导波板切削参数优化研究机械制造及其自动化专业论文.docxVIP

摘 摘 要 针对武器装备中薄壁零部件生产加工的高质量要求，本文从实际生产工艺路线的 安排和基础的夹具设计开始，对零件进行受力变形分析和数控加工模拟仿真。应用非 线性回归法、遗传算法和BP神经网络进行切削用量的优化，寻求切削用量三要素的最 优组合，进而达到指导实际生产、降低表面粗糙度和减小生产成本的目的。 本文以非线性回归方法建立了表面粗糙度的预测模型，然后联合加工成本建立多 目标优化函数，考虑到机床和刀具的性能以及加工要求，限定切削用量三要素的选择 范围，运用MATLAB软件中的遗传算法模块进行优参数化，来寻求最优解，并将最优解 运用到具体零件实际生产加工中。再运用BP神经网络预测表面粗糙度，与实际加工所 得的表面粗糙度进行比较，验证优化的有效性。 关键词：遗传算法 BP神经网络表面粗糙度 多目标优化切削用量 ABSTRACTAccording ABSTRACT According to tlle Kgh—qu以i哆requeSts of me production and processillg of thin-walled parts of we印ons and equipment，we did tlle job of me amngement of process route，basic fixturedesi印，s仃essdef．0mlationanalysisa11dCNCmachiIlingsirnulationinthisanicle．We studied t11e叩timization ofⅡle tecllIlological parameter(maillly the mree cu_tting elements) by using nominear re乒ession method，genetic 2Llgorimm锄d tlle BP neural net、vork，to seek me optimal solution Wmch caIl guide actual production and acllieVe也e pu叩ose of reduce the surf犯e roughless of requirements aIld me production cost． In thjs p印er，we established the forecasting model of tlle surf．ace rou91lIless by using the nolllinear re铲ession metllod，aIld men established multi—objectiVe opt曲ization fhction WhiCh combined production cost and me surfke roughness．111 View of processing requiremems a11d tlle perfomaIlce of machjne aIld tools，we limited the selection raIlge of the t11ree cutting elements．Next step、Ⅳe used tlle GA part of t11e MArLAB so觚are to car叫 on me optiIlliZation、^，：hich maked us acllieve tlle optimaJ solution by using expert memod．， a11d applied t11e reSults to tlle pra“cal produ“on processing．A缸r all，we co叫)ared也e result of t11e surf犯e rougllIless predicted by uSing BP neural ne抵，ork诵t11 tlle result obtained by acnml production． K对words：genetic algorithm BP neural ne细ork surface如ughness multi—objective optimization cutting parameter II 第一章绪 第一章绪弟一旱殖 论记 1．1课题研究的背景和来源 数控技术的出现使传统制造业发生了巨大的变化，使其成为一个国家制造业发展 程度的象征。伴随着数控技术的发展，数控加工己慢慢成为机械制造和加工的主要研 究和应用方向。由于数控加工成本高，使用合理的工艺路线和加工参数对降低生产成 本，提高加工质量就变得格外重要。 在国防工业中，一些关键零部件(特别是薄壁件)的加工精度要求较高，其