复杂曲面铣削加工参数双神经网络优化方法研究

吕明

（蚌埠学院机械与电子工程系，安徽蚌埠233030）

复杂曲面铣削加工参数双神经网络优化方法研究

吕明

（蚌埠学院机械与电子工程系，安徽蚌埠233030）

针对复杂曲面加工效率低、能耗高、表面质量难控制的问题，以及加工参数和目标之间关系确定的难题，建立了考虑复杂曲面特征的双神经网络优化方法。首先，用曲率表示复杂曲面加工复杂度来描述曲面特征，以曲面加工复杂度、主轴转速、进刀量、进给速度和路径间距为设计变量，以加工时间、能量消耗和表面粗糙度为目标函数，建立了复杂曲面加工参数的优化数学模型；其次，采用BP神经网络以黑箱法建立加工参数与优化目标的非线性关系，结合ALM神经网络方法对加工参数进行了优化。该方法解决了复杂曲面加工参数的优化问题，对提高复杂曲面加工效率和质量有一定的理论指导作用。

加工复杂度；曲率；BP神经网络；ALM；优化

0 引言

铣削参数对复杂曲面加工的加工效率、能耗和质量有重要影响[1]。传统的曲面铣削加工参数选择过多依赖经验，效果不理想。由于加工的复杂曲面经常改变，考虑曲面的特征，研究铣削参数选择及优化方法对提高曲面加工质量和效率，以及经济效益具有重要的实际意义。

目前对于铣削参数优化主要采用模糊评价法，线性规划法和遗传算法[2-4]。人工神经网络也逐渐成为铣削参数优化的一个方向，研究内容涉及用反馈神经网络求解铣削加工多目标优化模型[5]，改进的BP 神经网络优化切削参数[6-7]以及神经网络和粒子群算法相结合选择最优的切削参数[8]等。……