外圆纵向磨削表面粗糙度预测与控制

发布时间：2020-08-17 15:26

【摘要】：外圆纵向磨削作为轴类零件的主要加工方式,在机械加工领域的地位举足轻重。为了提高生产效率、降低使用成本,现代磨削技术正朝着自动化、智能化方向发展。要实现磨削加工的自动化和智能化,如何对磨削过程的状态量进行预测和控制是一个重要的问题。作为一般机械加工的终极工序,磨削加工表面质量的好坏将直接影响零件的使用性能。外圆纵向磨削加工过程复杂,工件表面粗糙度受众多输入因素影响,用传统方法难于实现对表面粗糙度准确预测及控制。本文选择目前应用最广泛的BP网络模型,利用遗传算法对BP网络存在的缺陷进行了改进,并建立了基于进化BP(GA-BP)网络的外圆纵向磨削表面粗糙度预测模型。本文设计了表面粗糙度自适应模糊控制器,并根据表面粗糙度预测结果,对加工过程表面粗糙度进行控制。本文根据磨削实验要求,对MM1320外圆磨床进行改造。确立了外圆纵向磨削开放式控制系统的硬件构成,以Visual Basic 6.0为编程语言,编写了人机交互界面,实现了对横、纵向工作台的进给控制和砂轮以及工件的转速控制。本文以开放式外圆纵向磨削实验系统为平台,以工件表面粗糙度为目标,根据理论分析结果设计了包括磨削深度、工件转速和纵向进给速度在内的三因素正交实验。通过极差及方差分析研究了各因素对表面粗糙度的影响程度。依据正交实验结果,设计了三因素全组合试验,为表面粗糙度预测及控制模型的建立提供训练和检验样本。本文介绍了人工神经网络的构成及分类,重点研究了BP神经网络算法及其存在的不足。为了提高传统BP神经网络的性能,将遗传算法与BP神经网络结合。利用遗传算法的全局搜索能力对BP神经网络的初始权值和阈值进行优化。建立了基于GA-BP网络的外圆纵向磨削表面粗糙度预测模型,并同没有进行优化的传统BP网络预测模型进行了对比。预测结果表明遗传算法和BP网络的结合可以提高表面粗糙度预测模型的收敛速度和预测精度,可以满足智能磨削对表面粗糙度预测高效性、准确性的需求。本文介绍了模糊控制器的原理及组成,重点研究了自适应模糊推理系统结构和学习算法。针对表面粗糙度模糊控制器存在难于确定隶属度函数及控制规则的缺点,建立了基于自适应模糊推理系统的自适应模糊控制器模型。控制模型以纵向进给速度作为控制变量,工件的表面粗糙度值作为控制目标。通过表面粗糙度控制实验,对建立的控制模型进行验证,结果证明了自适应模糊控制模型的可行性。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TG580;TH161.14
【图文】：

框图,开放式,框图,实验系统

变变变变变变变变频器 22222头架电机机图 2.1MM1320开放式改造框图图2.2开放式外圆纵向磨削实验系统2.2外圆纵向磨削实验系统组成2.2.1系统硬件组成1、工业控制机工控机是实验系统中最重要的部分，用来实现指令的下达和对状态反馈的处理以及数据的采集、处理和存储。本系统采用IPC一610工业控制机，其基本参数为:P42.SGHz处理器，ZGDDR内存， 16OG硬盘。2、数据采集卡实验过程中，数据采集卡的作用主要有2个:

实验系统,开放式,外圆,纵向

急停开关输入量可立即停止横纵轴的进给运动。对于砂轮转速，分别在变频器和软件中设置软硬限。限制变频器的最大频率输出，以控制砂轮最高转速。软件中砂轮转速输入过大时，系统报错。改造后的实验系统如图2.2所示。

数据采集卡

第2章开放式外圆纵向磨削实验系统构建(l)通过D/AO输出O一1OV模拟信号给两个变频器，以控制砂轮和工件转速;(2)通过采集卡上的数字量输出通道实现对变频器、伺服电机驱动器等交流负载的开关控制;本文选用ADVANTECH的PCI一1711数据采集卡，如图2.3所示。该卡具备16通道单端A/D输入，及16通道数字量输入/输出，12位A/D转换，最高采样频率为IO0kHz，以及2通道D/A输入刀输出，可以满足系统需求。数据采集卡的数字量输出通道输出为。一svTTL电平[4‘]，无法直接驱动24v开关电源，因此系统选用固态继电器控制交流负载开关。

【参考文献】