張宏達(dá)

（寶雞職業(yè)技術(shù)學(xué)院 陜西 寶雞 721013）

引言

當(dāng)前，隨著我國(guó)制造工業(yè)的不斷發(fā)展，對(duì)精密模具的要求也變得越來(lái)越高。比較典型的如汽車(chē)方向盤(pán)、保險(xiǎn)桿，以及空調(diào)、洗衣機(jī)等電器，都對(duì)模具的精度提出了更高的要求。要生產(chǎn)高精度的模具，加工過(guò)程控制是關(guān)鍵，也是當(dāng)前研究的難點(diǎn)。如在一般的模具生產(chǎn)中，其精度要求在3～5 μm，但是部分模具精度要求，則需要達(dá)到1～2 μm的精度。模具精度的提高，對(duì)工件加工設(shè)備提出了更高的要求，特別是在精加工階段。實(shí)踐認(rèn)為在模具加工的整個(gè)階段，精加工所耗費(fèi)的時(shí)間最長(zhǎng)，若可以提高模具加工的效率和精度，不僅可以縮短整個(gè)加工時(shí)間，縮短模具交貨的周期，還可以節(jié)省部分工序。而根據(jù)部分專(zhuān)家對(duì)模具市場(chǎng)的預(yù)測(cè)，在未來(lái)我國(guó)模具精度將提高到1 μm以下的水平。

電火花線(xiàn)切割加工（WireCutEDM，簡(jiǎn)稱(chēng)WEDM），被認(rèn)為是一種借助火花放電的方式，對(duì)需要加工的工件進(jìn)行切割的技術(shù)[1]。在電火花放電的過(guò)程中，放電時(shí)間通常都比較短，通常以μs的時(shí)間來(lái)計(jì)算，并且在放電的過(guò)程中，伴隨著比較復(fù)雜的物理過(guò)程，即短時(shí)間之內(nèi)會(huì)形成高溫，并蝕除工件表面的材料，進(jìn)而達(dá)到對(duì)精度的控制。這種切割加工方式具有可控性好，工藝精度高等特點(diǎn)，從而被廣泛地應(yīng)用在復(fù)雜零件，或者是一些高硬度材料的加工中。同時(shí)隨著現(xiàn)代加工對(duì)精度的要求，如何提高電火花切割中工件加工的精度，對(duì)提升整個(gè)加工行業(yè)的水平具有重要的價(jià)值和意義。當(dāng)前針對(duì)電火花加工的研究中，主要集中在兩個(gè)方面：一是對(duì)影響電火花加工的影響因素進(jìn)行研究，進(jìn)而對(duì)工藝參數(shù)進(jìn)行優(yōu)化。如A&M大學(xué)的Philip T.Eubank等人[2]則根據(jù)熱動(dòng)力學(xué)等理論構(gòu)建等離子體柱電加工模型，構(gòu)建陰、陽(yáng)蝕除模型，進(jìn)而對(duì)加工過(guò)程進(jìn)行仿真，影響EDM蝕除的主要原因是因?yàn)檫^(guò)熱的問(wèn)題。哈爾濱工業(yè)大學(xué)的崔景芝則結(jié)合電火花加工的基本規(guī)律[3]，以分子運(yùn)動(dòng)學(xué)作為研究基礎(chǔ)，對(duì)針尖鎢的放電加工過(guò)程進(jìn)行了模擬，進(jìn)而驗(yàn)證了在放電過(guò)程中的影響因素；二是在上述研究基礎(chǔ)上，部分學(xué)者提出提高加工精度的方法，如華中科大的明五一博士在其發(fā)表的博士論文中[4]，則提出通過(guò)多目標(biāo)優(yōu)化的方式對(duì)工藝參數(shù)進(jìn)行優(yōu)化，進(jìn)而提高加工精度。江暉則針對(duì)殼體底部均布三處復(fù)雜沉窩加工中存在的難題提出：提高電極的制造精度，同時(shí)優(yōu)化工藝參數(shù)的方式，進(jìn)而提高粗加工精度。本文則在上述研究的基礎(chǔ)上，提出一種基于人工智能算法的切割工藝參數(shù)優(yōu)化模型，并對(duì)其加工精度進(jìn)行仿真驗(yàn)證。

1 神經(jīng)網(wǎng)絡(luò)算法的提出

在電火花切割加工過(guò)程中，影響切割加工工藝的參數(shù)很多，明五一通過(guò)研究認(rèn)為[4]，影響電火花加工工藝的參數(shù)主要包括材料去除率及表面粗糙度等，并通過(guò)建立回歸模型的方式就材料去除率和表面粗糙度與加工精度的關(guān)系進(jìn)行建模；英國(guó)伯明翰大學(xué)的Bayamglu等[5]就主軸轉(zhuǎn)速及電極相對(duì)損耗等對(duì)切割精度的影響進(jìn)行了探討。但隨著現(xiàn)代智能算法的發(fā)展，Hsue，Liao等開(kāi)始將智能算法應(yīng)用到電火花切割加工中[6]，對(duì)切割過(guò)程中的工藝參數(shù)進(jìn)行優(yōu)化。其中，BP神經(jīng)網(wǎng)絡(luò)算法作為現(xiàn)代人工智能算法的典型代表，更是被廣泛的研究。

BP網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，主要包括輸入層、隱含層和輸出層[7]。如圖1所示為典型的三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)。

通過(guò)圖1看出，在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中每個(gè)神經(jīng)元都和下層的神經(jīng)元保持聯(lián)結(jié)，其中的箭頭則表示神經(jīng)元之間的信息流動(dòng)方向。當(dāng)通過(guò)輸入層輸入相關(guān)的參數(shù)后，經(jīng)隱含層傳遞給輸出層，輸出層再根據(jù)輸出結(jié)果與實(shí)際結(jié)果之間的誤差，通過(guò)反向傳遞的方式傳回到輸入層，并逐步對(duì)連接點(diǎn)的權(quán)重進(jìn)行修正。通過(guò)這種反復(fù)的修正，最終將輸出結(jié)果調(diào)整到誤差范圍內(nèi)，并結(jié)束學(xué)習(xí)訓(xùn)練過(guò)程。

圖1 典型的BP網(wǎng)絡(luò)結(jié)構(gòu)模型

2 基于BP神經(jīng)網(wǎng)絡(luò)的電火花線(xiàn)加工模型構(gòu)建

2.1 參數(shù)選取

結(jié)合對(duì)BP神經(jīng)網(wǎng)絡(luò)的分析看出，要完成對(duì)電火花線(xiàn)切割加工的精度控制，首先要對(duì)影響電火花切割的參數(shù)進(jìn)行驗(yàn)證。根據(jù)當(dāng)前對(duì)電火花線(xiàn)切割的研究發(fā)現(xiàn)，影響其切割精度的參數(shù)很多。本文結(jié)合以往的研究基礎(chǔ)，選擇表1所示的研究參數(shù)。

表1 加工模型參數(shù)選取

2.2 隱含層節(jié)點(diǎn)設(shè)計(jì)

對(duì)BP神經(jīng)網(wǎng)絡(luò)來(lái)講，最為關(guān)鍵的一個(gè)問(wèn)題就是對(duì)隱含層中的節(jié)點(diǎn)進(jìn)行設(shè)計(jì)。如果節(jié)點(diǎn)過(guò)少，會(huì)造成學(xué)習(xí)模型容量有限，進(jìn)而影響訓(xùn)練的效果；如節(jié)點(diǎn)過(guò)多，則會(huì)導(dǎo)致計(jì)算時(shí)間過(guò)長(zhǎng)，從而影響模型的效率。對(duì)此，在本文中則借鑒隱含層節(jié)點(diǎn)參考公式，對(duì)隱含層節(jié)點(diǎn)進(jìn)行計(jì)算。

其中，切割速度計(jì)算為：

其中：n表示輸入層的節(jié)點(diǎn)數(shù)；m表示隱含層節(jié)點(diǎn)的數(shù)目；l表示輸出層節(jié)點(diǎn)的數(shù)目，a表示為常數(shù)。

根據(jù)以往研究的經(jīng)驗(yàn)，在對(duì)隱含層數(shù)量的確定取值中，大部分集中在6～15個(gè)節(jié)點(diǎn)數(shù)之間。為確定最佳的隱含層節(jié)點(diǎn)數(shù)目，本文通過(guò)網(wǎng)絡(luò)訓(xùn)練的方式對(duì)節(jié)點(diǎn)數(shù)進(jìn)行確定。訓(xùn)練的目標(biāo)誤差設(shè)定為0.000 5，當(dāng)達(dá)到這個(gè)訓(xùn)練目標(biāo)，則停止訓(xùn)練。由此可以得到表2所示的網(wǎng)絡(luò)訓(xùn)練誤差。

通過(guò)上述的訓(xùn)練看出，當(dāng)隱含層的節(jié)點(diǎn)數(shù)在9和14的情況下，其訓(xùn)練誤差符合要求。同時(shí)比較兩個(gè)節(jié)點(diǎn)數(shù)的迭代次數(shù)發(fā)現(xiàn)，節(jié)點(diǎn)數(shù)在14的情況下，其迭代次數(shù)最少，為5次。由此，本文在對(duì)隱含層的選取中，則選擇14個(gè)節(jié)點(diǎn)。

2.3 基于BP的電火花切割加工模型構(gòu)建

根據(jù)上述的分析，加工模型設(shè)計(jì)如圖2所示。

表2 網(wǎng)絡(luò)訓(xùn)練誤差

圖2 電火花切割加工網(wǎng)絡(luò)模型構(gòu)建

3 模型仿真驗(yàn)證

3.1 訓(xùn)練流程設(shè)計(jì)

在對(duì)模型進(jìn)行仿真前，需要對(duì)BP網(wǎng)絡(luò)訓(xùn)練的流程進(jìn)行設(shè)計(jì)，從而更好地完成仿真。結(jié)合BP神經(jīng)網(wǎng)絡(luò)的操作，具體的操作流程設(shè)計(jì)如圖3所示。

3.2 試驗(yàn)參數(shù)設(shè)定

為驗(yàn)證上述方案的可行性，以某中走絲切割數(shù)控系統(tǒng)為例，同時(shí)以Cr12材料的加工作為試驗(yàn)材料。在具體的切割參數(shù)上，將電火花的切割參數(shù)設(shè)計(jì)如表3所示。

3.3 仿真實(shí)驗(yàn)結(jié)果

對(duì)上述參數(shù)的仿真，以MATLAB軟件進(jìn)行編程，同時(shí)采用正交實(shí)驗(yàn)法選取部分組合對(duì)預(yù)測(cè)結(jié)果與實(shí)際結(jié)果進(jìn)行驗(yàn)證。在仿真訓(xùn)練樣本選取方面，選取20組實(shí)驗(yàn)數(shù)據(jù)，其中15組為訓(xùn)練樣本，5組為實(shí)驗(yàn)樣本。通過(guò)選取合理的傳遞函數(shù)等，可以得到表4所示的仿真結(jié)果。

圖3 BP網(wǎng)絡(luò)訓(xùn)練具體流程

表3 電火花切割加工參數(shù)

表4 實(shí)驗(yàn)因素及結(jié)果對(duì)比

3.4 結(jié)果分析

通過(guò)表4的結(jié)果看出，采用BP神經(jīng)網(wǎng)絡(luò)可及時(shí)預(yù)測(cè)電火花切割線(xiàn)的切割速度和表面粗糙度，并且預(yù)測(cè)值大部分都與實(shí)際值的相差不大。由此可以看出，在電火花切割加工中，引入神經(jīng)網(wǎng)絡(luò)算法具有一定的可行性。

4 結(jié)束語(yǔ)

通過(guò)上述的試驗(yàn)看出，神經(jīng)網(wǎng)絡(luò)算法可以有效建立電火花加工切割參數(shù)與切割速度和表面粗糙度之間的關(guān)系，并通過(guò)該模型可對(duì)上述結(jié)果進(jìn)行預(yù)測(cè)，并通過(guò)預(yù)測(cè)的結(jié)果來(lái)看，與實(shí)際值相差不大，大部分都在9.8%的范圍之內(nèi)，從而得出神經(jīng)網(wǎng)絡(luò)算法對(duì)該加工精度控制的有效性和可行性。

1 陸程，甄敬然.線(xiàn)切割加工連續(xù)脈沖放電電極絲三維振動(dòng)分析[J].機(jī)械設(shè)計(jì)與制造，2015（5）：130-133

2 Philip T.Eubank，Mukund R.Patel，Maria A.Barrufet，et al.Theoretical models of the electrical discharge machining process.III.The variable mass，cylindrical plasma model[J].J.Appl.Phys.1993，73（11）：7900-7909

3 崔景芝，閆文艷.壓路機(jī)BYD3313箱體鑄造工藝[J].金屬加工（熱加工），2012（21）：16-17

4 明五一，郭建文，張臻，等.精密線(xiàn)切割加工關(guān)鍵理論研究進(jìn)展綜述[J].機(jī)電工程技術(shù)，2014，43（5）：10-13

5 M.Bayamoglu，A.W.Duffill.Systematic investigation on the use of cylindrical tools for the production of 3D complex shapes on CNC EDM machines[J].Int.J.Manufact，1994，34（3）：327-339

6 Hsue W.J.，Liao Y.S.，Lu S.S.Analysis and control for wire-EDM roughing-stage conner cutting[J].Bulletin of College of Engineering，N.T.U.1999，75：71-89

7 焦李成，楊淑媛，劉芳，等.神經(jīng)網(wǎng)絡(luò)七十年：回顧與展望[J].計(jì)算機(jī)學(xué)報(bào)，2016，39（8）：1697-1716