微细电火花加工作为一种重要的微细加工方法,以其非接触加工、容易实现高深宽比和能加工微三维结构的特点越来越受到人们的重视。目前,微细电火花加工技术在航空航天、医学、模具、微电子器件、生物技术、微型传感器和微型电器制造等方面都得到了广泛的应用。电火花微细加工与常规电火花加工相比有其独特的技术要求,能够产生高频、微能的电源是实现微细电火花加工的一项关键技术,对电源的输出控制同电火花加工中的伺服进给控制一样,都依据于对放电间隙的状态判断。 微细电火花加工过程中的放电脉冲频率高、能量小的特点使放电间隙中的放电波形畸变严重,信噪比低,信号变化的随机性大,使加工波形严重畸变,由于常规的一些放电间隙状态检测方法多是仅靠单一的电压信号进行状态识别,因此这些方法不再适用于电火花微细加工。从而使放电状态的准确检测成为微细电火花加工的技术难点之一。本文针对微细电火花加工的特点,建立了微细电火花加工放电状态辨识系统,该系统由模糊辨识模块、学习矢量量化(LVQ)神经网络分类模块和模糊统计判别模块这三个功能模块组成,基于对加工中间隙电压和电流互补性的认识,提出同时利用加工中的电压和电流两种信号,并根据二者之间的相互关系制定模糊控制规则和进行模糊判决,克服了畸变信号造成的不确定性因素的影响,准确的将采样信号划归相应的状态区间,然后根据神经网络的模式识别技术与分类功能,将每一采样点的状态值映射成相应的状态矢量,最后通过对状态矢量的统计分析,得出一组脉冲所处的加工状态。由于采用了神经网络的模式识别与分类技术,从而避免了庞大的工艺数据库,只需简单的特征样本学习就可以实现分类,简单易行,达到了稳定准确的检测目的。其简洁、信息全面的特点保证了实时、准确的目的。