[發明專利]一種數控內齒強力珩齒機的珩削力預測方法

有效

• 申請號: 202010996859.8
• 申請日: 2020-09-21
• 公開（公告）號: CN112059323B
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 夏鏈;蔣泓;韓江
• 申請（專利權）人: 合肥工業大學
• 主分類號: B23F5/02
• 分類號: B23F5/02;B23F23/00
• 代理公司: 合肥金安專利事務所(普通合伙企業) 34114
• 代理人: 金惠貞

1.一種數控內齒強力珩齒機的珩削力預測方法，所述珩削力預測方法適用于數控內齒強力珩齒機，數控內齒強力珩齒機包括七個數控軸，分別為：珩磨輪旋轉軸C1、工件旋轉軸C2、珩磨輪徑向進給軸X、珩磨輪軸向進給軸Z1、工作臺移動軸Z2、軸交角調整軸A、鼓形加工和錐度修形軸B，其特征在于操作步驟如下：

(1)根據待加工齒輪參數和內齒強力珩齒機加工工藝確定珩齒加工參數，設計珩齒加工正交實驗，通過珩齒加工正交試驗獲取各試驗參數組合下的實際珩削力；

(2)采用歸一化數據處理方法對珩齒加工正交試驗的試驗數據預處理，獲取訓練樣本集，選擇BP神經網絡模型并輸入訓練樣本集數據進行迭代訓練，建立珩削力預測模型；所述試驗數據為珩齒加工正交試驗的試驗參數和試驗參數組合下的實際珩削力；

所述歸一化數據處理是指采用mapminmax函數對珩齒加工正交試驗的試驗數據進行處理，使得試驗數據的數量級落入無量綱區間[0,1]，所述mapminmax函數的關系式為：y為歸一化后的數據，x為歸一化前原始數據，y_min＝0，y_max＝1，x_min，x_max分別為原始數據的最小值與最大值；

所述訓練樣本集包括樣本集的輸入數據和樣本集的目標輸出數據，樣本集的輸入數據為珩齒加工正交試驗加工參數歸一化后的數據，樣本集的目標輸出數據為正交試驗所采集實際珩削力歸一化后的數據；

所述BP神經網絡模型包括輸入層、輸出層、隱含層，還需選擇BP神經網絡模型的傳遞函數、訓練函數、學習函數，將訓練樣本集數據輸入神經網絡模型中進行迭代訓練，當輸出誤差或訓練步數滿足要求時，訓練結束，珩削力預測模型建立完成；

所述輸入層包含三個神經元，分別為工件轉速n_c2、珩磨輪徑向進給量f_x、珩磨輪軸向進給速度f_z；

所述輸出層包含一個神經元，為珩削力的預測數值；

所述隱含層為單隱藏層，通過經驗公式：確定神經元數目的范圍，在范圍內分別選擇不同的神經元數目進行訓練，比較不同神經元數目對應模型的收斂精度和收斂速度，確定最優的神經元個數，L為隱藏層神經元數目，m為輸出層神經元數目，n為輸入層神經元數目，a為0～10之間的常數；

所述BP神經網絡模型的傳遞函數、訓練函數和學習函數分別為：輸入層與隱藏層間的傳遞函數為“tansig”，隱藏層與輸出層的傳遞函數為“purelin”，模型訓練函數為“trainlm”，學習函數采用“learngdm”，訓練誤差設置為0.001，訓練步數為2000步；

(3)將已建立的珩削力預測模型用于珩削力預測，與珩齒加工試驗實際珩削力數值進行誤差比較，驗證珩削力預測模型的準確性，由誤差百分比衡量，其中F_{實際珩削力}表示珩齒機操作面板上采集的珩削力實際值，F_{預測珩削力}表示珩削力預測模型計算得到的珩削力預測值，η數值越小說明珩削力預測模型越準確。

2.根據權利要求1所述一種數控內齒強力珩齒機的珩削力預測方法，其特征在于：步驟(1)中，所述珩齒加工參數分別為：工件轉速n_c2為800～1800r/min、珩磨輪徑向進給量f_x為2～8μm/次、珩磨輪軸向進給速度f_z為60～200mm/min；

所述珩齒加工正交試驗以工件轉速n_c2、珩磨輪徑向進給量f_x、珩磨輪軸向進給速度f_z三個加工參數作為試驗因素，每項試驗因素在參數范圍內按照平均原則選取五個水平，根據L₂₅(5³)正交試驗表設計珩齒加工正交試驗，共設計25組珩齒試驗樣本。