高速铣削TC4表面粗糙度预测模型研究.pdfVIP

第3期 组 合 机 床 与 自动 化 加 工 技 术 No．3 2015年3月 M odularMachineTool AutomaticManufacturingTechnique Mar．2015 文章编号：1001—2265(2015)03—0108—03 DOI：10．13462／j．cnki．mmtamt．2015．03．029 高速铣削TC4表面粗糙度预测模型研究术 张宝磊 ，熊艺文 ，王为庆 ，朱帅玲 (桂林航天工业学院a．建筑环境与能源工程系；b．机械工程系，广西桂林 541004) 摘要：零件表面粗糙度的影响因素具有复杂性和不确定性，切削参数是能够人为控制并对零件的表 面质量有较大影响的因素之一。为了优选合适的切削参数以达到提高零件表面加工质量的目的，通 过设计正交试验并在此基础上建立了钛合金TC4高速铣削表面粗糙度的GRNN广义回归神经网络 预测模型和经验回归模型，对其预测误差进行了比较分析。结果表明：所建立的GRNN预测模型较 回归预测模型有更高的预测精度，能够更好的对表面粗糙度进行动态控制。 关键词 ：GRNN；预测；粗糙度 ；TC4 中图分类号 ：TH16；TG506 文献标识码 ：A Research onSurfaceRoughnessPredictionModelforHigh-SpeedM illingTC4 ZHANG Bao-lei，XIONG Yi—wen ，WangWei-qing ，ZhuShuai-ling (a．DepartmentofConstructsEnvironmentandEnergyEngineering；b．DepartmentofMechanicalEngineering， GuilinCollegeofAerospaceTechnology，GuilinGuangxi541004，China) Abstract：Thefactorsinfluencingtheworkpiecesurfaceroughnessiscomplexityanduncertainty，thecutting parametersareonefactorofonesthathavegreatinfluencesonmachinedsurfacequalitywhichcanbecon— trolledartificially．Inordertochooseappropriatecuttingpraameterstogetbettermachinedsurfacequality， thepaperdesignorthogonalexperimentalandestablishTC4Empiricalregressionpredictionmodelandgener— alizedregressionneuralnetworks(GRNN)forpredictionofsurfaceroughnesswhenhighspeedmillingTC4 andcompraethepredictingerror．Resultsshow thattheestablishedGRNN predictionmodehasbetterpredic- tionprecisionwhichcanbeusedtocontrolthesurfaceroughnessdynamically． Keywords：GRNN ；prediction；surfaceroughness；TC4 预测模型和经验回归模型，通过比较分析两种预测模 0 引言 型的预测误差来验证所建立的GRNN预测模型的正 零件表面粗糙度是衡量零件表面质量 的重要参 确性以及预测效果的准确性。 数 ，长期以来一直是学者们研究的重点内容之一 ，它对 工件的疲劳强度、接触刚度、耐腐蚀性能、工件精度都 1 实验条件及方案 有重要的影响 。高速加工做为一种先进制造技术 ， 1．1 实验条