精华公布栏

发信人: goose (怡然自得), 信区: NTM
标  题: 人工神经网络技术在电火花加工中的应用
发信站: 紫丁香 (Thu Jan 13 14:15:00 2000), 转信

1 引言
电火花加工由于适用于高硬度、难加工材料及复杂型腔的加工，在机械制造领域中起着
不可或缺的作用。90年代以来，电火花加工机床除继续向高精度、高效率的方向发展
外，更要求高度的自动化和操作的简单化。这需要在工艺机理和先进控制理论两个方
面进行深入的研究。
众所周知，电火花加工过程是一种受多参数影响的复杂随机过程，无法用精确的数学模
型来表示，而且它的加工机理异常复杂，至今尚未全部认清，这促使人们在认识过程中
不断引入新的研究方法和手段。其中，人工神经网络作为一种新兴技术，用计算机对人
类大脑的功能进行某种抽象、简化和模拟，构成一个具有高度非线性的超大规模连续时
间动力系统，为电火花加工的深入研究提供了有效的途径。它具有如下特点：
(1) 能够逼近任意上的非线性函数；
(2) 采用并行分布式信息处理，具有很强的容错性；
(3) 便于用VLSI或计算机技术实现；
(4) 适用于多信息融合和多媒体技术，可同时综合定量和定性信息，对MIMO系统较为方
便；
(5) 可在线或离线计算，满足一定的控制要求，灵活性较大。
3  人工神经网络在电火花加工中的应用

3．1 加工条件优化
电火花加工中，对于不同的加工要求，最优加工条件的选择也完全不同。而且由于影响
因素多，加工过程中存在不确定因素，导致最优加工条件不断变化，使加工效果的好坏
在很大程度上依赖于操作者的知识和经验。现代机床要求高度的自动化和操作的简单化，
甚至是无人加工。因此，能否实现最优加工条件的自动选择，降低对操作人员的依赖性，
是电火花加工走向"易用化"的关键一步。
电火花加工条件优化通常是指加工前最优加工条件的离线选择和加工过程中工艺参数的
在线调整。文献[10]介绍了包括人工神经网络在内的基于智能技术的电火花加工条件优
化方法，优化的过程可用图三表示：
    另外，Y.S.Tarng采用三层前馈BP网络，构成MIMO系统，实现从加工参数空间到加工
效果空间的非线性映射。通过建立可调整的目标函数，利用模拟退火算法，寻找全局最
优切割参数。实验表明，该系统的切削性能可以获得较大的提高。
3．2 计算机仿真
放电机理的研究是基础理论和控制技术研究基础，但近10年来，并未取得突破性进展
。主要原因是：电火花加工需要在工作液中进行，放电间隙小，脉冲放电时间短(从几微
秒到几百微秒)，而且放电状态瞬息万变，使得传统的高速摄影对于重复脉冲放电很难获
得完全信息，常规的检测装置只能得到一些平均意义上的数据。考虑到计算机仿真在众
多领域已经有成功的经验，
或许可以应用在电加工过程的模拟上。计算机仿真是通过建立仿真模型，用计算机模拟
实际系统的运动状态及其随时间的变化。然而，由于电火花加工的自身特点，无法建立
精确的数学模型。于是，一些学者尝试用神经网络构建仿真模型，架起计算机仿真与电
加工之间的桥梁。
上海交通大学针对电火花线切割加工过程建立了神经网络预测模型(如图四)，具有较高
的预测精度，可以作为计算机仿真的参考模型
网络预报模型，对电火花的放电率和相对短路率的预测精度达到了±0.01~±0.06
。
3．3 加工过程的智能控制
电火花加工过程具有复杂性、随机性和不确定性，使传统的经典控制和现代控制理论都
很难达到预期的控制效果。智能控制的兴起使人们转向模糊控制、专家系统和神经网络
等方面寻求新的解决途径。模糊控制首先得到了应用，并取得了较好的效果，但同时也
存在着非线性系统控制的共有问题，即精度较低，自适应能力有限和易产生振荡
。而人工神经网络的非线性映射能力、对任意函数的逼近能力和高速并行运算能力为解
决这方面的问题提供了有力工具。神经网络技术与模糊控制相结合，一方面能弥补神经
网络在知识获取和知识表达方面的不足，另一方面可以发挥神经网络的自学习功能和模
糊熵低的优点。瑞士的Marco Boccadoro和德国的Arno Behrens在他们的论文中指出，
人工神经网络的引入，将赋予模糊控制器自学习能力，以及更好的自调整能力和实时控
制能力。日本Sodick公司在其新型NF(Neuro Fuzzy)电源中引入了神经网络模糊控制技
术，在保证可靠的加工稳定性的前提下,极大的简化了操作过程,同时增加了系统的自学
习功能，对操作人员的要求大为降低。

4  结束语

神经网络在电火花加工中的应用还只是刚刚开始，但已展示出无法比拟的优势。未来的
电火花加工技术将是多学科的交叉技术，人们面临的问题会越来越复杂。以神经网络为
代表的智能技术已成为解决复杂问题的有力工具，笔者认为，神经网络在电火花加工中
的应用将在以下几个方面继续展开：
(1) 在加工条件优化方面与专家系统和模糊理论相结合，取长补短。在已有的研究成果
上，做到功能的模块化，标准化，形成通用平台。
(2) 与模糊理论相结合，利用神经网络生成隶属函数、分配模糊规则、动态改变隶属函
数等，构成具有自适应和自学习功能的智能系统，使加工过程的实时控制效果进一步增
强。
(3) 多种类型神经网络相结合，提高对放电状态、加工效果和放电位置等的预测精度，
为进一步的计算机仿真工作做好准备。
(4) 神经网络与预测控制控制理论相结合，构成预测控制系统，用于电火花加工过程控
制中。通过建立高精度、多模态的信息预测模型，使电加工过程控制向更高层次发展。

--
※ 修改:．goose 于 Jan 13 14:31:04 修改本文．[FROM: 202.118.235.106]
桓龃邮淙肟占� 到输� ※ 来源:．紫丁香 bbs.hit.edu.cn．[FROM: 202.118.235.106]