基于BP神经网络的数控超声加工性能研究

　　超声加工是一种多学科交叉的高新技术,它在声能、机械能、电能的综合效应作用下,实现对材料的加工和处理,在加工非金属材料,特别是硬脆材料方面具有无法替代的优势,能解决许多用普通加工方法难以解决的加工问题。而数控展成超声加工是对传统超声加工的技术创新,具有传统超声加工无法比拟的优点[1~5]。但在数控展成超声加工过程中,影响加工性能的因素较多且其取值难以确定。神经网络是20世纪80年代后期迅速发展起来的人工智能的一个重要分支,具有自组织、自学习、非线性动态处理等特征。人工神经网络利用样本集进行学习,用准符号方法描述知识,其分布式并行运行机制的特点与人类许多能力相仿[6]。为此,应用神经网络建模进行预测,在许多方面得到了应用[6~12]。

　　本文采用正交试验方法对数控超声加工效率进行了分析,并用BP神经网络对数控超声加工效率各参数影响趋势进行了预测。

　　1 正交试验设计与结果分析

　　数控超声加工的性能可用“加工效率”、“加工精度”、“表面粗糙度”等工艺参数来描述。本试验为探讨神经网络模型的可行性只进行了“加工效率”工艺参数试验。试验设备包括超声加工机床、多轴联动数控系统、超声发生器和磁化电源等。超声加工机床是在J93025超声加工机床上改装而成。数控系统为自行研制的基于PC机并行接口的经济型多轴联动数控系统。该系统不需另外购置多轴联动控制卡,就能实现4轴联动控制。试验所用磨料为碳化硅,磨料与水的比例为1B3。采用阶梯形变幅杆,长度为150mm。加工所用工具的直径为6 mm,被加工材料为普通玻璃。

　　1.1 正交试验设计

　　影响“加工效率”的因素有工具振动频率、振幅、工具作用在工件上的进级压力、磨料种类和粒度、刀具移动速度等。由于本次试验设备振动频率与振幅不可调,故取磨料粒度G、进级压力P和刀具移动速度vf3个因素各4个水平进行正交试验,采用正交表L16(45)进行试验。为了避免人为因素导致的系统误差,因素的各水平按/随机化0的方法处理,将因素A、B、C随机放置在第1、3、4列。/加工效率0指标用单位时间切削深度(Lm/s)表示。因素水平表见表1,试验结果见表2。

　　1.2 正交试验结果分析

　　为找出各因素对“加工效率”指标的影响程度,对正交试验结果进行极差分析。差值R越大,说明因素对指标的影响度越大,其分析结果见表3。由差值分析结果可看出,A>C>B>空列1>空列2,说明磨料粒度A、刀具移动速度C、进级压力B是“加工效率”指标的3个主要影响因素,其影响主次为ACB,在不考虑其他条件前提下,“加工效率”应是越高越好,所以优方案应是A2C4B1,即当磨料粒度为240目、进级压力为40 N,刀具移动速度为6.77mm/s时,加工效率最高。