精密線切割電加工建模仿真研究

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，隨著我國制造工業(yè)的不斷發(fā)展，對精密模具的要求也變得越來越高。比較典型的如汽車方向盤、保險(xiǎn)桿，以及空調(diào)、洗衣機(jī)等電器，都對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，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)部分專家對模具市場的預(yù)測，在未來我國模具精度將提高到1 μm以下的水平。

電火花線切割加工（WireCutEDM，簡稱WEDM），被認(rèn)為是一種借助火花放電的方式，對需要加工的工件進(jìn)行切割的技術(shù)[1]。在電火花放電的過程中，放電時(shí)間通常都比較短，通常以μs的時(shí)間來計(jì)算，并且在放電的過程中，伴隨著比較復(fù)雜的物理過程，即短時(shí)間之內(nèi)會形成高溫，并蝕除工件表面的材料，進(jìn)而達(dá)到對精度的控制。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)代加工對精度的要求，如何提高電火花切割中工件加工的精度，對提升整個(gè)加工行業(yè)的水平具有重要的價(jià)值和意義。當(dāng)前針對電火花加工的研究中，主要集中在兩個(gè)方面：一是對影響電火花加工的影響因素進(jìn)行研究，進(jìn)而對工藝參數(shù)進(jìn)行優(yōu)化。如A&M大學(xué)的Philip T.Eubank等人[2]則根據(jù)熱動力學(xué)等理論構(gòu)建等離子體柱電加工模型，構(gòu)建陰、陽蝕除模型，進(jìn)而對加工過程進(jìn)行仿真，影響EDM蝕除的主要原因是因?yàn)檫^熱的問題。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)動學(xué)作為研究基礎(chǔ)，對針尖鎢的放電加工過程進(jìn)行了模擬，進(jìn)而驗(yàn)證了在放電過程中的影響因素；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]，則提出通過多目標(biāo)優(yōu)化的方式對工藝參數(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程中，影響切割加工工藝的參數(shù)很多，明五一通過研究認(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；英國伯明翰大學(xué)的Bayamglu等[5]就主軸轉(zhuǎn)速及電極相對損耗等對切割精度的影響進(jìn)行了探討。但隨著現(xiàn)代智能算法的發(fā)展，Hsue，Liao等開始將智能算法應(yīng)用到電火花切割加工中[6]，對切割過程中的工藝參數(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)元之間的信息流動方向。當(dāng)通過輸入層輸入相關(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，通過反向傳遞的方式傳回到輸入層，并逐步對連接點(diǎn)的權(quán)重進(jìn)行修正。通過這種反復(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)的電火花線加工模型構(gòu)建

2.1 參數(shù)選取

結(jié)合對BP神經(jīng)網(wǎng)絡(luò)的分析看出，要完成對電火花線切割加工的精度控制，首先要對影響電火花切割的參數(shù)進(jìn)行驗(yàn)證。根據(jù)當(dāng)前對電火花線切割的研究發(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BP神經(jīng)網(wǎng)絡(luò)來講，最為關(guān)鍵的一個(gè)問題就是對隱含層中的節(jié)點(diǎn)進(jìn)行設(shè)計(jì)。如果節(jié)點(diǎn)過少，會造成學(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)過多，則會導(dǎo)致計(jì)算時(shí)間過長，從而影響模型的效率。對此，在本文中則借鑒隱含層節(jié)點(diǎn)參考公式，對隱含層節(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，本文通過網(wǎng)絡(luò)訓(xùn)練的方式對節(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)

在對模型進(jìn)行仿真前，需要對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)法選取部分組合對預(yù)測結(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)果對比

3.4 結(jié)果分析

通過表4的結(jié)果看出，采用BP神經(jīng)網(wǎng)絡(luò)可及時(shí)預(yù)測電火花切割線的切割速度和表面粗糙度，并且預(yù)測值大部分都與實(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

通過上述的試驗(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，并通過該模型可對上述結(jié)果進(jìn)行預(yù)測，并通過預(yù)測的結(jié)果來看，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)算法對該加工精度控制的有效性和可行性。

1 陸程，甄敬然.線切割加工連續(xù)脈沖放電電極絲三維振動分析[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