基于计算智能技术的电火花线切割工艺参数优化

摘要

电火花线切割过程动态多变并且难以定量控制，影响工艺指标的因素往往互相关联又互相矛盾。用传统的方法进行建模和加工参数优化是十分困难。在满足加工要求的前提下，单一依靠操作技术人员的经验，在得到高切割速度的同时，难以获得好的表面粗糙度和优异的工艺效果，为了解决这一问题，本文运用一种模糊神经网络技术、遗传算法技术、模糊聚类技术、多目标优化理论相互结合的计算智能方法，应用于电火花线切割加工工艺参数的建模和优化。 运用模糊聚类的方法，对杂乱的数据进行分析和处理，生成隶属函数和模糊神经网络的初始模糊系统。利用模糊神经网络建立了电火花线切割各个工艺参数与工艺指标的输入输出模型，并对输出进行预测，为用户在操作前，提供相关的最优工艺参数数据。并且获得多个工艺参数作用下会造成各个工艺指标不同影响的规则集，通过分析三维图，找出相应的规律。将模糊数学理论和多目标优化理论相结合建立多目标适应度函数，再运用遗传算法对工艺参数进行优化，寻找到在提高切割速度的同时，又能获得较好表面粗糙度的最优加工工艺参数。最后，运用回归分析的方法对遗传算法进行优化的值进行验证。通过试验验证，得上述优化方法应用于线切割加工可取得良好的效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题来源

1.2课题研究的目的和意义

1.3国内外研究概况

1.3.1 国外研究概况

1.3.2 国内研究概况

1.4论文的主要研究内容

第二章电火花线切割加工

2.1电火花线切割加工原理

2.2电火花线切割加工分类、特点及其应用范围

2.2.1电火花线切割加工分类

2.2.2电火花线切割加工的特点及其应用范围

2.3电火花线切割加工的基本工艺规律

2.3.1电火花线切割加工工艺指标

2.3.2脉冲电源参数对工艺指标的影响

2.3.3电极丝及其走丝速度对工艺指标的影响

2.3.4工件厚度及其材料对工艺指标的影响

2.3.5 工作液对工艺指标的影响

2.3.6各因素对工艺指标的相互影响关系

2.4本章小结

第三章基于计算智能技术的电火花线切割工艺参数优化系统框架

3.1计算智能技术

3.1.1神经网络

3.1.2模糊逻辑

3.1.3遗传算法

3.2基于计算智能技术的电火花线切割工艺参数优化系统框架

3.3本章小结

第四章数据的模糊聚类

4.1模糊聚类

4.1.1模糊c-均值聚类

4.1.2减法聚类

4.2电火花线切割加工参数的模糊聚类

4.2.1数据的获取

4.2.2数据的模糊聚类

4.3本章小结

第五章基于模糊神经网络的电火花线切割加工工艺参数建模

5.1模糊神经网络

5.1.1模糊系统和神经网络的结合形式

5.1.2模糊神经网络

5.2线切割加工工艺参数建模

5.2.1模糊神经网络的结构

5.2.2模糊神经网络的训练

5.2.3加工工艺指标的预测

5.2.4工艺规则集的提取与工艺规律的分析

5.3本章小结

第六章电火花线切割加工工艺参数的多目标优化

6.1工艺参数的多目标优化

6.1.1 Parato解的定义

6.1.2多目标适应度函数的建立的方法

6.2遗传算法

6.3基于神经网络的遗传算法多目标优化

6.3.1建立神经网络结构的工艺参数与工艺指标之间的模型

6.3.2神经网络结构权值、阈值的优化

6.3.3多目标适应度函数的建立

6.3.4电火花线切割加工工艺参数多目标优化的实现

6.4试验结果分析与验证

6.4.1回归分析

6.4.2试验验证

6.5本章小结

第七章结论与展望

7.1结论

7.2展望

参考文献

作者在攻读硕士学位期间公开发表的论文

作者在攻读硕士学位期间所作的项目

致 谢