不同切削力预测建模方法的比较研究

不同切削力预测建模方法的比较研究

ID:9893650

大小:92.00 KB

页数:18页

时间:2018-05-14

不同切削力预测建模方法的比较研究_第1页
不同切削力预测建模方法的比较研究_第2页
不同切削力预测建模方法的比较研究_第3页
不同切削力预测建模方法的比较研究_第4页
不同切削力预测建模方法的比较研究_第5页
资源描述:

《不同切削力预测建模方法的比较研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、不同切削力预测建模方法的比较研究来源:开关柜无线测温http://www.testeck.com1引言在切削技术研究及实际切削加工中,有关切削力的数据是计算切削功率、设计和使用机床、刀具和夹具、开发切削数据库、实现加工中切削力控制等的重要依据。在实际生产中,为了在粗加工时充分利用机床功率,在精加工时有效保证工件质量,均需合理选择切削条件,并对选定切削条件下的切削力进行预测。预测切削力的经验模型主要建立在最小二乘回归法的基础上,近年来,人工神经网络法和灰色理论建模法的应用也越来越多。这些建模方法具有不同的特点及使用条件,并各有利弊。本文结合实例对人工神经网络法和灰色理论建模法的建模特点

2、及其优劣进行了较深入的分析,并与常用的最小二乘回归法进行比较,旨在为合理选择建模方法提供参考依据。2基于径向基神经网络的切削力预测建模基于Kolmogorov定理的三层BP神经网络可较精确地拟合任意连续函数,当输入节点数为n时,隐层节点数为(2n+1)且常选择Sigmoid型传递函数。在实际应用中,往往需要大量的BP隐层节点,通过增加隐层数可减少各隐层上的节点数,但迄今尚无选取BP网络隐层数及其节点数的统一方法。此外,标准BP以及各种改进型BP算法均存在局部极小和收敛速度的问题。径向基神经网络(RBF)精确拟合任意连续(或不连续)目标函数的能力及学习速度均优于BP网络。RBF的隐层节

3、点采用径向基传递函数,其节点数不像BP网络那样需预先设定,而是在学习过程中不断增加直到满足误差指标为止。根据切削力及其影响因素的特点,设计如下图所示的RBF网络。由图可知,RBF网络包括输入层、一个RBF隐层和输出层。输出层包含一个用于输出预测切削力的线性节点。隐层包含S1个RBF节点且S1值在学习过程中动态增加。输入层的R×Q阶输入矢量阵P表示有R个输入节点,在每个节点处输入Q个样本(Q等于试验组数m)。每个输入节点代表切削力的一个影响因子,且切削力的所有可量化影响因子均可抽象为一个输入节点。若考虑切削深度、进给量、切削速度、工件材料的剪切屈服应力、刀具材料、刀具的负倒棱宽度、主偏

4、角、刃倾角、刀尖圆弧半径、刀具磨损、切削液等各种影响因素,则可有多个输入节点。根据实际建模经验,可主要考虑切削深度和进给量的影响,此时输入节点数R=2。切削力预测的径向基神经网络结构图(S2=1,S1动态确定)设在m组切削条件下测得的试验数据为[P,T],目标输出为T=[Fz1,…,Fzm],R×Q阶输入矢量阵P表示在Q=m组试验中每组考虑R个切削力影响因子。在选定有关设计控制参数(如期望的网络输出误差平方和指标等)后,根据试验数据[P,T],采用RBF设计算法可在较短时间内确定RBF网络隐层及输出层上的权矩阵W、偏差矩阵b及隐层上的节点数S1,完成切削力预测的神经建模。3切削力预测

5、的灰色建模灰色集合理论擅长于处理具有“部分信息已知、部分信息未知的小样本、贫信息”特点的不确定性对象,它通过对“部分已知信息”的生成与开发,从中提取有用信息,最终实现对研究对象内在规律的有效描述。切削加工实践表明,由于各种因素的影响,切削力通常表现出不确定性特征。GM(1,1)灰色建模原理简介如下:设实测的原始数据序列为Y0={Y0(1),Y0(2),…,Y0(j),…,Y0(n)}它的一次累加生成序列定义为Y1={Y1(1),Y1(2),…,Y1(j),…,Y1(n)}其中,Y1(j)为Y1(j)=jY0(i)Σi=1(1)对于序列Y1,其相邻平均生成定义为Z1={Z1(2),…,

6、Z1(i),…,Z1(n)}其中,Z1(i)可表达为Z1(i)=0.5Y1(i)+0.5Y1(i-1)假设列向量Y=Y0(2),Y0(3),…,Y0(n)]T,且矩阵B定义为B=[-Z1(2),1;-Z1(3),1;…;-Z1(n),1]在灰色微分方程dY1/dt+aY1(t)=b中,参数a和b的估计值确定为[a,b]T=(BTB)Z-1BTY根据式(1),有Y1(0)=Y0(1)。灰色微分方程的解为Ŷ1(1)=Y0(1)(2)Ŷ1(i)=[Y0(1)-(b/a)]exp[-a(i-1)]+(b/a)(3)其中:i=2,3,…,n。式(2)、(3)可用于求Y1的模拟序列Y1。因此,Y

7、0的模拟序列Y0可确定为Ŷ0(1)=Y0(1)(4)Ŷ0(i)=Ŷ1(i)-Ŷ1(i-1)(5)其中:i=2,3,…,n。利用式(4)、(5),i≤n用于原始序列Y0的模拟;i>n用于切削力不确定性预测。4模型的验证与分析为了验证建模方法的有效性和准确性,需要获取建模数据和评价数据。表1为车削试验得出的切削力数据。试验条件:工件材料45钢(正火,HB=187),工件直径81mm;YT15外圆车刀(416A),前角15°,后角68°,副后角4°~6°,主偏角

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。