软测量技术及其在磨削加工中的应用

摘要

磨削力和表面粗糙度分别是表征磨削加工过程和磨削加工质量的重要物理量。由于国外技术保密，目前尚无有关螺旋锥齿轮磨削力和表面粗糙度在线测量的资料公开发表，螺旋锥齿轮异常复杂的齿廓形状又给这两个物理量的实际在线测量带来困难。 影响磨削加工表面粗糙度Ra值的因素众多且很多不明确，螺旋锥齿轮Ra值的预测属典型的灰色问题。本文提出新息优化模型GM(1，1，α)的概念，利用它建立软测量模型，通过改变GM(1，1，D)的边界条件和白化背景值的选取，对螺旋锥齿轮表面粗糙度Ra值进行预测。实验数据证明新息优化模型可获得平均相对误差小于1％的高精度预测结果。 磨削力与各种加工条件之间都是复杂的非线性关系，并且还受许多未知因素的影响。本文在几何相似、物理相似的原则下，采用模拟实验与软测量相结合的方法研究螺旋锥齿轮磨削加工的磨削力。即软测量时以磨削用量三要素为输入量，磨削力的三个分量为输出量，利用MATLAB神经网络工具箱的相关函数建立RBF神经网络，用实验数据对网络进行训练和测试。同时用BP网络进行对比研究，得出结论：用RBF网络可以实现螺旋锥齿轮磨削加工磨削力的高精度在线测量。 本文用软测量的办法对螺旋锥齿轮磨削加工的相关问题进行研究，为机床动力设计提供了依据，可实现磨削加工质量的在线测量。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2软测量模型

1.3软测量模型的建立方法

1.3.1机理建模

1.3.2辨识建模

1.3.3混合建模方法

1.4影响软测量性能的主要因素

1.4.1建模方法的选择

1.4.2辅助变量的选择

1.4.3测量数据的预处理

1.4.4软测量模型的维护

1.5课题的背景和主要研究工作简介

1.5.1课题的背景

1.5.2本课题的研究目的

1.5.3主要研究工作简介

1.6全文的主要内容和组织结构

第二章有关磨削的理论研究

2.1磨削表面粗糙度的研究

2.1.1表面粗糙度的有关概念

2.1.2表面粗糙度对零件性能的影响

2.1.3影响磨削加工表面粗糙度的因素

2.1.4磨削加工表面粗糙度在线软测量

2.1.5螺旋锥齿轮磨削加工表面粗糙度的预测方法

2.2磨削力的研究

2.2.1磨削力及其作用

2.2.2磨削力的计算

2.2.3磨削力的实验测量

2.2.4磨削力的在线软测量

2.2.5螺旋锥齿轮磨削加工磨削力的测量方法

2.3本章小结

第三章基于新息优化模型GM(1，1，α)的软测量建模及其应用

3.1灰预测及GM(1，1，D)模型

3.2改进的灰预测模型

3.2.1改进边界条件的选取

3.2.2改进白化背景值的选取

3.3灰预测模型的进一步改进——新息优化模型GM(1，1，α)

3.3.1新息优化模型GM(1，1，α)

3.3.2简化新息因子α的计算

3.4新息优化模型GM(1，1，α)的建模预测步骤

3.5新息优化模型GM(1，1，α)的应用

3.5.1问题的提出

3.5.2磨削加工实验

3.5.3表面粗糙度值测试

3.5.4 Ra值的灰预测

3.5.5结论

3.6本章小结

第四章基于RBF神经网络的软测量建模及其应用

4.1人工神经网络

4.1.1人工神经元模型与人工神经网络的结构

4.1.2人工神经网络的特点

4.1.3人工神经网络建模的特点

4.2 RBF神经网络原理与算法

4.2.1 RBF网络的构成原理

4.2.2 RBF神经网络学习算法

4.3基于RBF神经网络的磨削力软测量

4.3.1螺旋锥齿轮磨削加工磨削力软测量的意义

4.3.2研究螺旋锥齿轮磨削力的技术路线

4.3.3模拟实验

4.3.4基于RBF神经网络的磨削力软测量

4.3.5结论

4.4本章小结

第五章结束语

参考文献

致谢

攻读学位期间主要的研究成果