论文部分内容阅读
机械制造业发展水平是国家工业化程度的主要标志之一,要提高机械制造水平,就必须提高零件的加工精度,磨削加工是提高零件精度最有效的方法之一,而磨削过程中的振动和磨削温度是影响磨削加工精度的最主要因素。本论文首先对磨削加工过程进行动力学分析,根据磨削原理对M2110A型内圆磨床的磨削系统进行建模,并对其进行仿真分析,从而找到磨削系统非线性振动与各种因素之间的关系,提出抑制磨削振动的措施,为指导生产提供理论依据；接着通过分析磨削过程,找出影响磨削温度的因素,建立了预测磨削温度RBF神经网络模型,预测结果达到预期目标,对生产过程中磨削温度的控制提供技术支持。本论文主要研究内容如下：1.根据磨削原理,对内圆磨削系统进行分析,建立五自由度内圆磨削系统的振动模型；考虑砂轮轴和夹具体刚度的非线性因素,建立数学模型；根据非线性方程组的特点,选择四阶龙格库塔法对其进行求解；通过MATLAB软件对系统进行仿真分析,得到不同参数对磨削非线性振动的影响,且仿真结果与实际相吻合,为控制磨削加工过程中的非线性振动提供理论依据。2.为研究非线性参数对磨削系统振动的影响,建立工件与夹具系统的单自由度振动模型；选择多尺度法求解非线性方程,分析磨削过程中工件的非线性振动特性,得到非线性参数对各阶共振的影响,并提出抑制措施。3.利用Matlab人工神经网络工具箱,建立预测磨削温度的RBF神经网络模型；通过调整函数newrb()中的宽度系数spread,确定最佳的网络结构形式,预测结果达到预期目标,且具有良好的泛化性；并将RBF的预测结构与传统的BP网络模型相比较,结果表明RBF网络在此预测模型中更具优越性。文章最后对内圆磨削非线性研究及神经网络在磨削领域应用的发展方向做出展望。