本文關(guān)鍵詞：基于人工智能算法的最優(yōu)加工表面粗糙度預(yù)測研究　出處：《機(jī)床與液壓》2017年19期 　論文類型：期刊論文

  更多相關(guān)文章： 表面粗糙度 田口方法 人工智能 神經(jīng)網(wǎng)絡(luò) 遺傳算法 預(yù)測 參數(shù)優(yōu)化

【摘要】：以切削速度、進(jìn)給量、切削深度、刀尖圓弧半徑為設(shè)計(jì)變量,采用正交試驗(yàn)法進(jìn)行了立方氮化硼(CBN)刀具干式車削冷作模具鋼Cr12MoV的試驗(yàn)研究。利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力和遺傳算法的全局尋優(yōu)能力,建立了加工表面粗糙度預(yù)測模型并獲得了使表面粗糙度達(dá)到最優(yōu)的切削用量與刀尖圓弧半徑組合。利用遺傳算法獲得的最優(yōu)表面粗糙度值比田口方法和切削試驗(yàn)所獲得的最佳表面粗糙度值分別降低了7.1%和17.2%。文中所采用的方法也為切削加工中刀具磨損、切削力和殘余應(yīng)力等問題的建模與參數(shù)優(yōu)化提供理論參考。
[Abstract]:The design variables are cutting speed, feed rate, cutting depth and radius of cutter tip arc. Cubic boron nitride (CBN) was carried out by orthogonal test. Experimental study on dry turning cold die steel Cr12MoV. The nonlinear fitting ability of neural network and the global optimization ability of genetic algorithm are used. The prediction model of machining surface roughness is established and the combination of cutting parameters and radius of cutter tip arc is obtained. The optimum surface roughness value obtained by genetic algorithm is better than that obtained by Taguchi method and cutting test. The optimum surface roughness values are reduced by 7.1% and 17.2 respectively. The method used in this paper is tool wear in cutting. Theoretical reference is provided for modeling and parameter optimization of cutting force and residual stress.
【作者單位】： 華北理工大學(xué)機(jī)械工程學(xué)院;
【基金】：河北省引進(jìn)海外高層次人才“百人計(jì)劃”資助項(xiàng)目(E2012100005)
【分類號】：TG506;TP18
【正文快照】： 0前言表面粗糙度影響著機(jī)械零件的疲勞強(qiáng)度、接觸強(qiáng)度、耐腐蝕性、配合精度和質(zhì)量等,是評定切削加工表面質(zhì)量的一個重要指標(biāo)[1],表面粗糙度值越低,零件的表面質(zhì)量越好。在切削加工中,影響表面粗糙度的主要因素是切削參數(shù),包括切削用量和刀具幾何參數(shù)。因此,可通過優(yōu)化這兩方面

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王芳;;淺談實(shí)操車削加工表面粗糙度的控制方法[J];職業(yè);2014年06期

2 張紹平;降低磨削加工表面粗糙度的方法[J];精密制造與自動化;2001年01期

3 孫振華;;減小球體加工表面粗糙度的方法之探討[J];萊陽農(nóng)學(xué)院學(xué)報;1988年03期

4 李登萬;陳洪濤;許明恒;韓俊峰;鐘成明;;鈦合金車削加工表面粗糙度試驗(yàn)研究[J];制造業(yè)自動化;2010年05期

5 林峰;;切削參數(shù)對不銹鋼加工表面粗糙度的影響[J];工具技術(shù);2007年07期

6 尹韶輝;陳越;王宇;朱科軍;胡天;范玉峰;朱勇建;;磁流變拋光頭形狀對加工表面粗糙度的影響[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2010年01期

7 湯勇,陳澄洲,張發(fā)英;磨料流加工壓力特性對加工表面粗糙度的影響[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);1997年05期

8 章偉,陳澄洲,張發(fā)英,羅干英,明冬蘭;電解、磨粒、超聲復(fù)合加工技術(shù)及其加工表面粗糙度的預(yù)測方法[J];工具技術(shù);1998年12期

9 Yogendra Chadda,Mchammad Haque,齊讓孝;精車加工表面粗糙度的預(yù)測研究[J];工具技術(shù);1994年09期

10 方沂;李鳳泉;;基于人工神經(jīng)網(wǎng)絡(luò)的高速加工表面粗糙度預(yù)測模型[J];工具技術(shù);2006年11期

相關(guān)會議論文 前2條

1 范勝波;王太勇;汪文津;冷永剛;;遺傳算法在切削力公式參數(shù)辨識中的應(yīng)用[A];2005年中國機(jī)械工程學(xué)會年會論文集[C];2005年

2 張娜;張文志;焦時光;;基于遺傳算法的棒材孔型多目標(biāo)優(yōu)化設(shè)計(jì)[A];2006中國金屬學(xué)會青年學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 廖平;基于遺傳算法的形狀誤差計(jì)算研究[D];中南大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 史龍飛;硬質(zhì)合金激光超聲輔助切削過程的參數(shù)影響特性研究[D];河南理工大學(xué);2016年

2 許賀利;基于知識進(jìn)化與實(shí)例推理的機(jī)械產(chǎn)品三維建模技術(shù)[D];沈陽理工大學(xué);2015年

3 楊陽;基于遺傳算法和有限單元法的夾具布局優(yōu)化[D];大連理工大學(xué);2015年

4 萬琪;基于遺傳算法的渦流熱成像檢測系統(tǒng)中激勵參數(shù)優(yōu)化[D];華東交通大學(xué);2016年

5 劉志磊;遺傳算法和實(shí)例推理在數(shù)控機(jī)床設(shè)計(jì)中的應(yīng)用研究[D];沈陽理工大學(xué);2016年

6 楊猛;基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的加熱爐建模方法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

7 馮錦春;基于遺傳算法的最大生產(chǎn)率的車削用量優(yōu)化[D];西南交通大學(xué);2006年

8 葛治亮;基于遺傳算法的精密校直機(jī)電液伺服系統(tǒng)的研究[D];合肥工業(yè)大學(xué);2010年

9 張君;KDP晶體各向異性對加工表面粗糙度影響的研究[D];哈爾濱工業(yè)大學(xué);2006年

10 胡威;基于遺傳算法的數(shù)控壓齒機(jī)支撐體的優(yōu)化設(shè)計(jì)[D];哈爾濱工程大學(xué);2009年

，

本文編號：1404623