復雜型面數控加工的神經網絡控制.pdf

1、數控加工技術是近代發(fā)展起來的一種自動控制技術，是用數字化的信息驅動機床運動從而加工出復雜型面零件輪廓形狀的一種方法，是先進制造技術的重要組成部分。數控加工的目的是要提高產品加工的精度和加工效率，因此必須對加工過程進行一定的控制以滿足生產的需要。但由于復雜型面零件的數控加工過程具有復雜的、非線性、不確定性等特點，用傳統(tǒng)的基于被控對象精確數學模型的方法已經難以獲得良好的控制效果。 為了解決這一問題，本文將神經網絡技術應用在復雜型面數

2、控加工的控制中，利用神經網絡擁有優(yōu)秀的逼近能力、泛化能力和自學習能力的特點，以實現提高加工精度和加工效率的目的。將神經網絡方法應用在數控加工過程的插補控制，利用神經網絡的并行性能和可以模擬任意非線性函數的特性，使得插補運算的時間大幅度縮短，提高插補計算的速度，實現對空間任意曲線或空間離散點的直接插補。利用其具有良好的非線性逼近能力及隱式函數的構造能力，通過對數控系統(tǒng)進行網絡辨識，并對誤差補償技術和誤差控制的神經網絡實現方法進行分析，建立

3、誤差補償控制器的神經網絡模型，實現較為精確的加工誤差補償技術，提高了工件的加工精度。利用神經網絡技術的自學習能力和泛化能力，將其應用在復雜型面零件的模型建立上，這種方式不需要工程技術人員掌握相關的知識和進行大量的、復雜的數學計算，大大降低了零件模型建立的難度、減少了建模時間。 通過仿真試驗分析可以看出，將神經網絡技術應用在復雜型面零件的數控加工控制中是可行的，與傳統(tǒng)的控制方法相比較，基于神經網絡的數控加工控制技術的控制方案效果較