先进制造技术文献综述详解.doc

先进制造技术文献综述详解.doc

《先进制造技术文献综述详解.doc》由会员分享，可在线阅读，更多相关《先进制造技术文献综述详解.doc（9页珍藏版）》请在冰点文库上搜索。

摘要：

介绍了电火花加工控制涉及的主要问题及放电状态检测方法。

详细论述了近20年来自适应控制、模糊控制、神经网络控制、遗传算法、专家系统、混合智能控制等在电火花加工中的研究状况.对电火花加工过程中控制变量的优化及过程监测与控制等进行了讨论,就控制技术在电火花加工中的发展趋势进行了展望。

关键词：

电火花加工；自适应控制;模糊控制;人工神经网络控制；混合智能控制

一、前言

经过半个多世纪的研究和开发,电火花加工已成为制造业中一种重要的加工手段，在机械、宇航、电子、仪器、轻工、汽车等领域获得了广泛的应用。

然而,电火花加工过程是一个典型的非线性过程［1］，影响加工过程的因素很多，其中主要是电源参数和伺服运动参数。

电源参数主要包括开路电压、电流、脉冲宽度、脉冲间隔、间隙平均电压、电极放电时间周期等;伺服运动参数包括电极抬刀周期、电极抬刀高度和抬刀速度等；还有其他因素如：

工件材料、放电点分布情况、加工深度、电介质浓度、有无冲油等.这些因素相互影响、相互制约,造成了电火花加工过程控制的复杂性。

二、正文

本文将介绍电火花加工涉及的主要控制问题和目前的状态检测技术，然后分别叙述6种控制方式（自适应控制、模糊控制、神经网络控制、遗传算法、专家系统、混合智能控制）在电火花加工过程中的应用情况。

1电火花加工控制技术

1.1电火花加工中的主要控制问题

控制对电火花加工质量的优劣一直起着举足轻重的作用，电火花加工过程需解决的主要控制问题有［2]：

（1）为了形成有效的放电脉冲,工具电极和工件被加工表面之间必须保持一定的放电间隙，故需控制极间间隙的伺服运动.

（2）要形成稳定、高效的电火花加工,火花放电必须为瞬时的脉冲性放电,故电火花加工必须采用脉冲电源。

而脉冲电源的各参数（如:

极性、脉宽、脉间、电流幅度）与加工状态及加工速度、加工表面粗糙度、侧面间隙、电极损耗率等加工效果有着密切的联系。

因此,控制脉冲电源的各参数是电火花加工控制的一个重要组成部分.

（3）电极的往复抬刀运动及其运动周期对排屑和维持电介质浓度起着关键作用.因此,要形成稳定、高效的电火花加工,电极运动的伺服参数也是电火花加工控制的一个重要组成部分。

（4）火花放电必须在具有一定绝缘性能的电介质中进行。

因此,电介质的参数（如压力、流量、过滤程度等）对加工过程的影响就必须考虑，故须对这类非电参数加以控制。

1.2放电间隙状态的检测

要做到适应性地调整电火花加工中的电源参数和伺服控制系统,使加工处于稳定、最佳的状态,首先必须正确地检测加工间隙中的放电脉冲，判别电火花加工放电状态［3］。

这是电火花加工控制系统首要解决的关键问题。

1。

3自适应控制

众所周知，电火花加工普遍存在加工过程不稳定、易拉弧烧伤工件表面的现象，尤其在中小规准的加工及深盲孔加工中特别突出，妨碍了电火花加工技术的广泛应用.电火花加工的自适应控制就是基于这类情况被提出来的,学者们就此课题展开了广泛的探究。

比利时鲁文大学的学者通过对自适应控制在电加工中的应用基础和所产生的经济效益的详细阐述,总结了CIRP成员及设备生产商已经建立的ACC系统和ACO系统,展现了ACO系统在参数优化方面较传统控制策略的优势。

Rajurkar等［4]从理论和实验角度分析了已有电火花加工伺服机制,描述了电加工的随机模型，应用自适应控制提出了一种新型的自调节伺服控制器;他们还提出一种多输入模型，通过描述放电间隙平均反馈电压、火花频率和工作台进给率之间的关系,在线估计工件高度来优化火花频率，通过实验证明了自适应控制系统能提高辨识工件高度的稳定性和精度。

周明等［5]通过分析电火花加工过程的线性和非线性特征，利用替代数据法和相空间重建技术中的非线性交互预测法,证明了电火花加工过程的确定性非线性和可预测性。

基于此,建立了描述电火花加工过程的线性时变模型，并据此模型开发了以电极抬刀周期内的电极放电时间为调节参数的自适应控制器。

与开环控制加工相比,其加工效率提高近一倍，加工过程更稳定.王津等以电极抬刀高度和放电加工时间为调节参数,利用/登山寻优法对其进行寻优,提出了一种新的自适应控制策略,该策略在保证模具表面粗糙度和精度的同时，提高了加工效率.

1.4模糊控制

自从美国加州大学的Zdahe教授在1965年发表的著名论文5Fuzzysets6中提出模糊集合理论以来，模糊理论得到了迅速发展。

模糊控制技术是应用模糊集合理论、模糊语言变量及模糊逻辑推理进行综合考虑的一种计算机数字控制方法,主要用来解决那些用传统方法难以解决的复杂系统的控制问题，其研究对象常存在严重的不确定性（模型未知或知之甚少、模型结构和参数在很大范围内变化）及非线性。

由于电火花加工过程是一个复杂的、带有一定随机干扰的确定性非线性的过程，故将模糊控制应用在电加工中是顺理成章的,近20年来国内外的学者们做了大量的探究,并产生了不少商业化的应用。

1。

5神经网络控制

人工神经网络是一种新兴技术，利用计算机对人类大脑的功能进行简单抽象和模拟，具有信息分布式存储、大规模自适应并行处理、高度容错性等特点，适合解决复杂的非线性问题。

而电火花加工正是这种具有非线性的系统,难以用具体的数学表达式来描述加工的工艺规律。

赵万生等［6］以峰值电流、脉冲宽度、脉冲间隔、抬刀时间和加工时间为输入参数，以加工速度和表面粗糙度为输出参数，利用人工神经网络建立了电火花加工工艺模型。

经过与实验数据的比较，该模型能预测出给定条件下的加工速度和表面粗糙度。

Liao和Yan等［7］建立了一个8—9-2前馈反向传播神经网络，利用该网络进行工件高度的在线估计,得到的估计值被所提出的规则使用。

根据该规则得到的结果,伺服电压和功率设置可做出相应的调整以适应工件轮廓，达到了稳定和优化加工过程的目的。

肖伟杰等在样本数据的基础上，采用RBF神经网络建立电火花线切割加工的工艺模型,该模型切割速度最大预测误差为9。

2%。

孙悦等基于BP神经网络模型对用电极（铜）一材料（模具钢NAKS0）的电火花加工系统的一组参数进行了优化。

计算结果表明，减少输入层神经元的数量可加快收敛速度,但计算精度将受到影响。

若保持隐层结构,仅由不同训练函数的学习结果改变权系数（映射）实现网络结构优化,则可能较好地预言加工效果。

1.6遗传算法

遗传算法是由Holland教授于1975年提出的。

它借鉴了达尔文的进化论和孟德尔的遗传学说，其本质是一种高效、并行、全局搜索的方法,能在搜索过程中自动获取和积累搜索空间的知识，并自适应地控制搜索过程以求得最优解。

遗传算法不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,所以广泛应用于函数优化、计算机科学、人工智能、信息技术及工程实践。

往复走丝电火花线切割加工是我国独创的电火花加工技术，其机床结构简单、生产成本和使用成本低、易实现大厚度切割,但较低的加工精度限制了其广泛的应用，而解决此问题的方法是进行多次切割。

哈尔滨工业大学的研究人员［8，9]通过设计正交试验确定影响较大的因素后，对其进行单因素试验，然后根据最小二乘法建立影响较大因素的方程,最后使用遗传算法分析了可获得最佳表面粗糙度的加工参数。

此外，还通过设计正交试验，从电参数与非电参数方面分析了各因素对加工精度的影响，确定影响较大的因素后,对其进行单因素试验，然后用MATLAB等工具对实验数据进行拟合得到目标函数,通过遗传算法优化目标函数，从而得到加工效果和加工精度都较佳的加工参数,最后得到了实验的验证［10］。

1。

7专家系统

专家系统是指能在某特定领域内，以人类专家的水平去解决该领域中技术问题的计算机问题求解系统。

它能在特定领域和范围内,运用领域专家的专门知识和推理能力,解决在通常情况下难以处理的问题，故专家系统又称为知识库专家系统或知识基系统。

通常，一个以规则为基础、以问题求解为中心的专家系统，主要包括知识库、推理机或推理机制、综合数据库、解释接口或人机界面及知识的获取等5个部分[11］。

专家系统的强大功能使其非常适合应用在电火花加工机床的控制中。

Dekeyser等基于脉冲检测和线切割热模型,建立了一个线切割专家系统，减少了断丝，提高了机床的自动化水平。

此外,还针对电火花线切割加工中切割速度慢、加工精度低、工件表面质量差等问题,建立了一个基于知识的专家系统.赵万生等[12]结合电火花加工的工艺规律和专家系统的特点,对专家系统在电火花加工中的应用进行了深入分析,并对电火花加工自动编程专家系统的开发方法与策略进行了研究。

孙利生等分析了影响电极损耗的因素，讨论了智能电流波形发生器和加工面积在线识别的原理，提出了基于加工面积在线识别和工艺知识库的电极损耗专家控制器。

1。

8混合智能控制

上述各种控制技术在电火花加工过程中的应用并不是相互独立的，由于各自都存在着自身无法克服的缺陷，采用单一控制方式很难获得满意的控制效果。

因此,相互间取长补短，在充分发挥自身优势的同时，通过相互结合取得联合增值效应,就成了必然趋势。

对此，国内外学者进行了广泛研究。

1。

8.1广义自适应控制

自适应控制需要准确的数学模型,而电火花加工放电规律是极其复杂、无法用准确数学模型去描述其放电机理和规律的，因此把其他控制技术引入电火花加工过程的自适应控制中,以弥补自适应控制无法准确建模及参数耦合问题[13]。

1。

8。

2模糊神经网络控制（神经模糊控制）

对于神经网络来说，知识抽取和知识表达较困难,而模糊信息处理方法对此却很有效；另一方面，模糊推理很难从样本中直接学习规则,且在模糊推理过程中会增加模糊性,但神经网络却能进行有效的学习,并因采用联想记忆而降低模糊熵［14］。

罗元丰等［15]给出了一种神经模糊控制算法,其中模糊推理部分由22—50-11的三层BP神经网络构成,该控制器在中、粗规准加工时可明显提高加工效率。

Yan等基于模糊控制建立了一个分层自适应控制系统,该系统基于提出的8—9-2三层BP神经网络所估计的工件高度来进行加工参数的优化,并给出参考目标值，实验表明所建立的系统是有效的。

Be—hrens等提出了一个神经模糊间隙控制器,实现了放电间隙的自适应控制.崔红阐述了常规模糊神经网络在设计过程中仍然存在的两方面问题，即初始模糊模型的确定和模糊神经网络大都不具备反馈结构。

针对这两方面的问题，提出了一种改进的关系聚类方法和一种综合改进的递归补偿模糊神经网络。

基于此,建立了电火花加工工艺效果预测模型，实现了指定加工条件下的工艺效果预测,得到了良好的预测精度。

1.8.3基于遗传算法的神经网络系统

神经网络易陷入局部极小、收敛速度慢,而遗传算法具有很强的全局搜索能力,且具有并行运算的特点,优化速度很高，适用于实时系统参数的优化。

因此,将遗传算法应用于神经网络,可优化其结构，提高其收敛速度。

Wang等［16]提出了一种电火花加工过程建模的混合智能方法。

该方法结合了多层前馈神经网络的模式辨识能力和遗传算法的寻优功能，实验测试表明,使用该方法建立的模型可获得满意的结果。

Su等基于遗传算法建立了一个8-14-3的反向传播前馈神经网络，实现了从粗加工到精加工过程参数的优化。

张云首先用一个单输入单输出系统简化电火花加工过程，然后基于单输入单输出系统提出了一种基于改进遗传算法的神经网络控制系统，该系统有较好的自适应能力和较高的可信度。

曹凤国等使用遗传算法和反向传播算法训练神经网络,通过节点删除法确定和动态优化神经网络的结构，最终建立了一个智能电火花加工过程参数优化系统，实现了加工条件的自动确定。

1.8。

4基于遗传算法的模糊控制

规则（知识）的获取一直是模糊逻辑的瓶颈,而利用遗传算法可从电火花加工工艺数据库的数据中,抽取出反映电参数和加工结果之间关系的模糊产生式规则。

杨晓冬等［17］提出了一个基于混合智能的电火花加工电参数学习模型，它模仿熟练操作者的决策过程，由工艺数据库、加工规则库、学习模块和推理模块组成。

在学习模块中利用遗传算法从工艺数据库中抽取出反映电参数和加工结果之间关系的模糊产生式规则,存储在规则库中。

推理模块基于这些规则,利用模糊推理对新的加工要求提供合适的电参数。

Yan等首先建立了一个微线切割的线张力闭环控制系统，然后提出了一种基于遗传算法的模糊控制系统,并使用该模糊控制系统评估线张力闭环控制系统的动态性能。

实验结果表明，以上建立的线运输系统可获得满意的暂态响应、稳态响应和鲁棒性,而提出的模糊控制系统可获得比PI控制更快的暂态响应和更小的稳态误差。

1.8。

5基于灰色预测的模糊控制

灰色预测是控制论与运筹学相结合的数学方法,主要针对贫信息系统的不明确状况进行系统的关联分析、信息处理（生成）、建模、预测、决策、控制等，能较好地处理贫信息系统的问题。

由灰色理论建立的系统模型为连续的微分模型。

利用这一模型，可对系统的发展变化进行全面的分析观察，并作出长期预测.

Lee等通过定义不正常火化率（Rab）,使用灰色预测器来补偿低通过滤器处理数据时带来的时延Rab，最终建立了一个预防断丝的增益自调整模糊控制系统.试验表明,该系统不仅可解决大多数情况的线切割断丝问题,而且对于厚度不变的工件可获得稳定的加工过程。

通过进一步的实验表明,当工件厚度超过20mm时,Rab的最佳参考值只需设置成厚度小于20mm时的55％即可。

通过对在Rab参考值不变、Rab参考值自适应变化、加工参数不变3种情况下所建立的模型测试，表明所建立的控制系统可在厚度不变的情况下无需人为干涉而明显地提高切割速度。

2展望

针对目前电火花加工的现状，提出几点有关控制技术在电火花加工领域的发展趋势:

（1）目前,数控铣削加工技术几乎能满足任意复杂曲面和超硬材料的加工要求，且相对于传统电火花加工而言，切削加工具有更快的加工速度、更低的加工成本和更好的加工柔性。

这对电火花加工的高效化提出了强烈的要求，因而高速电火花加工控制系统的研究就显得尤为重要.

（2）随着航天技术、微机电技术和生物技术的不断发展,窄槽、深孔、微细零件的加工仍将是电火花成形加工面临的重要课题,而加工工艺的微细化已成为重要发展方向之一。

因此，微细电火花加工控制系统的研究仍然是未来重要的研究方向之一。

（3）目前学者们所做的研究，在实验设计和实验验证时,所使用的工件材料绝大多数都是导电材料，而工作液介质皆为液体（如:

煤油、去离子水）。

随着非导电材料的电火花加工技术和以气体为介质的电火花加工技术不断发展和成熟,对这两方面的控制系统的研究也将不断提出新的要求。

（4）绿色发展和节能已成为当今世界发展的主旋律，也是我国/十二五规划的重要内容。

因此,提高加工效率、降低工具电极磨损率、改善工件表面加工质量的目标已不能满足现代发展的要求。

在原有控制目标的基础上，研究和发展自身功耗低、实现成本低、软件化程度高的新型绿色控制系统，实现能源最优化和经济效益最大化,必将成为下一代控制系统开发的趋势和发展方向。

3结论

（1）本文概述性地介绍和讨论了近20年来自适应控制、模糊控制、神经网络、遗传算法、专家系统及其混合智能控制等控制技术在电火花加工中的研究和应用,并从提高加工性能的角度，总结了加工过程的监测与控制、控制变量的优化等方面的研究,最后给出了几点电火花加工控制系统未来的发展趋势。

（2）电火花加工在加工复杂形状、特殊要求零件和难加工材料方面,以其独特的优势得到了广泛的应用.随着数控技术的发展和电火花加工效率的不断提高,其应用范围必将不断扩大.而要实现这个目标，加大力度研究成熟、经济适用的电火花加工控制技术和控制系统，就显得尤为重要了.

（3）随着计算机技术的迅猛发展，加上混合智能控制技术的诸多优点，在复杂的电火花加工过程中,系统控制应用混合智能技术已成为必然趋势。

总之,电火花加工由其应用的广泛性和特殊性,决定了其控制技术的发展必将为其注入更多的活力。

参考文献：

[1]ZhouMing，HanFuzhu，MengXianyi,etal.Analysisandcontrolofelectricaldischargemachining（EDM）process[C]PPIEEM2009-IEEEInternationalConferenceonIndustrialEngineeringandEngineeringManagement，2009:

164—168。

[2]赵万生.电火花加工技术［M]。

哈尔滨：

哈尔滨工业大学出版社，2000.

［3］霍盂友,张建华，艾兴。

电火花放电加工间隙状态检测方法综述[J]。

电加工与模具,2003（3）：

17—20.

[4］RajurkarKP，WangWM，LindsayRP.AnewmodelreferenceadaptivecontrolofEDM［J］.Ann。

CIRP，1989,38

（1）：

183—186。

［5]ZhouMing,HanFuzhu,WangYongxain,etal.AssessmentofthedynamicalpropertiesinEDMprocess—detectingdeterministicnonlinearityofEDMprocess[J］。

InternationalJournalofAdvancedManufacturingTechnology，2009，44:

91—99。

[6]赵万生，刘晋春,袁哲俊,等.抬刀对电火花加工稳定性的影响及其自适应控制[J].电加工，1990

（1）:

3-8.

［7]YanMT，LiaoYS.Monitoringandself-learningfuzzycontrolforwirerupturepreventioninwireelectricaldischargemachining[J］。

Int。

J.MachToolsManufact。

1996,36（3）：

339—353。

[8]杨晓冬,宋颖慧，赵万生.基于遗传算法的电火花加工电参数优化模型[J］。

哈尔滨工业大学学报,2002,34（4）：

450—454.

［9］王蔚眠.电火花加工放电状态多参数检测及自适应控制脉冲电源和系统的研究［D］.哈尔滨：

哈尔滨工业大学,1985.

[10］李翔龙，殷国富,高枝宝.基于遗传算法的电火花加工参数优化［J].现代机械，2001（3）：

50—51.

[11]BehrensAW，GinzelJ,BruhnsFL。

Thresholdtechnologyanditsapplicationforgapstatusdetection[J］。

JournalofMaterialsProcessingTechnology，2004,149:

310-315。

［12］LiY，ZhaoWansheng,FengXiaoguang，etal。

Researchadvancementonon—linedetectionofEDMsparklocation[J］.Measurement，1997,22:

29-35。

[13］刘光壮，赵万生.电火花加工自适应控制评述［J］.电加工,1991（6）:

2—7。

［14］郑红,宋博岩,刘晋春。

模糊控制技术在电火花加工中的应用现状与展望[J].电加工,1996

（2）：

2-7。

[15]罗元丰,狄士春,迟关心,等.基于神经网络的电火花加工过程的分类［J］。

电加工与模具，2001

（1）：

14—16.

[16]WangPJ,TsaiKM。

Semi-empiricalmodelonworkremovalandtoolwearinelectricaldischargemachining[J］.JournalofMaterialsProcessingTechnology，2001，114：

1—17.

［17]杨晓冬,赵万生,刘光壮.基于遗传算法的电火花加工条件优化[J].电加工,1999

（2）：

1-4。