放电线切割的神经网络模拟与优化

摘要:根据神经网络的模拟原理,研究了放电线切割技术应用于模具加工时放电加工参数与加工性能指标之间映射关系的模拟问题。运用模拟退火算法优化了放电加工参数。

0、前言

模具放电线切割加工过程中,材料被放电去除的规律是十分复杂的综合性问题。这是由放电过程本身的随机性与复杂性决定的。从而无法建立放电加工参数与加工性能指标之间准确的数学模型。神经网络作为一种针对因果性和非确定性知识的并行处理工具,能够有效地模拟各种复杂的非线性映射,并有很强的容错性和联想记忆能力。文中在实验数据样本的基础上,通过误差反向传播算法对网络进行了训练,并由模拟退火算法实现了加工工艺参数的优化。

1、放电参数与加工指标的神经网络预测模拟

建立4-12-3型单隐含层误差反向传播神经网络。隐含层神经元个数是在网络学习过程中通过对误差的分析而得到。输入层4个神经元及输出层3个神经元表征的参数指标取值范围如表1所示。

表1放电加工参数与加工性能指标的取值

输入层表征参数 >输出层表征参数 t_on(μs) t_off(μs) I_m(A) TH(mm) v_f(mm²/min) Ra(μm) EX(mm／10⁴mm²) 2-60 20-450 1-10 5-200 40-80 0.5-2.5 ≤001

表中放电参数对于加工性能指标影响的规律为:放电脉冲宽度ton增大时,脉冲能量也大,加工速度vf提高。但此时放电凹坑既大且深,故表面粗糙度Ra增大,电极丝损耗EX也增大。脉冲间隔toff减小时,vf增大,Ra减小,EX减小。峰值电流Im增大时,vf增大,Ra增大,EX也增大。模具零件厚度TH减小时,工作液容易充满放电间隙,电蚀产物的排出和消电离都容易,加工稳定性好,故vf提高。但此时电极丝易振动,对表面粗糙度不利,故Ra增大,EX减小。TH增大则vf也增大,但当TH达到某一特定值(50-100mm)后,因蚀出产物排除条件差,vf反而下降。

null

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。