论文部分内容阅读
振动攻丝作为一种新型的工艺方法,在切削加工中逐步得到应用,取得了降低攻丝扭矩、提高螺纹加工质量、延长丝锥寿命等效果,在解决难加工材料的小直径内螺纹的攻丝质量有着很好的应用前景。目前,振动攻丝技术还没有广泛推广应用,而要推广振动攻丝技术,优化振动攻丝工艺参数尤其关键,本课题就是要开发一个基于神经网络的振动攻丝参数匹配数据库。 在分析振动攻丝的攻丝效率和攻丝质量的影响因素的基础上,确立了振动频率、切削速度和正反转比例为振动攻丝的基本工艺参数组,并在现有实验设备的基础上,选择有代表性的材料进行攻丝实验,采集基本工艺参数组与攻丝扭矩之间的关系数据并对数据进行分析。 利用神经网络理论,基于MATLAB的神经网络工具箱建立了振动攻丝扭矩值的预测模型,并以Q235加工M6螺纹为例,证明了该模型用于攻丝扭矩值预测的可行性。同时,为了弥补MATLAB在人机交互性能上的欠缺,建立MATLAB与Delphi之间的应用程序接口,将Delphi灵活强大的数据库管理能力和MATLAB的神经网络工具箱的预测能力结合起来,并采用可视化编程工具Delphi,在Windows系统平台上,开发出界面友好、操作简便、易于功能扩充的振动攻丝工艺参数匹配数据库系统,在一定程度上实现了振动攻丝工艺参数匹配的智能化。