论文部分内容阅读
表面问题一直是现代科学技术研究的重要课题之一,而表面问题的核心是表面质量,它是衡量工件加工质量好坏的一个重要指标。对于机械加工表面而言,表面质量的好坏可以通过表面粗糙度来评定,因为它在很大程度上反映了表面的功能特性,因此合理的评价表面粗糙度对产品加工质量、机械性能的分析和加工条件的改善都具有重要的意义。在车削加工中振动是影响被加工工件表面粗糙度的一个重要因素,尤其是在精加工过程中,即使是微小的振动也会对工件表面粗糙度产生很大的影响。传统的表面粗糙度测量方法已经很难适应复杂振动环境下工件表面粗糙度在线预测的要求,因此迫切需要一种能够适应这种振动条件下,在线、高精度预测工件表面粗糙度的方法。
本文结合目前车削加工工件表面粗糙度测量技术的国内外研究状况,在总结前人研究的基础上,提出了基于振动传感器的表面粗糙度在线预测。论文的研究以数控车削加工为实验平台,以铝棒为研究对象,基于传感器,结合实验,主要完成了以下一些工作:首先,从工件表面轮廓形成的机理出发,分析精车条件下影响工件表面粗糙度的因素,并着重分析刀具和工件之间的相对振动对表面粗糙度形成的影响;其次,根据影响表面粗糙度的因素构建表面粗糙度BP神经识别网络,对表面粗糙度进行预测,利用样本数据对网络进行训练,确定网络结构;为了提高网络的预测精度,在利用神经网络的基础上,结合模糊逻辑理论,建立模糊神经网络(FNN)对表面粗糙度进行在线预测的研究方法,并将模糊神经网络和BP网络的预测结果作了对比;最后,利用VB和MATLAB语言相结合的方法开发了表面粗糙度在线预测系统,完成了实验平台的搭建、软件的开发,并利用预测系统进行了实例运行。