基于神经网络的前混合磨料水射流切割数据库建立研究

摘要

由于加速机理的不同,前混合磨料水射流(ASJ)中磨料颗粒的速度远大于后混合磨料水射流(AWJ)中磨料颗粒的速度,其切割能力可达AWJ的5-10倍。ASJ特别适用于各种金属材料和非金属材料的高精度高速度加工,并已成功应用于半导体芯片制造行业。
　　本文对 ASJ技术的材料去除机理、切面余纹的成形机理进行了详细的理论研究,并根据实验结果将切面质量差距明显的上下两段分开进行研究,通过正交分析计算切割参数对切割质量的影响力排序,得出两者之间存在高度的非线性,采用传统的数学模型很难创建其切割模型。因此,结合当前国内外磨料射流切割模型的研究成果,提出基于人工神经网络创建前混合磨料射流切割模型的课题。
　　本文在MATLAB环境下,实现对1060铝合金的粗糙度预测、切割速度预测的模型建立,并通过了内插、外推仿真验证,证实该模型具有高度的拟合能力和泛化能力;为避免建模受到单一材料的局限,另外选择建立关于材料304不锈钢的粗糙度预测及速度预测的神经网络模型,其模型亦能满足建模误差的要求。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 水射流切割技术的优势(Advantages of Water-jet Cutting Technology)

1.2 磨料射流的分类（Classification of Abrasive Water-jet）

1.3 磨料水射流切割技术国内外研究现状（Overseas and Domestic Research Status of AWJ）

1.4 本课题的研究对象和意义（Study Object and Meaning of the Thesis）

1.5 本文的主要研究内容（Main Research Content）

2 前混合磨料水射流切割的理论研究2 Study On Theory of ASJ Cutting

2.1 前混合磨料水射流切割材料去除机理研究（Research in the Principle of Material Removal with ASJ）

2.2前混合磨料水射流切面质量的分部研究（Theory of Divisions of Cutting Surface）

2.3本章小结（Summary）

3前混合磨料水射流切割实验研究

3.1 实验目的（Objectives of Experiments）

3.2 实验设备（Equipment）

3.3 实验参数选择(Selection of Experiment Parameter) 3.3.1基本参数

3.4 实验准备（Preparation of Experiment）

3.5 实验过程（Experiment）

3.6 实验结果及分析（Experimental Results and Analysis）

3.7 本章小结（Summary）

4 人工神经网络概述

4.1 人工神经网络相关基本理论（Basic Theory of Artificial Neural Network）

4.2 BP网络（BP Network）

4.3 本章小结（Summary）

5 基于人工神经网络的前混合磨料射流切割模型建立5 ASJ Cutting Model based on Artificial Neural Network

5.1 模型参数的确定（Determination of Model Parameters）

5.2 1060铝合金粗糙度预测模型的建立（ASJ Roughness Prediction Model of 1060 Aluminum Alloy）

5.3 1060铝合金速度预测模型的建立(ASJ Speed Prediction Model of 1060 Aluminum Alloy)

5.4 304不锈钢切割模型的建立(ASJ Cutting Model of 304 Stainless Steel)

5.5 本章小结(Summary)

6 结论与展望

6.1 结论(Conclusion)

6.2 展望(Prospects)

参考文献

附录1

作者简历

学位论文数据集