基于神经网络的回转球面磨削精度过程控制

上海交通大学学报（自然版） ›› 2011, Vol. 45 ›› Issue (11): 1626-1631.

基于神经网络的回转球面磨削精度过程控制

许开州，魏臣隽，柴运东，许黎明，胡德金

(上海交通大学机械与动力工程学院，上海 200240)

收稿日期:2010-10-27 出版日期:2011-11-30 发布日期:2011-11-30
基金资助:
国家自然科学基金资助项目（51075273)

Investigation of Sphere Grinding Process Control on the Basis of Neural Network

Received:2010-10-27 Online:2011-11-30 Published:2011-11-30

摘要/Abstract

摘要： 介绍了回转球面精密磨削系统，在研究回转球面精密磨削原理和机床结构的基础上，分析了球体形状误差的产生原因，利用BP神经网络拟合进给量、磨削区段和砂轮主轴电流三者之间的非线性关系，通过网络预测调整不同磨削区段的进给量控制电流恒定从而达到恒功率磨削.

关键词: 神经网络, 球面磨削, 球度误差

Abstract: A precision sphere grinding system was introduced. On the basis of mechanism of sphere grinding system and grinder structure, the cause of sphere form error was analyzed. BP neural network was used to fit the nonlinear relationship between feed rate, grinding section and spindle current. And the current was kept stable by adjusting feed rate previously at different grinding section, therefore, constant power grinding was obtained.

Key words: neural network, sphere grinding, sphericity error

中图分类号:

TH161.1

许开州，魏臣隽，柴运东，许黎明，胡德金. 基于神经网络的回转球面磨削精度过程控制[J]. 上海交通大学学报（自然版）, 2011, 45(11): 1626-1631.

参考文献

［1］许开州, 魏臣隽, 胡德金. 展成法球面磨床的几何误差补偿［J］.上海交通大学学报, 2010, 44(4): 478483.

XU Kaizhou, WEI Chenjuan, HU Dejin. Geometrical error compensation in propagated spherical surface grinding system ［J］. Journal of Shanghai Jiaotong University, 2010, 44(4): 478483.

［2］董波, 李郝林. 恒力磨削中的闭环控制［J］.精密制造与自动化, 2008(1):2628.

DONG Bo, LI Haolin. Closed loop control in constant force grinding ［J］. Precise Manafacturing & Automation, 2008(1): 2628.

［3］何秀涛. 闭环控制力磨削实验研究［J］. 精密制造与自动化，2008(4):2634.

HE Xiutao. Experiment research on enclosed control of grinding force ［J］. Precise Manafacturing & Automation, 2008(4):2634.

［4］喻道远, 段正澄. 提高磨削加工圆度的磨削力适应控制的研究［J］.机械工业自动化, 1989(1):2935.

YU Daoyuan, DUAN Zhengcheng. Research on grinding force control in better roundness ［J］. Manufacturing Automation, 1989(1):2935.

［5］李成群, 贠超, 孙云权. 机器人柔性磨削机床及磨削力补偿研究［J］.机床与液压, 2008, 36(3): 4952.

LI Chengqun, PENG Chao, SUN Yunquan. Robot flexible grinding machine and grinding force compensation research ［J］. Machine Tool & Hydraulics, 2008, 36(3): 4952.

［6］Shen J Y, Luo C B, Zeng W M. Ceramics grinding under the condition of constant pressure ［J］. Journal of Materials Processing Technology, 2002（S1）: 176181.

［7］叶建雄, 张晨曙. 焊接工艺参数中的BP神经网络与遗传算法结合［J］. 上海交通大学学报，2008, 42(S1): 5760.

YE Jianxiong, ZHANG Chenshu. Cooperation of BP and GA in optimization of welding parameters ［J］. Journal of Shanghai Jiaotong University, 2008, 42(S1): 5760.

［8］汤禹成, 周雄辉, 陈军. 基于神经网络响应曲面的预锻模具形状优化与再设计方法，［J］.上海交通大学学报, 2007, 41(4): 624628.

TANG Yucheng, ZHOU Xionghui, CHEN Jun. The optimum preform design and redesign based on neural network response surface methodology ［J］. Journal of Shanghai Jiaotong University, 2007, 41(4): 624628.

［9］Kirikera G R，Shinde V, Schulz M J，et al．Damage localization in composite and metallic structures using a structural neural system and simulated acoustic emissions［J］．Mechanical Systems and Signal Processing, 2007, 21(1):280297．

［10］Kosel T, Grabec I, Kosel F. Intelligent location of two simultaneously active acoustic emission sources［J］. Aerospace Science and Technology, 2005, 9(1): 4553．

[1]	曾国治, 魏子清, 岳宝, 丁云霄, 郑春元, 翟晓强. 基于CNN-RNN组合模型的办公建筑能耗预测[J]. 上海交通大学学报, 2022, 56(9): 1256-1261.
[2]	吴庶宸, 戚宗锋, 李建勋. 基于深度学习的智能全局灵敏度分析[J]. 上海交通大学学报, 2022, 56(7): 840-849.
[3]	全大英, 陈赟, 唐泽雨, 李世通, 汪晓锋, 金小萍. 基于双通道卷积神经网络的雷达信号识别[J]. 上海交通大学学报, 2022, 56(7): 877-885.
[4]	秦艺超, 黄礼敏, 王骁, 马学文, 段文洋, 郝伟. 基于人工神经网络的自航浮标测波方法可行性[J]. 上海交通大学学报, 2022, 56(4): 498-505.
[5]	赵勇, 苏丹. 基于4种长短时记忆神经网络组合模型的畸形波预报[J]. 上海交通大学学报, 2022, 56(4): 516-522.
[6]	丁明, 孟帅, 王书恒, 夏玺. 六自由度波浪补偿平台的神经网络自适应反馈线性化控制[J]. 上海交通大学学报, 2022, 56(2): 165-172.
[7]	刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190.
[8]	聂瑞, 王红茹. 基于神经网络观测器的无人机编队执行器故障诊断[J]. 空天防御, 2022, 5(2): 32-41.
[9]	王卓鑫, 赵海涛, 谢月涵, 任翰韬, 袁明清, 张博明, 陈吉安. 反向传播神经网络联合遗传算法对复合材料模量的预测[J]. 上海交通大学学报, 2022, 56(10): 1341-1348.
[10]	罗睿乔. 井下节流技术在南海东部高温气田的应用[J]. 海洋工程装备与技术, 2022, 9(1): 58-66.
[11]	陶海红, 闫莹菲. 一种基于GA-CNN的网络化雷达节点遴选算法[J]. 空天防御, 2022, 5(1): 1-5.
[12]	戴少怀, 杨革文, 郁文, 吴向上. 基于RBF神经网络的雷达有源压制干扰识别[J]. 空天防御, 2022, 5(1): 102-107.
[13]	郑德重, 杨媛媛, 黄浩哲, 谢哲, 李文涛. 基于距离置信度分数的多模态融合分类网络[J]. 上海交通大学学报, 2022, 56(1): 89-100.
[14]	许凌, 王兴志, 肖林朋. 基于语义特征抓取电网调度事件的检测技术[J]. 上海交通大学学报, 2021, 55(S2): 86-91.
[15]	王岩, 陈耀然, 韩兆龙, 周岱, 包艳. 基于互信息理论与递归神经网络的短期风速预测模型[J]. 上海交通大学学报, 2021, 55(9): 1080-1086.