论文部分内容阅读
为提高加工精度,该文提出了基于传感器信息的实时加工误差补偿方法.利用神经网络的学习特征,用BP网络建立了加工误差与加工条件关系的神经网络非线性模型,借助于外部可控机床具有的偏移量重叠控制机能,实现了加工误差的动态补偿控制.另外,针对曲面铣削加工,深入地分析了影响加工误差产生的因素,提出了一种实用的基于传感器信息的刀具弯曲加工误差补偿方法.遗传算法作为处理非线性多目标优化问题的一种重要数学工具的最主要特征之一是全局优化能力强,该文通过确定合理的评价函数,以影响切削加工利润率的加工条件(加工速度和进给量)优化问题,以及沟槽铣削加工加工深度优化问题为例,说明了遗传算法在制造加工中的应用方法并证明了其有效性.对影响加工精度、加工效率的加工振动现象进行理论解析.以TObias型振动理论为基础,获得了车削加工振动理论安定界限图.首次建立了以曲面形状为参数的曲面加工振动模型,阐明了曲面形状参数对曲面加工振动程度的影响.对于特定的加工状况可预测振动发生的区域,并与实验结果进行了比较.提出了一种应用实时加工状态判定法进行抑制切削振动的比例控制方法.该文提出了一种利用神经网络与遗传算法融合技术进行加工条件适应学习控制的方法.利用神经网络规划切削条件与切削状态的非线性关系,以遗传算法实时优化切削参数.在回避加工振动的前提下以实现高效率加工为目的,建立了曲面切削加工的智能字习控制系统.另外,该文还提出了加工状态指数的概念,作为评价加工振动程度的参数.设计实现了切削力高通滤波器,为分析曲面加工振动奠定了基础.针对切削加工控制实时性要求高的特点,提出了神经网络计算及遗传优化计算的并行处理方法.