劉 濤，盧家俊，張文超

(蘭州理工大學(xué)機(jī)電工程學(xué)院，甘肅 蘭州 730050)

渦旋壓縮機(jī)作為技術(shù)最先進(jìn)的第三代容積式壓縮機(jī)，因其具有體積小、質(zhì)量小、結(jié)構(gòu)緊湊、運(yùn)轉(zhuǎn)平穩(wěn)、噪聲低、效率高且節(jié)能等特點(diǎn)[1]，廣泛用于空調(diào)、制冷、氣體壓縮、發(fā)動機(jī)增壓以及用作真空泵等[2-3]。

作為渦旋壓縮機(jī)核心部件的變截面渦旋盤，是由復(fù)雜曲面構(gòu)成的典型的壁厚變化、腔體變化復(fù)雜的零件，其側(cè)壁面表面加工質(zhì)量決定了渦旋壓縮機(jī)的性能[4-5]。目前，常用的渦旋盤側(cè)壁面表面粗糙度預(yù)測方法有人工神經(jīng)網(wǎng)絡(luò)法和回歸分析法[6]?；貧w分析法用于預(yù)測零件表面粗糙度較為成熟，但因?yàn)闇u旋盤加工過程復(fù)雜，存在若干不確定因素，使用回歸分析法不能精準(zhǔn)預(yù)測其表面粗糙度。而神經(jīng)網(wǎng)絡(luò)不僅是一個高度非線性的動態(tài)系統(tǒng)，而且是一個具有快速尋優(yōu)能力的自適應(yīng)組織系統(tǒng)，可以用來描述任何非線性關(guān)系[7]。因此本文采用兩種方法建立了表面粗糙度的雙預(yù)測模型，可有效中和單一預(yù)測模型造成的誤差。

1 表面粗糙度雙預(yù)測模型

1.1 多元非線性回歸模型的建立

根據(jù)金屬銑削原理，在確定機(jī)床設(shè)備和刀具幾何參數(shù)的條件下，渦旋盤側(cè)壁面表面粗糙度值與銑削參數(shù)呈復(fù)雜的指數(shù)關(guān)系。假設(shè)三段基圓變截面渦旋盤側(cè)壁面的表面粗糙度模型為：

(1)

式中：Ra為表面粗糙度；C為常數(shù)；ap為吃刀深度；fz為進(jìn)給量；n為刀具轉(zhuǎn)速；ae為側(cè)吃刀量；b1為吃刀深度指數(shù)；b2為進(jìn)給量指數(shù)；b3為刀具轉(zhuǎn)速指數(shù)；b4為側(cè)吃刀量指數(shù)。對式(1)進(jìn)行線性變化，等式兩邊取對數(shù)得：

lnRa=lnC+b1lnap+b2lnfz+b3lnn+b4lnae

(2)

設(shè)y=lnRa，b0=lnC，x1=lnap，x2=lnfz，x3=lnn，x4=lnae，則式(2)可轉(zhuǎn)化為線性方程：

y=b0+b1x1+b2x2+b3x3+b4x4

(3)

選擇實(shí)際加工實(shí)驗(yàn)得到的變截面渦旋盤的銑削參數(shù)和粗糙度數(shù)據(jù)，采用SPSS軟件進(jìn)行多元線性回歸分析，得到側(cè)壁面表面粗糙度多元非線性回歸模型中的各項(xiàng)系數(shù)，見表1。

表1 回歸參數(shù)的顯著性分析

根據(jù)表1中的常量和銑削參數(shù)的系數(shù)，變截面渦旋盤側(cè)壁面表面粗糙度的預(yù)測模型為；

(4)

1.2 多目標(biāo)BP神經(jīng)網(wǎng)絡(luò)模型的建立

本文建立了3層的側(cè)壁面表面粗糙度神經(jīng)網(wǎng)絡(luò)預(yù)測模型，其中第1層選擇tansigmoid函數(shù)作為傳遞函數(shù)，第2層選擇purelin函數(shù)作為傳遞函數(shù)，采用Weinberg-Marquardt算法進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練[8]。將訓(xùn)練頻率設(shè)置為150次，將學(xué)習(xí)效率設(shè)置為0.002，將期望誤差設(shè)置為0.000 1。此時，4個銑削因子被確定為銑削參數(shù)變量，因此輸入層的節(jié)點(diǎn)數(shù)為4，而輸出層的粗糙度值只有一個因變量，輸出層的節(jié)點(diǎn)數(shù)為1。仿真結(jié)果表明，當(dāng)隱層節(jié)點(diǎn)數(shù)為3時，網(wǎng)絡(luò)誤差最小。根據(jù)實(shí)際加工實(shí)驗(yàn)，篩選20組樣本數(shù)據(jù)，進(jìn)行歸一化處理后作為模擬訓(xùn)練參數(shù)，見表2。

表2 歸一化處理數(shù)據(jù)

R是神經(jīng)網(wǎng)絡(luò)目標(biāo)輸入輸出的相關(guān)系數(shù)，最理想狀態(tài)為R=1。神經(jīng)網(wǎng)絡(luò)的R=0.999 65，表明神經(jīng)網(wǎng)絡(luò)具有良好的性能。當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練到第7次時，其收斂誤差是在設(shè)定的期望誤差范圍內(nèi)滿足要求，為4.986 9×10-5。

1.3 雙預(yù)測模型建立

變截面渦旋盤的優(yōu)點(diǎn)是用較少的圈數(shù)達(dá)到較高的氣體壓縮比，從而得到體積更小的渦旋壓縮機(jī)[9]。由于對渦旋盤的加工精度要求較高，因此采用多元非線性回歸預(yù)測模型對側(cè)壁面表面粗糙度的預(yù)測結(jié)果是唯一的，但預(yù)測精度不高。BP神經(jīng)網(wǎng)絡(luò)側(cè)壁面表面粗糙度預(yù)測模型具有較高的預(yù)測精度，但預(yù)測結(jié)果具有多方面性。結(jié)合兩種預(yù)測模型的優(yōu)缺點(diǎn)，將兩種模型預(yù)測結(jié)果的平均值作為最終預(yù)測結(jié)果，可以抵消單一預(yù)測模型帶來的誤差。為此，建立了三段基圓漸開線變截面渦旋盤側(cè)壁面表面粗糙度的雙預(yù)測模型，有效地減小了單預(yù)測模型中主觀缺陷造成的誤差。

2 渦旋盤高速銑削加工實(shí)驗(yàn)

2.1 實(shí)驗(yàn)條件

1)工件材料。為探討變截面渦旋側(cè)壁面表面粗糙度，以45鋼制作試件。選用毛坯的尺寸為φ130 mm×70 mm。

2)銑削加工設(shè)備。采用XK714三坐標(biāo)聯(lián)動數(shù)控銑床對渦旋盤進(jìn)行粗、精銑削。銑床主要技術(shù)參數(shù)見表3。

表3 XK714數(shù)控銑床主要技術(shù)參數(shù)

3)銑削刀具。在銑削過程中，用于粗加工的刀具是材質(zhì)為YG8的雙刃硬質(zhì)合金鍵槽刀具，該刀具強(qiáng)度高，抗沖擊性能好；精加工刀具為PCBN四刃平底銑刀，刀具直徑d=10 mm。

4)銑削方式。實(shí)驗(yàn)中銑削方式為順銑。

2.2 實(shí)驗(yàn)方案

根據(jù)實(shí)驗(yàn)條件，將變截面渦旋盤的整個加工過程分為9個步驟[10]，見表4。

表4 渦旋盤的加工工藝

變截面渦旋盤的加工過程較為復(fù)雜，為消除因銑削參數(shù)的變化對變截面渦旋盤側(cè)壁表面質(zhì)量產(chǎn)生的影響，根據(jù)加工實(shí)驗(yàn)參數(shù)選擇最佳銑削參數(shù)并設(shè)置為固定值(表5)。

表5 渦旋盤銑削加工參數(shù)的設(shè)置

2.3 實(shí)驗(yàn)結(jié)果

本文采用英國Taylor Hobson發(fā)明的緊湊型Talysurf CLI 1000表面形貌測量儀，對變截面渦盤樣品進(jìn)行測量，其中5組具體測量結(jié)果見表6。

3 預(yù)測結(jié)果分析與實(shí)驗(yàn)驗(yàn)證

選取渦旋盤的5組實(shí)際加工數(shù)據(jù)進(jìn)行歸一化處理，作為側(cè)壁面表面粗糙度預(yù)測模型的驗(yàn)證樣本，并將驗(yàn)證樣本數(shù)據(jù)分別代入多元非線性回歸預(yù)測模型和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型中，得到相同銑削參數(shù)下的粗糙度值和預(yù)測誤差，然后對兩種預(yù)測模型的結(jié)果進(jìn)行平均，得到側(cè)壁面表面粗糙度的雙預(yù)測模型結(jié)果，由此得出側(cè)壁面表面粗糙度雙預(yù)測模型的預(yù)測誤差(見表7)。根據(jù)表7的數(shù)據(jù)，可以得到3種表面粗糙度預(yù)測模型的預(yù)測值與實(shí)測值的擬合曲線，如圖1所示。

表6 實(shí)際加工實(shí)驗(yàn)粗糙度測量值

表7 預(yù)測結(jié)果及平均誤差

圖1 實(shí)測值與粗糙度預(yù)測值的擬合曲線

由表7可知，多元非線性回歸預(yù)測模型的平均誤差為1.13%，改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)粗糙度預(yù)測模型的平均誤差為0.686%，而雙預(yù)測模型的平均誤差為0.371%，由此可知雙預(yù)測模型的平均誤差明顯小于兩者任意預(yù)測模型的誤差。

從圖1擬合曲線的趨勢可以看出，多元非線性回歸預(yù)測模型和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)粗糙度預(yù)測模型的預(yù)測值曲線與實(shí)測值曲線擬合不夠準(zhǔn)確，存在不同的非擬合階段，而雙預(yù)測模型的預(yù)測值與實(shí)測值曲線吻合程度較高。

4 結(jié)束語

本文基于回歸分析方法和BP神經(jīng)網(wǎng)絡(luò)方法，分別建立了渦旋盤側(cè)壁面表面粗糙度的預(yù)測模型。結(jié)合兩種預(yù)測模型的優(yōu)缺點(diǎn)，將兩種模型預(yù)測結(jié)果的平均值作為最終預(yù)測結(jié)果，建立了表面粗糙度的雙預(yù)測模型，有效地避免了單一預(yù)測模型中主觀缺陷造成的誤差。對模型的預(yù)測精度進(jìn)行了實(shí)驗(yàn)驗(yàn)證和對比分析，結(jié)果表明：在相同的樣本條件下，雙預(yù)測模型的預(yù)測精度和建模速度均優(yōu)于任何一種預(yù)測方法。預(yù)測模型內(nèi)列入了影響表面粗糙度的各項(xiàng)切削參數(shù)，減少了因參數(shù)改變需進(jìn)行的實(shí)驗(yàn)和建模次數(shù)，大大降低了成本，提高了模型適用性和加工效率，為實(shí)際生產(chǎn)加工和切削參數(shù)組合優(yōu)化提供了理論依據(jù)。