| 基于SPSO–BP神经网络的自适应抛光工艺参数匹配 |
| |
| 引用本文： | 潘杰,陈凡,杨炜,金闻达. 基于SPSO–BP神经网络的自适应抛光工艺参数匹配[J]. 表面技术, 2022, 51(8): 387-399 |
| |
| 作者姓名： | 潘杰 陈凡 杨炜 金闻达 |
| |
| 作者单位： | 华中科技大学无锡研究院，江苏 无锡 214174;华中科技大学无锡研究院，江苏 无锡 214174;华中科技大学 机械科学与工程学院，武汉 430074;江苏集萃华科智能装备科技有限公司，江苏 无锡 214174 |
| |
| 基金项目： | 国家重点研发计划(2018YFB1308700) |
| |
| 摘 要： | 目的 在湿性物理抛光作业中，根据不同工件的表面抛光质量和效率要求，实现抛光工艺参数的自适应匹配，达到理想的抛光效果。方法 基于工件表面材料去除原理，建立工艺参数与材料去除率(MRR)和表面粗糙度的数学关系模型，明确影响抛光效果的工艺参数。针对工艺参数与抛光质量和效率之间的复杂且交互影响的关系，以及理论计算的抛光效果与实际结果存在差异的问题，提出SPSO–BP预测模型，分别以20组不同的抛光工艺参数与对应抛光结果为训练样本，训练SPSO–BP模型，并与传统PSO–BP模型进行对比。基于训练好的预测模型，根据不同的基础条件与抛光质量和抛光效率的要求，通过模型自适应匹配抛光工艺参数。针对SUS304板材，设定表面粗糙度目标Ra1—Ra5和材料去除率目标Rm1—Rm5，分别通过SPSO–BP和PSO–BP模型预测获得的工艺参数进行抛光试验，将获得的真实粗糙度Raz1—Raz5和材料去除率Rmz1—Rmz5与目标值进行对比...
|
| 关 键 词： | 抛光 材料去除率 表面粗糙度 SPSO 神经网络 预测模型 工艺参数 自适应 |
Adaptive Polishing Process Parameter Matching Based on SPSO-BP Neural Network |
| |
| PAN Jie,CHEN Fan,YANG Wei,JIN Wen-da. Adaptive Polishing Process Parameter Matching Based on SPSO-BP Neural Network[J]. Surface Technology, 2022, 51(8): 387-399 |
| |
| Authors: | PAN Jie CHEN Fan YANG Wei JIN Wen-da |
| |
| Affiliation: | HUST-Wuxi Research Institute, Jiangsu Wuxi 214174, China;HUST-Wuxi Research Institute, Jiangsu Wuxi 214174, China;School of Mechanical Science & Engineering, Huazhong University of Science and Technology, Wuhan 430074, China;Jiangsu Jitri-Hust Intelligent Equipment Technology Co., Ltd., Jiangsu Wuxi 214174, China |
| |
| Abstract: | |
| |
| Keywords: | polish material removal rate surface roughness SPSO neural networks predictive model process parameters self-adaptive |
|
| 点击此处可从《表面技术》浏览原始摘要信息 |
|
点击此处可从《表面技术》下载全文 |
