基于特征排序—神经网络算法的表面粗糙度预测
2021-01-14朱俊江周柔刚
计算机集成制造系统 2020年12期
朱俊江,濮 玉,周柔刚
(1.浙江大学 能源工程学院,浙江 杭州 310058;2.中国计量大学 机电工程学院,浙江 杭州 310018;3.杭州电子科技大学 机械工程学院,浙江 杭州 310018)
0 引言
表面粗糙度指加工表面具有的较小间距和微小峰谷的不平度,是零件表面质量的重要参数。它由所采用的加工方法和其他因素共同形成,对机械产品的使用寿命和可靠性有重要影响。一些重要零件在高速、高压、高温等特殊环境下工作,表面层的任何缺陷不仅直接影响零件的工作性能,还可能引起应力集中、应力腐蚀等现象,加速零件的失效,如果不对表面加工质量进行检测,可能带来严重的安全隐患和事故。目前,实际生产中普遍采用“先加工,后检验”的方式检测零件的表面粗糙度。这种方式成本高、效率低,而且无法事先发现不合格产品,已经不能适应自动化、智能化生产的需要,因此开展粗糙度在线测量技术的研究已经刻不容缓。
从被测量的角度可以将表面粗糙度在线检测方法分为直接法和间接法两大类。其中直接法指的是利用图像[1]、激光等手段直接对表面微观形貌进行测量。直接法测量表面粗糙度的准确度较高,但实际生产中加工现场往往伴有切削液,切屑等影响,降低了直接法的测量效果,增大了其走向实际应用的难度。为了间接得到工件加工后的表面质量,许多研究聚焦在如何建立各式各样传感器信号与工件表面加工质量之间的关系。这些传感器信号包括振动信号[2]、声信号[3],切削力[4-5]等。……
登录APP查看全文
