PSO优化灰色神经网络的珩磨油石磨损预测

为了预测油石的切削寿命,保证珩磨加工质量,引入灰色神经网络,通过将珩磨工艺加工参数作为模型输入来预测油石的磨损量,最终建立了珩磨油石磨损量预报模型。在油石磨损量预测过程中,针对神经网络存在收敛速度慢、容易陷入局部最优等缺陷,利用粒子群算法对灰色神经网络的参数进行优化。试验结果表明,基于粒子群算法改进的灰色神经网络具有更好的逼近能力和预测精度,便于合理更换油石。

基于响应曲面法的珩磨油石寿命影响因素研究

在珩磨加工时,油石磨损对零件的加工精度有重要影响。基于响应曲面法建立珩磨油石二阶响应曲面模型,通过BBD实验对珩磨油石寿命模型进行拟合,分别验证模型的有效性和显著性,结果表明响应曲面模型能很好地拟合油石寿命。在分析了珩磨油石寿命关于影响因素的响应曲面后,得到了各因素对油石寿命的交叉影响程度。结果表明:各工艺参数对油石寿命具有复杂的交互作用,在油石粒度相同的情况下,珩磨压力较往复速度对油石磨损的影响更加显著;压力和粒度的交互作用对油石寿命影响最大,油石在磨削时,由于细小的磨屑容易进入油石气孔中,粒度越小,越易出现堵塞现象。