胡敬文
表面技术
doi:10.16490/j.cnki.issn.1001-3660.2017.02.040
目的 当前实际生产中对表面形貌的表征主要利用表面算术平均偏差Sa,而通过不同加工方式获得的表面有时尽管具有相同的Sa值,而其表面纹理结构、表面轮廓幅度值的对称程度及凸峰尖锐程度往往存在较大的差异,所以此时引入表面偏斜度Ssk和表面峰度Sku来共同表征表面形貌更为精确可信.方法 利用正交试验和极差分析的方法研究各磨削参数如何影响表面偏斜度和表面峰度的变化.将BP神经网络引入到对表面偏斜度和表面峰度的预测建模中,利用其自学习的特性,有效克服了表面粗糙度建模的多输入、非线性复杂问题.结果 获得了磨削参数对表面偏斜度和表面峰度的影响规律,当vs=20 m/s,vf=27 m/min,f=5 mm/min,ap=0.005 mm时Ssk最小,当vs=29 m/s,vf=23 m/min,f=25 mm/min,ap=0.002 mm时Sku最小;分别建立了磨削参数对Ssk和Sku的精确神经网络预测模型.结论 vf和f对Ssk影响较大,而f和vs对Sku的影响最大.为获得凹谷较多、尖锐凸峰较少的表面,必须选择合适的磨削工艺参数.建立的预测模型可以对磨削工艺优化起到有效的指导作用.
关键词:
表面偏斜度
,
表面峰度
,
磨削参数
,
神经网络`
,
预测建模
