论文部分内容阅读
刀具切削加工是机械制造工业的主导加工方法,如何提高刀具切削加工的生产效率,降低加工成本,一直是机械加工领域专家们不断探索和致力研究的重大课题。切削数据是衡量切削技术水平高低的一个基本量值。采用优化的切削数据是发挥机床功能,提高切削效率的基本方法。在传统的切削过程中,主要是依靠工艺技术人员的经验或工艺手册确定切削参数的,这难以满足精度需要,同时确定参数所花费的时间也较长。本文将数据库技术和人工神经网络技术引入切削参数的优化中,建立了金属车削参数智能优化系统。本文主要完成了以下研究内容:1.通过查阅大量国内外有关切削数据库方面的文献,阐述了国内外切削数据库的发展现状,分析了当前存在的问题及将来的发展方向。2.基于MySQL数据库平台建立了基础信息库、学习样本库、待评价数据库,实现了对刀具、加工材料、机床和切削数据等信息的有效管理。同时也为神经网络模块和信息管理系统模块提供底层的数据支持。3.提出了神经网络设计方案,运用分治策略将整个问题分为精加工和粗加工两部分,分别构建了精加工神经网络和粗加工神经网络。针对不同型号机床分别保存对应的网络权值,实现了服务于特定型号机床的神经网络。4.在NeuroSolutions中建立了网络模型,运用NeuroSolutions的分析功能确定了网络的最佳隐层结点数、最佳步长、最佳动量项等网络参数。并生成了供信息管理系统使用的DLL动态链接库文件。5.采用面向对象的编程方法,结合OLE对象连结及嵌入技术设计了基于Windows的信息管理系统,为用户提供了一个友好、操作方便、快捷的人机界面。最后通过一个实例展示了本系统的运行过程。通过以上工作可以得到如下结论,首先,将神经网络技术和数据库技术引入切削参数的优化过程是非常合适的。其次,应对BP网络的各参数进行优化,经过优化的BP网络其精度可获得较大的提升。再次,为了验证模型的预测能力,应使用新样本对网络进行测试。