基于神经网络的数控铣削自适应加工系统的研究

摘要

在数控加工中，特别是在复杂曲面加工时，经常会遇到切削余量变化比较大的工件，我们选取的保守进给速度限制了数控加工效率的提高。恒负荷自适应控制系统可以极大的改善这一不足之处。
　　 数控铣削自适应加工系统的实现方法如下：利用神经网络建立切削参数和切削负荷特征电流的映射模型，通过实时监控反映切削负荷的特征电流的变化，并比较它和公称负载电流的大小，根据比较结果和离线建立的神经网络模型，自适应控制系统不断的调整进给修调率，从而保证切削负荷稳定在公称负载的水平上，最大限度的提高数控机床加工效率，有效的保护机床和刀具，同时恒定的切削负荷在一定程度上可以保证零件的加工质量。本文的主要工作如下：
　　 1）神经网络输入量的选取
　　 铣削加工是一个极其复杂、多因数相关的高度非线性、强耦合过程，本文通过对切削负荷分析，将对其有主要影响的因素作为神经网络的输入量。
　　 2）神经网络输出量即负荷特征电流的提取
　　 针对直接测量切削负荷的难点，本文采用了基于主轴电流间接测量并控制切削负荷的方法。通过对电机的理论分析和对铣削过程的分析，证实了电机电流和切削负荷之间的对应关系。通过对电机电流信号进行分析处理，有效的提取了与负荷相对应的特征电流，并将其作为神经网络输出量。同时解决了特征电流信号存在时滞的问题。
　　 3）系统开发、神经网络模型的建立和比较分析
　　 搭建了恒负荷控制系统的硬件和软件结构，并开发了相应的功能模块。为了有效建立特征电流和对其有影响的因素之间的映射模型，本文建立了两种不同神经网络，并利用相应的实验数据对其进行了比较分析。训练和测试的结果显示，该模型能较好的从切削参数映射切削负荷。实际加工结果表明，数控铣削自适应加工系统取得了较好的效果。