学位论文 > 优秀研究生学位论文题录展示

电火花加工参数优化的研究

作　者: 孙志伟
导　师: 周驰；王跃进
学　校: 华南理工大学
专　业: 机械工程
关键词: 电火花加工电参数多目标优化遗传算法精英策略
分类号: TG661
类　型: 硕士论文
年　份: 2011年
下　载: 16次
引　用: 0次
阅　读: 论文下载

内容摘要

电火花成形加工已经成为机械行业中一种必不可少的重要加工方法,拥有独特的加工优势,目前已经广泛地应用于模具制造、电子、仪器、汽车等领域。在电火花成形加工中,选择合理的电参数对于放电加工效率、加工质量以及电极的损耗等加工工艺效果有很大的影响。传统的电参数的选择仍旧依靠操作员工的经验,效果很差。耐普罗机械(广州)有限公司,是一家以生产手机模具而驰名的模具生产厂商,常年为Nokia、Motorola、NEC、博世、高露洁等国际大公司生产模具。论文针对公司电火花成形加工效率低的情况,对电火花成形加工中参数的选择优化进行了研究。分析电火花成形加工原理,将电火花成形加工的放电过程分为放电通道的形成、放电能量的转换、电蚀物抛出、极间介质冷却四个阶段,并对正常火花放电、过渡放电、电弧放电作了比较,电弧放电是对电加工有害的放电:分析脉冲宽度、脉冲间隙、峰值电流、伺服电压与加工速度、表面粗糙度、电极损耗之间的关系,为进行电火花成形加工单因素试验提供理论基础。在日本牧野(MAKNO)公司所生产的EDNC65机床上进行单因素影响试验,分别对加工精度、加工速度、工具电极损耗这三方面设计单因素试验,得出脉冲宽度、脉冲间隙、峰值电流、伺服电压与加工质量之间的直观关系。电火花成形加工中电参数的优化,是多目标优化。分析传统的多目标优化的方法,总结传统方法的缺点。介绍基于遗传算法的多目标优化方法及其特点,遗传算法具有抗干扰性强、善于解决非线性问题等优点,适合解决电参数优化问题。带精英策略的快速非支配遗传算法,解决了非支配遗传算法计算复杂度高、优良个体被破坏等问题。建立基于带精英策略的快速非支配排序遗传算法的电火花成形加工电参数优化模型。论文针对东洋碳素石墨电极材料IS063,常用模具钢材8407的电火花成形加工,进行了基于带精英策略的非支配排序遗传算法的电火花成形加工电参数选择优化,并在此模型基础上进行了MATLAB编程,计算结果显示,电火花加工平均加工速度随着迭代次数逐渐增大,迭代25次后趋于稳定。采用优化前和优化后的电参数进行实例加工,结果显示运用此方法进行电参数的优化可以提高电火花成形加工的效率、加工质量、降低电极的损耗,在粗加工中加工速度提高了22.8%;在精加工中,粗糙度减低了?13%,同时加工速度降低了10.17%。

全文目录

摘要  5-7
Abstract  7-12
第一章绪论  12-21
  1.1 引言  12
  1.2 电火花成形加工技术的研究现状  12-15
    1.2.1 电火花成形加工基础理论研究现状  12-13
    1.2.2 电火花加工工艺研究现状  13-15
  1.3 电参数选择优化研究现状及存在的问题  15-17
  1.4 选题的依据  17-19
  l.5 论文研究的内容  19-21
    1.5.1 论文研究目的和意义  19-20
    1.5.2 论文主要研究内容  20-21
第二章电火花加工机理及加工质量的影响因素  21-32
  2.1 电火花加工机理  21-26
    2.1.1 电火花加工放电机理  21-24
    2.1.2 几种放电形式的比较  24-26
  2.2 电火花加工工艺效果的主要影响因素  26-31
    2.2.1 电火花加工精度的主要影响因素  26-28
    2.2.2 电火花加工速度的主要影响因素  28-29
    2.2.3 电火花加工电极损耗的主要影响因素  29-31
  2.3 本章小结  31-32
第三章电火花成形加工电参数单因素影响试验  32-50
  3.1 试验主要设备与仪器  32-37
    3.1.1 试验机床与仪器  32-35
    3.1.2 工件材料与电极材料  35-36
    3.1.3 试验条件的选择  36-37
  3.2 电火花成形加工单因素影响试验  37-49
    3.2.1 单因素加工精度试验  37-41
    3.2.2 单因素加工速度试验  41-45
    3.2.3 单因素工具电极损耗试验  45-49
  3.3 本章小结  49-50
第四章电火花成形加工中电参数选择优化方法  50-70
  4.1 传统求解多目标优化问题的方法  50-54
    4.1.1 约束法  50-51
    4.1.2 加权法  51
    4.1.3 距离函数法  51-52
    4.1.4 分层序列法  52-53
    4.1.5 传统优化方法的局限性  53-54
  4.2 多目标优化遗传算法  54-60
    4.2.1 向量评估遗传算法(VEGA)  54-55
    4.2.2 小生境 Pareto遗传算法(NPGA)  55-58
    4.2.3 基于距离的 Pareto遗传算法(DPGA)  58-60
  4.3 带精英策略的非支配排序遗传算法  60-68
    4.3.1 非支配排序遗传算法(NSGA)  60-63
    4.3.2 带精英策略的非支配排序遗传算法(NSGA-Ⅱ)  63-67
    4.3.3 NSGA-Ⅱ的算法流程  67-68
  4.4 本章小结  68-70
第五章基于带精英策略的非支配排序遗传算法的电参数优化  70-89
  5.1 基于 NSGA-Ⅱ的电火花成形加工电参数优化  70-81
    5.1.1 电火花成形加工电参数优化变量的选取  70
    5.1.2 基于单因素实验数据的电参数优化回归模型的建立  70-74
    5.1.3 基于 NSGA-Ⅱ的电参数优化  74-75
    5.1.4 控制参数的选择  75-77
    5.1.5 算法的仿真  77-81
  5.2 电火花成形加工电参数优化实例  81-88
    5.2.1 手机外壳模具电火花粗加工  81-84
    5.2.2 手机外壳模具电火花精加工  84-88
  5.3 本章小结  88-89
结论  89-91
参考文献  91-96
致谢  96-97
附件  97

电火花加工参数优化的研究

内容摘要

全文目录

相似论文