仿真结果进行验证,以验证仿真模型的可靠性。2.为了使网络的精度达到最高,同时使网络复杂度达到最小为训练目标利用有限元仿真所得的数据作为训练样本用来训练构建改进的四层加工变形神经网络预测模型,并利用测试样本对神经网络模型的预测精度及泛化能力进行校核,结果表明网络模型与有限元模型预测结果有着很好的一致性。3.通过分别基于神经网络的粒子群算法(PSO)、量子行为的粒子群算法(QPSO)以及改进的QPSO算法各自对导轨铣削参数进行优化分析得到了最小化导轨槽变形量,并比较了三者的预测结果。证实了改进的QPSO在算法优化方面的优势,同时得出了导轨槽铣削加工中的最优切削参数组合,对生产实际有着重要的指导意义。
【关键词】：切削参数优化 导轨件变形 神经网络模型 改进的QPSO优化算法 有限元建模 正交试验设计
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V261
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-17
• 1.1 引言10
• 1.2 有限元建模与仿真技术的研究概述10-12
• 1.2.1 有限元法的诞生及其在金属切削仿真方向的研究11
• 1.2.2 切削有限元仿真在国内外的研究现状11-12
• 1.3 神经网络技术的研究概述12-13
• 1.3.1 神经网络的简介12-13
• 1.3.2 神经网络的国内外研究现状13
• 1.4 切削参数优化的研究概述13-15
• 1.4.1 优化切削参数的重要意义13-14
• 1.4.2 各类工艺参数优化方法的国内外研究14-15
• 1.5 课题来源与研究意义15
• 1.5.1 课题来源15
• 1.5.2 课题研究意义15
• 1.6 本文的研究思路与框架15-17
• 第二章 细长导轨的加工变形有限元建模与仿真技术17-40
• 2.1 铣削过程的复杂性及仿真中需要解决的关键技术17
• 2.2 有限元理论模型17-22
• 2.2.1 动力学显式求解算法17-19
• 2.2.2 铣削加工中的热传导模型19-20
• 2.2.3 热 力耦合有限元模型20-22
• 2.3 建模与仿真分析流程22-23
• 2.3.1 有限元分析的三个部分22
• 2.3.2 铣削仿真的具体有限元分析步骤22-23
• 2.3.3 铣削仿真的流程图23
• 2.4 关键技术点分析23-33
• 2.4.1 Johnson Cook塑性本构模型23-25
• 2.4.2 切屑与工件的分离断裂准则25-28
• 2.4.3 工件与刀具的接触与摩擦设置28-29
• 2.4.4 多步顺序（结果继承）分析技术29-33
• 2.5 细长导轨槽铣削变形仿真建模33-39
• 2.5.1 加工过程建模与变形仿真预测技术33-37
• 2.5.2 预拉伸仿真分析37
• 2.5.3 导轨加工全过程建模与变形仿真37-39
• 2.6 本章小结39-40
• 第三章 面向工艺参数优化的神经网络建模与分析技术40-46
• 3.1 BP神经网络模型的总体结构40-42
• 3.1.1 BP神经网络层数的确定40-41
• 3.1.2 BP神经网络各层节点数的确定41-42
• 3.1.3 面向细长导轨槽铣削变形的BP神经网络建模42
• 3.2 BP神经网络算法实现流程42-43
• 3.2.1 BP网络的学习的两个阶段42
• 3.2.2 BP网络模型的学习流程42-43
• 3.3 BP神经网络的改进学习算法以及训练目标43-45
• 3.3.1 基于双隐层网络模型的改进学习算法43-44
• 3.3.2 基于双隐层网络模型的训练目标44-45
• 3.4 本章小结45-46
• 第四章 基于改进QPSO的工艺参数优化技术46-52
• 4.1 基于QPSO的工艺参数优化原理及改进46-50
• 4.1.1 QPSO算法的基本原理46-47
• 4.1.2 QPSO算法的改进技术47-48
• 4.1.3 基于改进QPSO算法的搜索流程48-50
• 4.2 改进QPSO算法的设计与分析50-51
• 4.2.1 适应度函数的设计50
• 4.2.2 约束条件的设计50-51
• 4.3 本章小结51-52
• 第五章 技术实现与试验验证52-64
• 5.1 技术思路52-53
• 5.2 基于正交试验的细长导轨槽铣削变形仿真与试验验证53-56
• 5.2.1 铣削工艺参数正交试验设计53-54
• 5.2.2 仿真结果的试验验证54-56
• 5.3 BP神经网络建模与仿真验证56-61
• 5.3.1 样本数据预处理56-57
• 5.3.2 网络训练与性能分析57-59
• 5.3.3 仿真验证结果及分析59-61
• 5.4 基于QPSO的工艺参数优化与实例验证61-63
• 5.4.1 优化算法参数设置61
• 5.4.2 优化算法优化过程及结果分析61-63
• 5.5 本章小结63-64
• 第六章 结论与展望64-66
• 6.1 结论64
• 6.2 展望64-66
• 参考文献66-70
• 硕士期间发表的论文及参与的科研项目70-71
• 致谢71

【参考文献】

中国期刊全文数据库 前1条

1 吴德林;周云飞;;高速铣削切削参数的模糊正交优化方法[J];机械工程师;2008年08期

中国硕士学位论文全文数据库 前1条

1 易帆;神经网络预测研究[D];西南交通大学;2005年

，

本文编号：770460