关键词:
陶瓷材料
电火花加工
神经网络
遗传算法
仿真
摘要:
陶瓷材料由于具有电、磁等方面的独特功能,且硬度高、耐磨损、耐高温、耐高压,被认为是推进21世纪产业进步的主导材料之一。然而其成型加工十分困难。传统的加工方法是烧结成型后用金刚石磨削,但效率低、成本高,影响其推广应用。近20年来,电火花加工技术在陶瓷材料加工上的应用发展迅速,导电性陶瓷材料的电火花加工已逐渐实用化。 由于电火花是具有高度非线性,且难以用具体的数学表达式来描述工艺规律的系统,因此,其加工特性的研究及其仿真技术研究是该领域研究的发展趋势。其中,人工神经网络作为一种新兴技术,用计算机对人类大脑的功能进行某种抽象、简化和模拟,构成一个具有高度非线性的超大规模连续时间动力系统,为电火花加工的深入研究提供了有效的途径。 电加工与其他加工相比,影响因素较多,并且在加工过程中还存在着许多不确定或难以确定的因素,这些因素有脉冲电源的极性、脉冲宽度、脉冲间隔、电流峰值、电极的放电面积、加工深度等,他们与加工速度、加工精度、电极损耗率等加工效果有着密切的联系,都是重要的工艺参数。这要求操作者有丰富的经验知识,才能达到预期的加工效果。随着产品向高精度化、加工高效率化及材料的多样化方向发展,对操作者就提出了更高的要求。而由于操作者经验的不足,往往使设备性能和功能得不到充分的发挥,造成很大的资源浪费。针对这种情况,在对绝缘陶瓷Si3N4电火花加工的仿真研究中,着重要解决的问题是电火花加工工艺效果的预测、电参数的优选以及智能仿真软件的开发,使操作者可以很简单地预测加工效果以及决定出Si3N4适合不同加工要求的最优加工条件。 要建立绝缘陶瓷Si3N4电火花加工工艺效果预测模型,必须先通过试验探索影响绝缘陶瓷Si3N4电火花加工工艺效果的因素,获取神经网络训练所需的学习样本。本论文采用人工神经网络的BP算法,以加工工艺效果为正交实验的结果作为神经网络的学习样本,建立绝缘陶瓷Si3N4电火花加工多目标工艺效果的预测模型。以电极横截面积、峰值电流、脉冲宽度、脉冲间隔作为输入量,以加工速度、表面粗糙度两个参数作为多目标输出量,结合实验数据进行绝缘陶瓷Si3N4电火花加工多目标工艺效果预测模型的仿真。试验验证了所建立的预测模型可较好的预测绝缘陶瓷Si3N4电火花加工结果。同时,预测模型为绝缘陶瓷Si3N4电火花加工过程的优化控制提供了重要的理论基础。 在对电参数的优选中,加工者总是希望获得尽可能大的加工速度,而确保尽可能小的表面粗糙度,然而这种目标是相互矛盾的。本论文只取加工速度为目标函数,而其余的指标以约束条件的形式给出。因为,若取表面粗糙度为目标函数并极小化的话,很可能得到一个生产中不可接受的优化方案:极低的生产率而表面粗糙度虽低却没有必要。由于目标函数采用的是神经网络模型而没有明确的数学表达式,不能采用传统优化方法求偏导优化,而遗传算法本身并不要求对优化问题的性质做一些深入的数学分析,且具有全局搜索的能力,非常适合电火花加工电参数的优化。本论文即采用神经网络建模和遗传算法相结合优化绝缘陶瓷Si3N4电火花加工电参数。通过系统仿真证明该方法具有很高的搜索效率和精度,实用性好。 绝缘陶瓷Si3N4电火花加工仿真系统主要由系统数据管理、加工效果预测、电参数优选以及人机接口模块组成。在本次论文设计中,工艺效果预测神经网络和遗传算法优化工艺参数的数值计算部分程序的编写采用的是MATLAB程序设计语言,而人机接口的编写采用的是VC++6.0。这是因为MATLAB虽然本身是一个完整的程序开发和数据处理环境,但MATLAB只是一种解释执行语言,执行速度缓慢,且其提供的用户界面操作函数过于简单,不适宜用于大型软件的开发,特别是对底层I/0难以实现。所以,有必要考虑使用VC++编写软件系统的用户界面,然后在VC程序中通过engine API控制MATLAB的运行,实现MATLAB与VC++两种语言的混合编程。 人机接口主要用于操作者与程序进行交流和对程序进行管理。本系统的开发采用了面向对象的设计方法,系统软件结构合理、界面友好、可操作性强,并且由于样本数据均以数据库的形式存放,可以实时更新,所以本系统同时还具有很强的可移植性。最后,作者还提出了对系统将来的研究提出了进一步的改进意见。