论文部分内容阅读
在了解国内外电火花线切割（wire electrical discharge machining，简称WEDM）加工工程陶瓷材料现状的基础上，以常用的导电工程陶瓷材料Al2O3／TiC为研究对象，分析了电加工理论及工程陶瓷材料电加工表面粗糙度、表面残余应力和表面变质层的产生机理，探讨脉冲宽度、脉冲间隔、工作电压、功率管数等工艺因素对工程陶瓷材料电加工的影响。研究了模糊推理知识和人工神经网络的理论基础，考虑到人工神经网络存在收敛速度慢，容易陷入局部极小值及全局搜索能力弱等问题，提出了模糊Modular算法来构建神经网络结构。本文采用模糊Modular神经网络，Taguchi（田口式）试验规划方法和标准变量分析技术（ANOVA），对工程陶瓷材料电加工理论及试验进行研究，实现了工艺参数的优化，建立了工程陶瓷材料电加工表面粗糙度随工艺参数变化的预测模型，为实现WEDM高效精密加工工程陶瓷材料提供理论与技术支持。利用Taguchi（田口式）试验规划方法，对脉冲宽度、脉冲间隔、工作电压、功率管数等工艺因素进行正交试验排序，设计了L16正交试验矩阵。在不同的工况下，按照正交试验矩阵来进行工程陶瓷材料放电加工试验。试验过程中，为了排除噪声等干扰，引入信噪比S／N来对试验数据进行处理，以提高数据的准确性。运用标准变量分析技术（ANOVA），分析了四个电参数对工程陶瓷材料电加工表面质量和加工速度的影响，并优化了工艺参数。研究结果表明，在所选择的工艺因素中，对表面粗糙度的影响程度依次为工作电压（F=37.16％）、功率管数（F=27.7％）、脉冲间隔（F=19.0％）、脉冲宽度（F=16.14％），而对加工速度的影响程度依次为脉冲间隔（F=44.42％）、功率管数（F=25.45％）、工作电压（F=20.71％）、脉冲宽度（F=9.42％）。在优化电加工工艺参数组合下，分别得到了优化的最小表面粗糙度（1.215μm）和最大加工速度（24.78 mm2／min），优化值与试验结果吻合得较好。电加工后工件表面残余应力均为拉应力，表面变质层组织疏松，强度较差，厚度一般为50～100μm。表面残余应力和表面变质层，都随着脉冲能量（脉冲宽度、功率管数、工作电压）的增加而增加，随着脉冲间隔的增加而减小。通过Weibull函数分析表明，经电加工后的陶瓷材料，其抗弯强度降低，威布尔系数低于11，表面质量和表面完整性变差，需要进行表面改性或强化处理。以正交试验数据为输入学习样本，试验和仿真结果表明，基于模糊Modulalr神经网络不仅可以克服单纯使用人工神经网络容易陷入局部极小值等问题，而且预测精度比较高，误差大约在7％之内，对工程陶瓷材料电加工获得较佳的表面粗糙度有着重要的指导意义，具有一定的实用价值。