（机械制造及其自动化专业论文）高速走丝线切割工艺建模方法及仿真系统的研究.pdf

塑型兰垡苎 2 3 1 回归建模简介 4 1 1 1 4 2 m ， 回归分析是处理变量之间的相关关系的一种数理统计方法，它已广泛运用于工程和科学研 究中。回归分析的一般步骤： ( i ) 从组数据出发，确定这些变量间的定量关系式： ( 2 ) 对这些关系式的可信程度进行统计检验； ( 3 ) 从影响着某个量的许多变量中，判断显著与否； ( 4 ) 利用求得的关系式对生产过程进行预报和控制。 其中回归模型的确定是核心，一般是从理论上进行分析，确定模型的结构或根据经验确定。 在电火花线切割中，由于对加工参数与工艺指标之间的相关性不明了，作者分别建立了多元回 归模型和多项式回归模型，从而对线切割加工参数与工艺指标之间的相关性进行探索性研究。 s e i 述的h 种工艺数据库来说，苏州三光集团生产的d k 7 7 2 5 e 系列线切割机床的工艺参数 库不适合作为模型建立的数据来源，相比之下，上海无专厂生产的t p 7 7 2 5 型快走丝线切割机 床工艺参数库由于对工件材料进行了细分，并且参数项和加工效果等也覆盖了常用的数值范 围，因此作者在此工艺数据库的基础上建立了工艺模型。 2 3 2 多元回归模型的建立 根据t p 7 7 2 5 型快走丝线切割工艺数据库的内容，以铁基合金材料为对象，建立多元回归 模型。其中自变量确定为脉宽t o 。，间隔t o f f ( 炉) ，脉冲电流峰值i m ( a ) ，材料厚度t h ( m m ) ，目标 变量为切割速度v w ( r a m 2 m i n ) 和表面粗糙度r a 。放电间隙由于线切割机床本身的精度以及 测量误差等原因暂不考虑列入目标变量中。部分样本数据如表2 3 所示。 表2 3 建立模型样本数据 厚度脉宽脉间脉冲峰值电流切割速度表面粗糙度 ( r a m ) ( )( 邺) ( a )( m m 2 m i n )( r a ) 561 9 863 6l ，3 5 67 867 81 8 51 21 4 41 02 1 1 2 8 51 82 1 61 02 3 13 5 52 42 6 41 33 3 o 4 5 53 03 0 01 33 4 95 5 53 63 2 41 64 7 66 5 2 0 6 9 0 6 8 o1 2 2 067 261 3 oi 5 2 0 0 4 82 8 82 07 0 14 7 2 0 0 1 81 4 42 01 4 8 15 0 浙江大学硕士学位论文 为了便于和另外方法建立的模型进行比较，事先从样本集中保留如表2 4 所示实例作为测试 集。测试集不参与训练过程。 表2 4 测试集样本数据 厚度脉宽脉间脉冲峰值电流切割速度 表面粗糙度 ( m r n )( 邮)( n s )( a )( i t l m 2 m i n )( r a l 53 03 0 01 33 4 95 5 2 04 84 3 22 05 8 55 2 5 0 4 82 8 82 08 3 3 4 9 1 0 0 4 82 8 82 06 8 64 6 2 0 04 82 8 82 07 0 14 7 根据前面确定的输入输出变量，加工速度和表面粗糙度与输入参数之间的关系可用式( 2 - 1 ) 来表 达： 4 y = 吼+ q 一 ( 2 1 ) i = 1 其中a o 以及a 等均为回归系数。1 、x 2 、。】、x 4 分别代表工件厚度( r a m ) 、脉宽( s ) 、脉冲 间隔( s ) 、峰值电流( a ) 等参数。y l 代表切割速度( m m 2 m i n ) ，y 2 代表表面粗糙度r 。( r t m ) 。 这样回归模型可用式( 2 2 ) 来表示： y 。= f l o + p l 工。l + 2 x 。2 + 3 x 。3 + 凰x 。4 ( 2 2 ) 其中a 代表试验次数，也就是对变量的观测次数。 2 3 2 1 逐步回归分析方法的应用“”“2 “4 ” 对于上面建立的多元线性回归模型，在假定其它随机因素8 。是一组相互独立，且服从同 一正态分布n ( o ，6 ) 的随机变量时，变量y 是服从正态分布n ( d o + + p 4 x 。4 ，a ) 的随机 变量。一般采用最小二乘法来估计回归模型中的回归系数值。使回归值9 。与实际的观察值y a 的偏离平方和sn 最小。 n 2 s 总= ( y 。9 。) ( 2 - - 3 ) a 2 1 在求出线性回归方程前，线性回归模型只是一种假设。在求出线性回归方程后，还需要对其进 行统计检验，以给出肯定或否定的结论。这时一般把总的偏差平方和分解为： 回归平方和 一塑垩奎兰堡主堂生堡苎 剩余平方和 s i = ( 9 。一y ) s ：= ( y 。 ( 2 4 ) ( 2 5 ) 可以用统计量 f = 夏页丽葡p f ( p ，n p 一1 )( p 为自变量个数) ( 2 6 ) 来检验线性回归模型的显著性。也即是验证h o ：融2 0 ，p ：。o ，p 。= o 这个假设是否成立。 在多元回归模型中，我们并不满足于线性回归方程是显著的这个结论，因为回归方程显著 并不意味着每个自变量x 1 ，x 2 ，x 。对因变量y 的影响都是重要的，为了建立更优的模型，对 每个变量在线性回归模型中的系数p ，进行显著性检验，即检验假设h o ：p ，= 0 。这时可采用 统计量 f = 捣一f ( 1 , n - p - 1 ， c ：叫 t 一再高。( n - - p - - 1 ) 旺一s ， 来检验回归系数p ，是否显著。其中旬为相关矩阵c 中对角线上第j 个元素。b j 为服从正态分 布的最d , - - - 乘估计。f 统计量的分子就是偏回归平方和q 。 假如某个j 小于临界值，那么对应于b 的变量x i 应从回归方程中剔除，重新从剩下的变量 着手，估计出新的回归系数，写出新的回归方程。在如何建立较优回归方程中，由于计算量非 常大，所以常用的分析方法就是逐步回归分析。逐步回归分析遵循的是统计显著性准则。按一 定的检验水准，将有统计意义的的自变量引入模型，无统计学意义的自变量排除在模型外。它 的基本思想是：将因子一个个引入，引入因子的条件是，该因子的偏回归平方和o 经检验是 显著的。同时，每引入一个新因子后，要重新对老因子逐个检验，将偏回归平方和q 变为不 显著的因子剔除。 2 3 2 2 统计软件g a s 的应用“”“” s a s 软件是目前世界上应用最广泛的统计软件之。它是一个模块化、集成化的应用软 件系统，具有完各的数据存取、管理、分析和显示功能。它的统计分析功能包括方差分析、相 塑坚奎兰堡主兰堡笙苎 关与回归分析、属性数据分析、判别与聚类分析、非参数分析等等统计分析过程。 在s a s 的众多过程中，本文主要选用p r o cp e g 过程进行运步线性回归。 r e d 过程的语句组成如下所示； + p r o cr e go p t i o n s ； v a r 变量表： b y 变量表； f e d z q 变量表： + m o d e l 因变量= 自变量矿选择项 ； o u t p u to u t = s a s 数据集【统计量关键词= 变量【，变量 】 其中p r o cr e o 语句是必须的，在它后面至少有一个m o d e l 语句。m o d e l 语句指定 回归模型中因变量和自变量及有关回归计算、估计、预测值和残差。 2 3 2 3 多元回归建模结果 选择回归方法为逐步回归法，相应的参数f l 即引入因子时的f 检验显著程度取为0 3 ，f ， 即剔除因子时的f 检验显著程度也取为0 3 。经过逐步回归以后。最终的回归方程为： 切割速度和工艺参数之间的多元线性回归方程为： y = 6 ，8 4 2 4 4 + x 2 + 2 3 5 7 7 9 一o 2 3 5 0 5 + x 3 十】，9 7 6 0 4 + x 4 ( 2 - - 9 ) 其中，对整个方程的检验结果如下所示： s l = 3 6 1 9 0 , s 一= 1 8 4 7 9 9 3 t 1 , f = s j 墨( n 坐- p - 1 ) 2 2 。2 - 3 6 ( 2 - - 1 0 ) f ( f 0 0 0 0 l ( 3 ，3 1 ) ，p = 3 ，n = 3 5 所以整个回归方程是高度显著的。 表面粗糙度和工艺参数之间的多元线性回归方程为： ) ，= 0 6 0 9 6 5 0 0 0 5 0 2 z i + o 0 4 5 1 5 + x 2 + 0 1 3 7 5 7 + x 4 ( 2 - 1 1 ) 对整个方程的检验结果如下所示： s ，= 5 。9 5 6 。7 ，s z = 9 8 8 4 7 6 ，f = i 7 i s 丽, p = 5 3 2 6 ( 2 - - 1 2 ) f f o ( 3 ，3 1 ) , p = 3 ，n = 3 5 所以整个方程也是高度显著的。 假设分别用a 、b 、c 、d 代表工件厚度( r r m a ) x i 、脉宽( s ) x 2 、脉冲间隔( s ) x 3 、峰 值电漉( a ) ) 【4 等参数。回归模型中留下来的系数显著性检验均大于f o 3 ( 1 ，3 1 ) 。回归系数 经检验后的显著程度如图2 2 和图2 3 所示。 塑坚盔堂堡主兰篁笙苎 图2 - - 2 粗糙度模型系数显著性检验 图2 3 速度模型系数显著性检验 表2 5 中显示了利用多元线性回归后得到的样本计算值与实际值之间的部分对比结果 表2 5 多元回归建模结果 厚度脉宽脉间脉冲峰值 训练样本数值 建模误差 ( r a m ) k 。( 嵋)k “u s ) 电流l m ( a ) 切割速度粗糙度切割速度粗糙度 56 1 9 8 6 3 6 1 3 1 7 2 9 4 50 3 8 0 8 7 567 867 81 8 6 7 1 1 5o 1 1 9 1 3 51 21 4 41 02 1 12 80 0 5 0 9 0 2 9 7 9 5 51 82 1 61 02 3 13 54 8 2 7 70 7 2 7 0 5 )2 42 6 41 33 3 o4 55 9 3 5 31 0 4 3 4 4 5 3 63 2 4 1 6 4 7 6 6 5 0 4 1 6 72 0 8 8 9 3 2 069 068 01 23 6 9 0 90 4 0 5 5 7 2 067 261 3 o1 52 9 2 1 80 1 0 5 5 7 2 0 04 84 3 2 2 0 5 0 4 4 3 7 5 9 5 60 2 2 4 2 5 2 0 04 81 4 42 01 4 8 15 02 2 4 1 0 00 4 7 5 7 5 整个模型的统计性度量可由表2 6 衡量 1 8 坚查兰堡主兰篁笙苎 襄2 - - 6 多元回归建模结果统计分析 参数粗糙度偏差( r a ) 切割速度偏差( m m 2 m i n ) 平均值一00 0 20 0 0 l i 标准差o 5 3 9 2 7 3 7 2 4 平均相对误差1 2 5 5 3 8 9 7 最丈稆对误差4 5 5 4 8 e 最小相对误差 05 2 0 2 4 i样本数量3 s3 5 对挑选出来的测试样本，多元纷陆回归的预测效果如表2 7 所示 表2 7 多元回归建模测试结果 厚度脉宽脉间脉冲峰 训练样本数值 建模误差 ( r n m ) k 。( 凇) d 婶) 值电流 切割速度租糙度切割速度粗糙度 k ( a ) 53 0 3 0 0 13 3 4 ，9 5 52 1 5 0 3l ，7 7 2 5 2 0 4 8 4 3 22 05 8 5 5 2 0 5 0 4 402 2 7 9 5 04 82 8 82 08 3 3 4 9 85 4 2 8 0 3 7 7 2 1 0 0 4 8 2 8 82 06 8 6 4 6 2 32 4 2 80 4 2 6 3 2 0 04 82 8 82 07 0 1 4 7 2 1 7 4 2 8o 1 7 5 7 其统计度量结果如表2 8 所示 表2 8 多元回归预测结果统计分析 参数 租糙度偏差( r a )切割速度偏差( r a m 2 m i n ) 平均值 0 1 8 3 4 1 0 1 7 4 7 标准差 09 1 9 31 1 9 7 0 9 平均相对误差 1 1 ，4 6 1 6 4 4 最大相对误差3 2 2 3 3 3 9 8 最小相对误差 3 ，7 4 o 8 6 样本数量 5 5 2 3 2 4 工艺靓德分析 从以上的建模结果，大致可以分析以下工艺效果的影响因素，并针对建模结果从线切割工艺规 9 浙江大学硕士学位论文 律上分析其优劣。 1 影响表面粗糙度的主要因素 工件厚度的影响。从上述建模结果可以看出，随着工件厚度的增加，表面粗糙度 值有下降的趋势。从线切割的加工过程来看，主要有以下原因： 厚的工件缓和了面积效应；( 所谓面积效应是指加工面积的大小可以改变脉冲 参数和工艺指标的对应关系) a 厚工件的加工进给速度小于薄工件的加工进给速度，容易形成换向痕和走丝 痕的叠加，减小形成纵向波纹的机会。 脉冲宽度的影响。峰值电流一定时，脉冲宽度大，单个脉冲的能量就大，结果放 电凹坑大而深，表面粗糙度值加大。 峰值电流的影响。和脉冲宽度的影响原因是一样的。峰值电流增大，使单个脉冲 能量增大，从而影响表面租糙度值。 2 影响加工速度的主要因素 ( 1 ) 脉冲宽度的影响。对于矩形波脉冲电源，在峰值电流一定时，脉冲能量是与脉冲 宽度成正比的。脉冲宽度增加，加工速度也随之增加： ( 2 )脉冲间隔的影响。脉冲间隔增大时，单位时间内的放电脉冲数量减少，因此加工 速度随之降低； ( 3 )峰值电流的影响。和脉冲宽度的影响原因是一样的。峰值电流增大，使单个脉冲 能量增大，从而增加加工速度。 3 多元线性回归建模的缺点 从以上分析中发现，线性回归建模只能揭示高速走丝线切割加工的一部分工艺规律r 另外 相当一部分各工艺因素之间的交互作用尚未涉及到。例如作者在总结和试验的基础上，归纳出 高速走丝线切割加工中其他应该注意的事项1 2 1 1 1 6 1 5 0 1 ： ( i ) 脉冲宽度或峰值电流增大，加工速度也随之增加；此后再继续增加脉冲宽度或 峰值电流，增大到某一临介值以后，加工速度反而下降。n g - - e 删 能量( 包括加大脉冲宽度和加大脉冲放电电流) ，或者一味地缩短脉冲间隔，都 会使蚀除产物增多，排屑条件恶化，间隙介质消电离时间不足，加工稳定性变 差，从而降低加工速度。 d ” ” ( ( ( 浙江大学硕士学位论文 ( 2 ) 在脉冲宽度一定的条件下，脉冲间隔小，加工速度高。但脉冲间隔小于某一数 值后，随着脉冲间隔的继续减小，加工速度反而降低。而合理地延长脉冲间隔， 又能使加工稳定性变好。合理的脉冲间隔的选取，与脉冲参数、走丝速度、电 极丝直径、工件材料及厚度都有关系。但是脉冲间隔越大，并不意味着加工越 稳定。如果脉冲间隔过大，会给电火花线切割加工伺服进给的控制取样造成困 难，从而造成加工不稳定。因此，当脉冲间隔取值过大后，在平均加工电流减 小和加工不稳定的双重作用下，加工速度会明显降低。 ( 3 ) 工件厚度对工作液进入和流出加工区域以及蚀除产物的排出、通道的消电离， 都有较大的影响。同时，火化通道压力对电极丝抖动的抑制作用也与工件厚度 有密切关系。工件的厚度对线切割加工稳定性和加工速度必然产生相应的影响。 但是上述切割速度公式中没有考虑到厚度因素。 ( 4 )在电火花线切割加工中，脉冲间隔的变化对加工表面粗糙度有较为明显的影响。 在其余脉冲参数不变的情况下，脉冲阔隔越小，电火花线切割表面粗糙度越大。 由于一般电火花线切割加工用的电极丝都是直径o 2 5 r a m 以下的细丝，放电面 积很小。脉冲间隔的减小使加工电流增大和平均加工电流密度增大，导致面积 效应的作用。 由以上分析可以看出，由于多元线性回归本身模型中没有考虑到各个工艺因素之间的 交互作用，以致于建模的效果不是太理想，所以笔者针对这种情况，采用多项式回归建 立了工艺模型，并与多元线性回归模型进行了比较。 2 3 3 多项式回归模型的建立 多项式回归模型建立所采用的训练样本与测试样本和多元线性回归模型的样本一致。其中 自变量依然确定为脉宽t 。( 茚) ，间隔b “茚) ，脉冲电流峰值i 。( a ) ，材料厚度死( m m ) ，目标变 量为切割速度v 。( m m 2 舡i n ) 和表露粗糙度r a ( p m ) 。加工速度和表面粗糙度与输入参数之 间的关系可用式2 1 3 来表示： y = a o + a i l x i q - z a i 2x i x j + a 。3 x i 2 ( 2 1 3 ) 汪i i , j = i i 。1 其中a 0 以及知、a i 2 等均为回归系数。x 1 、x 2 、x 3 、x 4 分别代表工件厚度( r a m ) 、脉宽 ( g s ) 、脉冲间隔( g s ) 、峰值电流( a ) 等参数。y l 代表切割速度( m m 2 ，m i n ) ，y 2 代表表面粗 糙度( “m ) 。为了能馒非线性回归问题转变为线性回归，特对上式进行如下变换： = 工1 2 ， = 矗2 ，焉= _ x x a ， 4 = z 3 ( 2 - 1 4 ) 2 1 塑垩茎兰堡主兰垡笙塞 于是就可以得出一般多元线性回归模型 ) ，。= p o + 1 x 。l + 2 x 。2 + 屈4 x 扪4 + 8 a , o = 1 , 2 ，- n ( 2 1 5 ) 其中a 代表试验次数，也就是对变量的观测次数。这样多项式回归就可以处理上述的非线性问 题。仍然可以采用逐步回归方法，笔者利用s a s 软件进行了编程。 2 3 。3 1 多项式回归建模结果 切割速度和切割参数之间的回归方程为 9 i = 一4 8 6 8 4 3 + 1 8 2 4 4 9 x 2 + 0 0 0 0 2 7 7 x 5 + 0 0 0 0 2 2 5 1 l x 7 + o 1 7 2 3 4 x 8 + 0 0 0 4 9 3 x 9 0 0 0 0 8 4 7 2 7 x 1 0 0 0 0 1 9 5 x 1 2 0 0 1 0 4 6 x 1 4 其中，对整个9 5 - 程的检验结果如式2 一1 7 所示： s ，= 3 7 8 3 7 ，s ：= 2 0 1 , 1 6 4 5 6 ，f 2 颐雨s , pi 2 6 1 1 r 2 9 f c r 。；( 8 ，2 6 ) 所以整个回归方程是高度显著的。 表面粗糙度与加工参数之间的回归方程，如式2 1 8 所示 y 2 = o 。2 4 5 5 5 一o 。0 2 2 4 3 x l + o 1 3 9 1 8 x 2 + o 1 3 3 6 9 x 4 + 0 0 0 0 0 7 9 8 致5 0 。0 0 1 3 瓢6 一o o o o 0 0 4 9 弘7 ( 2 1 6 ) ( 2 一1 7 ) ( 2 1 8 ) 对整个方程的检验结果如式2 一1 9 所示 s - = 5 6 1 8 2 3 1 , $ 2 = 4 6 5 3 1 1 , f 5 顼鬲s j p 两5 5 6 3 5 ( 2 - - t 9 ) f f 0 ( 6 ，2 8 ) 同样，粗糙度模型也是高度显著的。 假设分别用a 、b 、c 、d 代表工件厚度( r a m ) 、脉宽( 陋) 、脉冲间隔( 岫) 、峰值电流 ( a ) 等参数。则相应的b 代表x 2 ，a a 代表x 5 ，c c 代表x 7 ，d d 代表x 8 ，a b 代表x 9 ，a c 代表x 1 0 ，b c 代表x 1 2 ，c d 代表x 1 4 ，以次类推。回归系数经检验后的显著程度如图2 - - 4 和图2 5 所示。 浙江大学硕士学位论文 图2 4 切割速度模型系数显著陛检验 图2 - - 5 粗糙度模型系数显著性检验 由上述多项式回归模型可以看到，工艺效果不但受到各个工艺参数的影响，而且工艺参数 之间的交互作用对工艺效果的影响也是非常显著的。下面可从预测结果中进一步看到多项式回 归模型的确更好的模拟了线切割的加工过程。 表2 9 中显示了利用多项式回归后得到的样本计算值与实际值之问的部分对比结果- 从 表中可以看到，多项式回归计算结果与l i 练样本实际值的拟合程度较高，己基本反映了这些样 本数据的规律。 塑兰奎堂堡主兰垡堡苎 表2 9 多项式回归建模结果 厚度脉宽脉间 脉冲峰值 训练样本数值 建模误差 ( m m ) t o 。( 舢)t o d i t s ) 电流i ( a ) 切割速度租糙度 切割速度粗糙度 561 9 863 ，61 3 2 0 8 0 90 2 2 9 6 567 8 67 名】8 o 】3 】2o 】0 7 0 6 51 21 4 41 02 1 12 80 9 1 2 0 一0 0 4 i s l 51 82 1 6 l o2 3 13 5 1 9 6 9 50 1 9 9 6 0 52 42 6 41 33 3 04 51 9 6 0 30 4 2 4 8 0 53 63 2 41 64 7 66 53 5 1 5 71 5 2 1 1 0 2 069 0 68 01 21 4 1 7 90 1 7 6 4 9 2 067 261 3 o1 55 ，4 2 9 10 1 0 9 1 4 2 0 04 84 3 2 2 05 0 44 32 3 5 1 700 9 2 7 9 2 0 04 81 4 42 01 4 8 1 s 01 3 8 5 60 0 2 5 0 4 对前面挑选出来的测试样本，非线性回归的预测效果如表2 1 0 所示 表2 1 0 多项式回归建模预测结果 。m 戢m ) 脉宽脉间 脉冲峰值 训练样本数值 建模误差 t 。( 瞄) k d 陋) 电流f m ( a ) 切割速度粗糙度切割速度 粗糙度 53 03 0 0 1 33 4 95 55 4 8 3 2 1 1 3 6 9 3 2 04 84 3 22 05 8 5 5 21 8 6 7 60 1 1 6 2 6 5 04 82 8 82 0 8 3 34 9一o 1 3 2 0一o 1 8 9 6 i 1 0 0 4 82 8 82 06 8 64 61 6 5 4 0 8 0 0 3 3 2 4 2 0 04 82 8 82 07 0 1 4 72 2 6 1 3 5一o 0 1 8 3 6 2 3 3 2 两种回归模型的比较 在用多元回归建模结果的工艺规律分析中，作者从工艺的角度推断多项式回归模型由于包 含了更多因素，因此应该比多元回归模型建模有更好的预测精度和拟合精度，下面就从统计分 析的角度进一步的证明这个推断。表2 - - 1 1 为两种模型在训练样本上进行计算得到的对比结 果，也即拟合精度效果对比。 塑垩奎堂堡圭堂垡丝苎 表2 一1 1 拟合精度效果对比 多项式回归 多元线性回归 参数 粗糙度偏差( r a )切割速度偏差 粗糙度偏差( r a ) 切割速度偏差 ( m m 2 m j n ) ( m m z m i n ) 平均值 00 0 4 9 0 0 0 1 50 0 0 2 o 0 0 1 1 标准差 o 3 7 2 4 3 2 40 5 3 9 2 7 3 7 2 4 平均相对误差7 7 4 1 1 6 6 】2 5 5 3 8 9 7 最大相对误差3 1 5 1 7 1 6 7 4 5 5 4 8 0 最小相对误差3 9 o 1 1 0 5 2 02 4 样本数量3 53 53 53 5 表2 1 2 为两种模型在预测样本上的对比结果，也即预测精度效果对比。 表2 1 2 预测精度效果对比 多项式回归多元线性回归 参数粗糙度偏差( r a )切割速度偏差粗糙度偏差( r a )切割速度偏差 ( m m 2 m i n )( m m 2 m i n ) 平均值 0 2 1 5 79 3 2 7 4o 1 8 3 41 0 1 7 4 7 标准差0 5 2 7 09 ，7 9 2 00 9 1 9 31 1 9 7 0 9 平均相对误差5 5 8 1 5 0 9 1 1 4 6 1 6 4 4 最大相对误差 2 0 6 7 3 2 2 6 3 2 2 3 3 3 8 8 最小相对误差 o 3 9 0 】6 3 7 4 0 8 6 样本数量5 555 2 4 本章小结 本章结合高速走丝线切割的工艺规律，探讨了对已有比较完善工艺数据库利用回归技术进 行建模的可能性，并得出了实际的建模结果。无论是从基本工艺规律的分析，还是从建模和预 测结果的验证，非线性回归建模和线性回归建模比较起来有更好的预测精度和拟合精度。 非线性回归模型中也存在着不足之处。首先，由于线切割加工过程中的复杂性和随机性， 模型的选择可能不会象上述多项式模型那样简单，选择的模型可能不是最恰当的；另外，由于 多项式模型在建立之初，我们就忽略掉了高阶量，这有可能是其在预测中存在相对误差较大的 原因之一：其三，整个建模过程比较复杂，需要进行的各种统计检验非常繁多。 浙江大学硕士学位论文 表4 4 工艺试验结果( 测试用数据) 序 厚度 峰值电流 脉冲宽度脉冲间隔切割速度表面粗糙 号 ( m m ) ( a ) ( 、 比值 ( m m 2 m i n ) 度( r a ) l3 051 673 8 9 7 9 314 2 23 03 1 64 2 9 9 3 6 0 3 3 4 33 051 664 3 ，0 0 1 5 34 ，2 42 5 4862 8 3 6 3 6 43 2 52 5 d 2 483 0 2 3 2 5 63 4 64 051 6 5 4 1 4 0 6 5 9 4 3 72 03 842 4 8 2 2 1 33 3 8 3 55863 4 1 7 6 0 5 3 8 92 06 2 464 9 7 0 9 7 65 2 l o 3 s31 252 2 0 5 3 5l2 8 4 。2 基于试验数据的工艺建模 本节作者利用在t p 7 7 2 5 工艺数据库上讨论的非线性回归建模和r b f 网络建模技术，分 别对在d k 7 7 2 5 e 机床进行的试验数据进行了建模。并发现在有统计规律的试验数据上建模， 其建模拟合程度要高于在工艺数据库之上的建模。 4 2 1 非线性回归建模结果 具体的建模方法在此不再赘述。x i 、x 2 、x 3 、x 4 分别代表工件厚度( r a m ) 、脉宽( p s ) 、 脉冲间隔( ) 、峰值电流( a ) 等参数。y l 代表切割速度( m m 2 m i n ) ，y 2 代表表面粗糙度r 。 ( 岬) ，另外进行如下变换： x 5 = x 1 2 ，x 8 = 工4 2 ，z 9 = x l z 2 ，工1 4 = x 3 x 4 ( 4 5 ) 经过计算，切割速度和工艺参数之间的非线性回归模型为： m 2 3 1 9 4 7 6 1 + 0 7 6 6 3 7 x 1 + 1 4 2 3 0 9 4 x 2 + 2 9 2 4 2 1 x 3 0 3 6 5 3 2 x 4 f 4 6 、 一o 0 1 5 9 0 x 5 一o 6 7 0 5 0 x 6 一o 0 6 5 2 7 x 7 + 0 0 0 1 3 l x s + 0 2 3 2 3 4 x 1 2 0 0 3 0 7 2 x 1 3 其中，对整个方程的检验结果如式4 - - 7 所示： s = 2 6 8 3 0 1 7 7 8 ，s z 三、3 。3 7 2 5 2 ，f = i j 彳s i , i p 石j j 2 1 6 7 8 4 ( 。一，) f l i n k - o b j e c t - l i b r a r y m o d u l e s 项。 ( 2 ) 编制m 文件 根据神经网络工具箱中的函数，以及模块输入输出参数的要求，编制工艺参数建模文件 并在m a t l a b 环境下，进行调试，详见第四章。 ( 3 ) 生成v c 界面 v c 的界面编写很容易，可加入菜单、快捷方式和工具条。 ( 4 )将( 2 ) 中生成的n l 文件编写为相对应的引擎函数，加入到v c 工程中去。 首先，在调用m a t l a be n g i n e 的菜单项响应函数中加入如下代码： e n g i n e4 e p ； i f c ( e p = e n g o p e n ( n u l l ) ) ) m e s s a g e b o x ( c a n ts t a r te n g i n e , n u l l ，m bo k ) i r e t r u no ： ) 并在调用m a t l a b 结束之后加入下列代码： e n g c l o s e ( e p ) ； 一一塑堡奎兰堕主兰竺笙苎 ( 5 ) 设置其它编译项 其它相关设置还包括： 在d o s 命令下运行m a t l a b r e g s e r v e r t o o l s 一 o p t i o n s 一 d i r e c t o r i e s i n c l u d ef i l e s 添加：c ：l m a t l a b