برآورد آنلاین ارتفاع قطعه کار با استفاده از شبکه های عصبی و کنترل تطبیقی سلسله مراتبی WEDM

On-line Estimation of Workpiece Height by Using Neural Networks and Hierarchical Adaptive Control of WEDM

مجله اشپرینگر – Springer

سال ۲۰۰۱

چکیده

شکستگی سیم و ماشینکاری ناپایدار، به شدت بازده ماشینکاری و دقت در ماشینکاری تخلیه الکتریکی سیم را کاهش می دهد (WEDM). هنگامی که یک قطعه کار پله ای شکل ماشینکاری می شود، جریان الکترولیت ضعیف در سراسر مراحل منجر به پارگی سیم و یا ماشینکاری ناپایدار می شود. این مقاله، یک سیستم کنترل تطبیقی WEDM را ارائه می دهد که ماشینکاری مطلوب را حفظ می کند و ثبات ماشینکاری را در بخش پله ای که در آن ضخامت قطعه کار تغییر می کند بهبود می بخشد. یک شبکه عصبی انتشار بازگشتی سه لایه به منظور برآورد ضخامت قطعه کار استفاده می شود. این سیستم کنترل تطبیقی توسعه یافته در ساختار سلسله مراتبی از سه حلقه کنترل، با استفاده از استراتژی کنترل فازی اجرا می شود. در اولین حلقه کنترل، فرکانس جرقه زنی کل در داخل یک سطح امن برای جلوگیری از پارگی سیم کنترل می شود. در حلقه کنترل دوم، نسبت جرقه های غیرعادی در یک سطح از پیش تعیین شده برای اهداف کنترل فرآیند حفظ می شود. بر اساس ضخامت برآورد شده یک قطعه کار، بهینه سازی پارامتر تطبیقی برای تعیین تنظیمات بهینه ماشینکاری و برای ارائه اهداف مرجع برای دو حلقه کنترل دیگر انجام می شود. نتایج تجربی نشان می دهد که ارتفاع قطعه کار را می توان با استفاده از یک شبکه عصبی تغذیه مستقیم برآورد نمود. سیستم کنترل تطبیقی توسعه یافته به ماشینکاری سریع تر و ثبات ماشینکاری بهتر نسبت به سیستم معمول کنترل ولتاژ شکاف استفاده شده منجر می شود.

Abstract

Wire breakage and unstable machining drastically reduce the machining efficiency and accuracy in wire electrical discharge machining (WEDM). When a stair-shaped workpiece is machined, poor electrolyte flow around the steps leads to wire rupture or unstable machining. This paper presents a WEDM adaptive control system that maintains optimal machining and improves the stability of machining at the stair section where workpiece thickness changes. A three-layer back propagation neural network is used to estimate the thickness of a workpiece. The developed adaptive control system is executed in the hierarchical structure of three control loops, using fuzzy control strategy. In the first control loop, the total sparking frequency is controlled within a safe level for wire rupture suppression. In the second control loop, the proportion of abnormal sparks is maintained at a pre-determined level for process control purposes. Based on the estimated thickness of a workpiece, adaptive parameter optimisation is carried out to determine the optimal machining settings and to provide the reference targets for the other two control loops. Experimental results demonstrate that the workpiece height can be estimated by using a feed-forward neural network. The developed adaptive control system results in faster machining and better machining stability than does the commonly used gap voltage control system.

دانلود رایگان مقاله انگلیسی

خرید ترجمه آماده ورد