文献类型：期刊文章

作　　者：廖小平[1] 陈楷[1] 鲁娟[1,2]

LIAO Xiaoping;CHEN Kai;LU Juan(Guangxi Key Laboratory of Manufacturing Systems and Advanced Manufacturing Technology,Guangxi University,Nanning 530004;College of Mechanical and Marine Engineering,Beibu Gulf University,Qinzhou 535011)

机构地区：[1]广西大学制造系统与先进制造技术重点实验室,南宁530004 [2]北部湾大学机械与船舶海洋工程学院,钦州535011

出　　处：《机械工程学报》

基　　金：国家自然科学基金(51665005);广西高校中青教师科研基础能力提升(2020KY10014)资助项目。

年　　份：2020

卷　　号：56

期　　号：11

起止页码：240-248

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在切削加工过程中,由于磨损会随时间的变化不断积累,导致加工质量产生波动。针对这个问题,提出了在大数据背景下,基于磨损监测对加工表面质量进行实时控制的方法。通过历史数据库建立切削力信号与磨损之间的映射关系,刀具磨损反映当前加工状态,将当前加工状态的加工质量与客户需求进行比较,从而优化加工参数使加工质量尽可能接近客户需求。优化模型是利用广义回归神经网络的建模原理进行建模,使得优化问题能通过非线性规划求解,并能快速做出调控决策。研究还对TC18材料进行大量铣削试验,试验结果验证了方法的可靠性,也证明了此方法能做到对加工状态变化的快速响应。此研究解决了现有研究中不能同时保证控制精度和响应时间的问题,并为在线智能控制切削加工表面质量提供了新思路。

关 键 词：粗糙度 大数据 广义回归神经网络 磨损 质量稳定控制  

分 类 号：TP273]