机械网-基于支持向量机的切削过程刀具磨损研究--机械机电

发布时间：2021-10-21 02:41:21 阅读：次来源：镗床厂家

基于支持向量机的切削进程刀具磨损研究(任务书,开题报告,论文20000字)

摘要

在切削加工进程中，零件的品质会遭到诸多要素的影响，刀具磨损是其中1个重要的影响要素。要保证零件的加工质量与生产效力，下降生产本钱，就必须了解刀具磨损的影响因素，及时地掌握刀具磨损的信息，并采取相应的应对措施。因此，为了能够及时得到刀具的磨损值，构建刀具磨损预测模型是10分必要的。

本文设计了基于切削参数（切削速度、进给率、切削深度、切削时间）的正交实验，测得磨损量与切削分力，并在实验数据的基础上，提出了1种以切削参数与力信号为输入的支持向量机（SVM）模型，并利用此模型来预测刀具磨损值。由于使用网格搜索法寻觅支持向量机参数的计算量较大，会花费大量的时间，本文提出了1种网格搜索法和遗传算法相结合的优化改进方案。实践结果表明，使用改进方法寻觅最优参数所花费的时间更少，得到的模型具有更好的预测效果。

神经网络（NN）模型常常被用于预测刀具磨损。本文将构建完成的支持向量机模型与神经网络模型进行对照，得到了支持向量机模型具有更好的预测效果的结论。在使用不同的特点组合训练支持向量机模型后，发现不同的切削参数对刀具磨损具有不同程度的影响，切削速度的影响程度最大，切削深度的影响程度最小，这与极差分析所得到的结果是相同的。另外，力信号与材料去除率对刀具磨损是有1定影响的，但是它们的影响程度都不如切削参数。

关键词：刀具磨损；支持向量机；遗传算法；参数寻优

Abstract

Inthecuttingprocess,thequalityofthepartswillbeaffectedbymanyfactors.Toolwearisoneoftheimportantfactors.Toensuretheprocessingqualityandproductionefficiencyofpartsandreduceproductioncosts,itisnecessarytounderstandtheinfluencingfactorsoftoolwear,totimelygrasptheinformationoftoolwear,andtotakecorrespondingcountermeasures.Therefore,inordertoobtainthewearamountofthetoolintime,itisnecessarytoconstructthetoolwearpredictionmodel.

Inthispaper,orthogonaltestsbasedoncuttingparameters(cuttingspeed,feedrate,depthofcut,cuttingtime)aredesignedtomeasuretheamountofwearandcuttingforce.Basedontheexperimentaldata,acuttingparameterisproposed.Theforcesignalisaninputsupportvectormachine(SVM)model,andthismodelisusedtopredicttoolwearvalues.Duetothelargeamountofcomputationforsearchingtheparametersofthesupportvectormachineusingthegridsearchmethod,itwilltakealotoftime.Thispaperproposesanimprovedmethodcombininggeneticalgorithmandgridsearchmethod.Thepracticalresultsshowthatusingtheimprovedmethodtofindtheoptimalparameterstakeslesstimeandtheresultingmodelhasbetterresults.

Neuralnetwork(NN)modelsareoftenusedtopredicttoolwear.ThispapercomparestheconstructedSVMmodelwiththeneuralnetworkmodelandobtainstheresultthattheSVMmodelhasbetterpredictioneffect.AfterusingdifferentfeaturecombinationstotraintheSVMmodel,itwasfoundthatdifferentcuttingparametershaddifferenteffectsontoolwear,cuttingspeedhadthegreatestdegreeofinfluence,andcuttingdepthhadtheleastinfluence.Thiswascomparedwiththerangeanalysis.Theresultisthesame.Inaddition,theforcesignalandmaterialremovalratehaveacertaininfluenceontoolwear,buttheirdegreeofinfluenceisnotasgoodasthecuttingparameters.

KeyWords:Toolwear;Supportvectormachine;Geneticalgorithm;parameteroptimization目录

第1章绪论1

1.1课题的研究背景及意义1

1.2刀具磨损预测的研究现状2

1.2.1刀具磨损检测2

1.2.2刀具磨损预测模型3

1.3本文的主要研究内容3

第2章刀具磨损与实验设置5

2.1刀具磨损概述5

2.1.1刀具磨损情势5

2.1.2刀具磨损进程和磨钝标准6

2.2实验设置7

2.2.1实验装置7

2.2.2实验设计10

2.2.3数据处理10

2白癜风长颈部怎么办.3本章小结11

第3章支持向量机理论12

3.1线性支持向量分类机12

3.1.1分类问题和线性分类问题12

3.1.2最大间隔12

3.1.3线性支持向量分类机13

3.2线性支持向量回归机16

3.2.1回归问题和线性回归问题16

3.2.2线性支持向量回归16

3.3非线性支持向量机18

3.4本章小结20

第4章参数寻优与模型的建立21

4做脑电图能诊断癫痫吗.1交叉验证与网格搜索法21

4.2遗传算法概述22

4.3参数寻优23

4.4模型的构建27

4.4.1数据准备与参数寻优结果27

4.4.2SVM模型28

4.5本章小结30

第5章模型的对照31

5.1神经网络模型31

5.1.1神经网络概述31

5.1.2Bp网络的设计32

5.1.3神经网络模型的建立33

5.2不同特点组合的对照33

5.3本章小结39

第6章总结与展望40

6.1总结40

6.2展望40

参考文献42

致谢44

附录A部份MATLAB代码45

A1支持向量机部份45

A2神经网络部份46

A3遗传算法部份47