论文部分内容阅读
磨料水射流技术以其独特的“冷、软”加工特性,正被应用于越来越多的加工领域,成为近30年来发展最快的特种加工技术之一。磨料水射流切割模型的研究是当前磨料水射流技术研究的重点课题之一,对实现磨料水射流精密加工具有重大意义。本文通过对当前国内外磨料水射流切割模型的研究现状分析,提出了利用神经网络技术建立磨料水射流切割模型的研究课题。论文对磨料水射流的主要特性、切割系统、切割原理及切割性能影响因素进行了详细的理论研究。研究表明,磨料水射流的切割质量与切割参数间具有高度的非线性,很难采用传统的数学方法建立完整的切割模型。论文在对磨料水射流切割规律、神经网络建模技术进行理论研究的基础上,将磨料水射流切割技术与神经网络技术相融合,对神经网络拓扑结构、网络训练算法进行设计,在Matlab环境下建立了基于人工神经网络的磨料水射流切割模型。采用正交实验方法,在HJ300型精密磨料水射流切割机上,对有机玻璃进行了切割实验。并将实验获取的能够反映磨料水射流切割规律的25组代表性数据用于网络模型的训练和性能检测。结果表明,该网络模型具有很好的拟合能力与泛化能力,能够用于磨料水射流切割速度的预测。论文将神经网络技术、Matlab计算技术和Delphi软件开发技术相结合,利用Matlab接口技术实现Matlab与Delphi语言的通信,开发出了能够实现与现有磨料水射流切割机床的数控系统完美集成的基于人工神经网络的磨料水射流切割速度预测单元。预测结果表明,该预测单元能够在非Matlab环境下实现对切割速度的快速、准确预测,为实现磨料水射流的精密加工和智能控制奠定了基础。通过磨料水射流切割实验研究,对基于人工神经网络的磨料水射流切割模型进行了验证。研究表明,基于人工神经网络的磨料水射流切割模型具有预测快速、准确,操作方便、直观,应用范围广泛的特点,是一种可靠的磨料水射流切割模型,因此具有较高的实用价值和应用前景。