论文部分内容阅读
气中和水雾中电火花线切割加工是近些年发展起来的加工方法,与液中放电加工相比,具有放电能量和加工间隙小、对环境无污染等优点;在电火花线切割加工中,由于间隙放电状态分析有助于揭示气体和水雾介质中的加工机理,因而研究高性能的间隙放电状态检测系统对优化加工参数、保证加工质量和提高加工效率具有重要意义。本文在查阅大量文献资料的基础上,分析了传统化电火花线切割加工放电状态检测方法,并结合国内外多种智能化检测技术,提出了基于学习向量量化神经网络的放电状态检测系统实时辨别电火花线切割加工的间隙放电状态。在分析间隙放电状态的过程中,放电波形通常分为开路、正常火花放电和短路三种状态,本文研究了偏开路和偏短路状态对加工过程的影响,实验结果表明较长时间的偏开路或者偏短路现象可能导致后续的脉冲转变为开路脉冲或是短路脉冲,影响了加工精度和加工效率。检测放电过程中各类脉冲放电类型,有利于对线切割加工实现优化控制。本文选取了间隙电压和电流作为检测系统的输入信号,研究利用数据采集卡完成对电信号的采集,并基于LabVIEW虚拟平台运用学习向量量化神经网络建立逻辑处理程序,选择合适的硬件搭建相应的放电状态检测系统,最终实现对加工过程中开路、偏开路、正常火花放电、偏短路和短路五种放电状态的实时检测。利用数字存储示波器在加工过程中同步采集放电间隙信号,将其得到的波形图与检测系统采集的信号波形图进行对比,验证检测系统的可靠性。然后进行液中粗加工实验,以这一工艺参数为基础,在液中、气中和多种水雾介质中的精加工条件下应用该检测系统,研究水雾中线切割的放电间隙特性,得到以上介质条件下电火花线切割加工放电波形和放电状态的特点以及火花率的分布范围;最后进行以脉冲宽度、脉冲间隔比、峰值电流、偏移量、工作台进给速度为变量的单因素实验。