CN 41-1243/TG ISSN 1006-852X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于神经网络-遗传算法机器人加工磨削力预测和优化

吴福森

吴福森. 基于神经网络-遗传算法机器人加工磨削力预测和优化[J]. 金刚石与磨料磨具工程. doi: 10.13394/j.cnki.jgszz.2024.0045
引用本文: 吴福森. 基于神经网络-遗传算法机器人加工磨削力预测和优化[J]. 金刚石与磨料磨具工程. doi: 10.13394/j.cnki.jgszz.2024.0045
Prediction and Optimization of Robotic Machining Grinding Force based on Neural Network-Genetic Algorithm[J]. Diamond & Abrasives Engineering. doi: 10.13394/j.cnki.jgszz.2024.0045
Citation: Prediction and Optimization of Robotic Machining Grinding Force based on Neural Network-Genetic Algorithm[J]. Diamond & Abrasives Engineering. doi: 10.13394/j.cnki.jgszz.2024.0045

基于神经网络-遗传算法机器人加工磨削力预测和优化

doi: 10.13394/j.cnki.jgszz.2024.0045

Prediction and Optimization of Robotic Machining Grinding Force based on Neural Network-Genetic Algorithm

  • 摘要: 以KUKA KR60L30HA型工业机器人加工砂岩为例,基于BP神经网络和遗传算法进行了机器人加工磨削力预测和磨削工艺参数优化研究。首先,采用正交试验法,分析了加工工艺参数对磨削力信号的影响规律进行了分析;其次,采用BP神经网络进行了机器人加工磨削力预测模型训练,并进行了预测;最后,采用遗传算法进行了磨削加工工艺参数优化研究。结论如下:(1)磨削工艺参数对磨削分量和磨削合力的影响主次顺序不同,磨削力随着径向切深ae、轴向切深ap、进给速度vw的增加磨削力呈增长趋势;随着主轴转速n的增加,磨削力呈下降的趋势。(2)基于BP神经网络建立的神经网络模型具有较好的预测精度和稳定性,符合预测要求。(3)采用遗传算法得到的优化磨削工艺参数为径向切深ae=2.01mm,轴向切深ap=2.59mm,主轴转速n=9910.37r/min,进给速度vw=3116.06mm/min,此时材料去除率RMMR=16221.90 mm³/min。

     

  • 加载中
计量
  • 文章访问数:  44
  • HTML全文浏览量:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-03-12
  • 修回日期:  2024-05-27
  • 录用日期:  2024-06-17
  • 网络出版日期:  2024-06-21

目录

    /

    返回文章
    返回