组合机床与自动化加工技术
組閤機床與自動化加工技術
조합궤상여자동화가공기술
MODULAR MACHINE TOOL & AUTOMATIC MANUFACTURING TECHNIQUE
2014年
5期
130-132
,共3页
磨料水射流%BP神经网络%铣削加工%表面粗糙度
磨料水射流%BP神經網絡%鐉削加工%錶麵粗糙度
마료수사류%BP신경망락%선삭가공%표면조조도
abrasive water jet%BP neural network%milling%surface roughness
为提高磨料水射流铣削加工的表面质量,需深入研究磨料水射流工艺因素对加工质量的影响,以获得较好的表面质量.以射流压力、横移速度、磨料流量、靶距、横向进给量和工件表面粗糙度为研究对象,进行磨料水射流铣削加工试验.基于人工神经网络理论,建立磨料水射流铣削加工表面粗糙度的BP神经网络模型.借助大量试验数据,进行网络训练与验证.研究结果显示,用BP神经网络计算得到的横移速度来铣削工件,获得的工件表面粗糙度与期望值之间的相对误差为0.31％～3.09％,网络模型预测精度较高.
為提高磨料水射流鐉削加工的錶麵質量,需深入研究磨料水射流工藝因素對加工質量的影響,以穫得較好的錶麵質量.以射流壓力、橫移速度、磨料流量、靶距、橫嚮進給量和工件錶麵粗糙度為研究對象,進行磨料水射流鐉削加工試驗.基于人工神經網絡理論,建立磨料水射流鐉削加工錶麵粗糙度的BP神經網絡模型.藉助大量試驗數據,進行網絡訓練與驗證.研究結果顯示,用BP神經網絡計算得到的橫移速度來鐉削工件,穫得的工件錶麵粗糙度與期望值之間的相對誤差為0.31％～3.09％,網絡模型預測精度較高.
위제고마료수사류선삭가공적표면질량,수심입연구마료수사류공예인소대가공질량적영향,이획득교호적표면질량.이사류압력、횡이속도、마료류량、파거、횡향진급량화공건표면조조도위연구대상,진행마료수사류선삭가공시험.기우인공신경망락이론,건립마료수사류선삭가공표면조조도적BP신경망락모형.차조대량시험수거,진행망락훈련여험증.연구결과현시,용BP신경망락계산득도적횡이속도래선삭공건,획득적공건표면조조도여기망치지간적상대오차위0.31％～3.09％,망락모형예측정도교고.
