结合CSSA-BP神经网络的砂带磨抛表面粗糙度预测研究

镍基合金在航空涡轮机、压气机的叶片制造中广泛应用,提升其加工效率与质量是行业热点。为实现航发叶片恒力磨抛的表面粗糙度准确预测,提出一种基于改进麻雀搜索算法(CSSA)优化BP神经网络的预测模型,开展机器人砂带磨抛工艺参数预测研究。选取4个主要影响因素为变量进行正交试验和极差分析;利用BP神经网络建立表面粗糙度预测模型,引入Tent混沌映射和种群多样性变异,进行麻雀搜索算法的改进,再通过CSSA对预测模型进行优化。结果表明:优化后的粗糙度预测误差降低了85.9%,相比优化前提升明显,可准确预测所输入工艺参数对应的粗糙度值。

基于华数机器人的恒力控制系统研究

工件表面质量要求越来越高,工业机器人在对工件的表面进行抛光或毛刺处理时,接触力是影响质量的关键因素,为此开展了基于华数机器人二次开发平台的恒力控制系统研究。首先进行了系统总体结构的设计,然后阐述了力/力矩信息的采集处理过程,进行了传感器的标定及重力补偿,开发了PC端的恒力控制程序。实验结果表明,该恒力控制系统在复杂曲面力跟踪过程中可实时补偿机器人末端的位置偏差,达到恒力控制效果,运行稳定、可靠,具有一定的工程应用性。