畢業(yè)論文范文——基于BP神經(jīng)網(wǎng)絡(luò)切削溫度的實驗研究

論 文 題 目基于BP神經(jīng)網(wǎng)絡(luò)切削溫度的實驗研究目 錄摘 要 3-4第一章 緒 論1.1 背景 51.2 研究現(xiàn)狀 6-7第二章 車削加工與切削溫度2.1車削加工 7-8 2.1.1 主運動 8 2.1.2 進給運動 9 2.1.3 切削用量 9-102.2 切削溫度 102.2.1 切削熱 10-11 2.2.2切削溫度 112.3 切削溫度的測量方法 11 2.3.1 熱電偶法 11-12 2.3.2 光、熱輻射法 12-13 2.3.3 金相結(jié)構(gòu)法 13 2.3.4 其他方法 132.4 切削溫度的影響因素2.4.1 切削用量2.4.2 刀具幾何參數(shù)2.4.3 工件材料2.4.4 刀具磨損的影響第3章 切削溫度的實驗測量3.1 正交試驗3.2 正交試驗方案設(shè)計3.2.1 外圓車削正交試驗方案3.2.2 切削溫度測量試驗第四章 切削溫度的BP神經(jīng)網(wǎng)絡(luò)建模4.1 神經(jīng)網(wǎng)絡(luò)4.1.1 神經(jīng)網(wǎng)絡(luò)的概述 4.1.2 BP神經(jīng)網(wǎng)絡(luò)的一般建模過程 4.1.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式4.2 MATLAB軟件及其工具箱的介紹4.3 切削溫度的BP神經(jīng)網(wǎng)絡(luò)建模4.3.1 訓(xùn)練樣本的選取4.3.2 訓(xùn)練參數(shù)的選擇 4.3.3 切削溫度BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)建和訓(xùn)練齊魯工業(yè)大學(xué)本科畢業(yè)論文摘 要 在車削加工過程中，切削溫度是表征車削加工過程中各因素是否合適的重要參數(shù)。切削溫度一般指前刀面與切屑接觸區(qū)域的平均溫度。前刀面的平均溫度可近似地認為是剪切面的平均溫度和前刀面與切屑接觸面摩擦溫度之和。車削加工過程中的切削溫度的影響因素有很多種，如，切削速度、進給量、背吃刀量、工件材料和切削液等因素。切削溫度高是刀具磨損的主要原因，它將限制生產(chǎn)率的提高；切削溫度還會使加工精度降低，使已加工表面產(chǎn)生殘余應(yīng)力以及其它缺陷。 本文采用車削力正交試驗，建立切削溫度的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，分別驗證各影響因素對切削溫度的影響。 由實驗結(jié)果可知，影響切削溫度的因素中，切削速度影響最大，其次是進給量，接著是背吃刀量。采用正交試驗法選取樣本，利用動量梯度下降法訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)模型對切削溫度的預(yù)測具有很好的效果。關(guān)鍵詞：切削溫度 正交試驗 BP神經(jīng)網(wǎng)絡(luò) 動量梯度下降法ABSTRACT In the machining process, the cutting temperature is an important parameter for the characterization of factors in the process of turning processing who is appropriate. The cutting temperature generally refers to the rake face and chip contact area average temperature. The rake face of the average temperature can be approximately considered shear surface average temperature and the rake face and chip contact surface friction and temperature. There are many kinds of factors that influence the cutting temperature in turning process such as cutting speed, feed rate and cutting depth, work piece material and cutting fluid etc. Is the main reason of tool wear high cutting temperature, it will limit the productivity increase; cutting temperature will make the machining accuracy is reduced, so that the machined surface residual stress and other defects. This paper uses the orthogonal of cutting force , model of BP neural network is established to predict the cutting temperature, respectively, to verify the influence factors on the cutting temperature. Experiment results show that the factors affecting the cutting temperature, cutting speed is the greatest impact, followed by feed rate, then cutting depth. Selected samples by orthogonal test method using gradient descent BP neural network model training method on cutting temperature prediction has good effect.Key words：the cutting temperature ;the orthogonal ;BP neural network ; gradient descent第一章 緒 論1.1 背景 大量實驗證明，切削溫度對切削加工的影響非常明顯。由于材料的塑性變形和刀屑之間的接觸摩擦,會產(chǎn)生切削熱,而且微細切削單位切削面積上的切削力較大,所以加工中會產(chǎn)生很大的熱量,使刀尖局部區(qū)域的溫度升高。切削溫度隨著切削厚度的變化而變化,隨著切削溫度的升高,工件材料的強度降低;反之，則亦然。切削熱是通過切削溫度影響切削加工過程的，切削溫度的高低取決于切削熱產(chǎn)生多少和散熱條件的好壞。切削溫度是指切削過程中切削區(qū)域的溫度。切削溫度的升高對切削加工過程的影響主要有以下幾方面：（一）對刀具材料的影響 高速鋼刀具材料的耐熱性為600度左右，超過該溫度后，刀具將失效。硬質(zhì)合金刀具材料耐熱性好，在高溫800-1000度時，強度反而更高，韌性更好。因此，適當(dāng)提高切削溫度，可防止硬質(zhì)合金刀具崩刃，延長刀具壽命。 （二）對工件材料物理力學(xué)性能的影響 金屬切削時雖切削溫度很高，但對工件材料的物理力學(xué)性能影響并不大。實驗表明，工件材料預(yù)熱到500-800C后進行切削，切削力顯著降低。但高速切削時，切削溫度可達800-900度，切削力卻下降并不多。在生產(chǎn)中，對于難加工材料可進行加熱切削。（三）利用切削溫度自動控制切削用量大量切削試驗表明，對給定的工件材料、刀具材料，以不同的切削用量加工時，都可以得到一個最佳的切削溫度范圍，使刀具磨損程度最低，加工精度穩(wěn)定。因此，可用切削溫度作為控制信號，自動控制機床轉(zhuǎn)速或進給量，以提高生產(chǎn)率和工件表面質(zhì)量。（四）對工件尺寸精度的影響 車削工件外圓時，工件受熱膨脹，外圓直徑發(fā)生變化，切削后冷卻至室溫，工件直徑變小，就不能達到精度要求。刀桿受熱膨脹伸長，切削時的實際背吃刀量增加，使工件直徑變小。特別是在精加工和超精加工時，切削溫度的變化對工件尺寸精度的影響特別大，因此，控制好切削溫度是保證加工精度的有效措施。 由以上可以看出，切削溫度的研究對車削加工過程是非常重要的。由此，展開了本文的創(chuàng)作。1.2 研究現(xiàn)狀 切削溫度是車削加工中的一個重要指標(biāo)，對刀具壽命、表面質(zhì)量和刀具磨損有很大的影響。1931年，由德國Carl Salomon 博士發(fā)表了著名的切削專利，他指出，隨切削速度的提高，切削溫度會上升到最大值；若速度繼續(xù)升高，切削溫度就會隨之下降。如圖1.1所示。 圖1.1 切削速度與切削溫度的關(guān)系 但對于這一變化，存在了兩種不同的觀點：一種是，Salomon曲線存在，并在一些輕金屬的加工中得到了證明；另一種觀點則認為切削溫度隨切削速度的提高而不斷升高，直到達到工件材料的熔點。高精度的表面質(zhì)量和較低的表面粗糙度是高速切削加工技術(shù)所要求實現(xiàn)的目標(biāo)之一。 由于切削溫度所具有的特點以及在生產(chǎn)效益方面的影響，國外對此方面的研究開展的較早。利用有限元進行研究的：E.G.Ng，D.K.Aspinwall,D.Brazil,J.Monaghan 提出了單刃切削有限元解析模型，使用FE軟件FORGE2（R）模擬了切削淬硬鋼（ANSI H13(52HRC)）時的切削溫度分布。美國Ohio州大學(xué)凈成形制造（Net Shape Manufacture）工程研究中心的T.Altan 教授，在國際上金屬塑性成形加工界享有很高的學(xué)術(shù)聲譽，在金屬塑性成形數(shù)值模擬方面做出了許多令人矚目的成就，近年來，他與意大利Brescia大學(xué)機械工程系的E.Cerett合作，對切削工藝進行了大量的有限元模擬研究。 利用實驗法進行研究的：日本的Norihiko Narutkai研究了高速切削加工難加工材料欽合金。從切削溫度和刀具磨損角度討論了高速切削欽合金Ti-6Al-4V.在車削時，切削溫度非常高。據(jù)有高熱導(dǎo)率的刀具如天然金剛石刀具合適在冷卻液的情況下高速車削欽合金。使用小直徑立銑刀高速銑削欽合金時，切削溫度卻不高，在干切削條件下，甚至能夠達到283m/min。油霧冷卻是延長刀具壽命的有效方法。 在國內(nèi)，由于對切削溫度的研究起步比較晚，因為有關(guān)這方面的理論研究報告還比較缺少。不過，還是有幾所高校對切削加工中的切削溫度問題進行了初步研究，主要以實驗研究為主，比如華南理工大學(xué)、上海大學(xué)等。顧、袁在其文章中為了能夠獲得較為合適的模型，設(shè)定了切屑流向與剪切面成一定角度，建立了正交連續(xù)成屑的切屑模型。實驗測得的實際溫度分布表明這個假定模型是可行的。袁人煒等人在實驗中應(yīng)用紅外熱像儀測系統(tǒng)對高速銑削過程中切削溫度的變化規(guī)律進行了研究，首次給出了鋁合金高速銑削過程中存在的臨界切削速度關(guān)鍵數(shù)據(jù)和切削溫度隨切削速度的變化規(guī)律。針對難加工材料，南京航空學(xué)院的徐鴻鈞等人對銑削加工時高速鋼銑削刀具溫度場的分布進行了實驗研究，并使用了有限差元分的方法對銑削加工區(qū)的三維非穩(wěn)定溫度場進行了計算，在計算中對其邊值條件的確定、差分格式的選用以及解的穩(wěn)定性問題進行了討論。終上所述，經(jīng)過多年的發(fā)展，切削溫度場的研究早金屬切削理論、切削溫度場測量以及切削加工模型的建立等方面雖然取得了很大的進步，但是，仍然有很多的問題有待進一步解決。第二章 車削加工與切削溫度2.1 車削加工 車削加工就是在車床上，利用工件的旋轉(zhuǎn)運動和刀具的直線運動(曲線運動)來改變毛坯的形狀和尺寸大小，把它加工成符合圖紙的要求的工件。車削加工是在車床上利用工件相對于刀具旋轉(zhuǎn)對工件進行切削加工的方法。車削加工的切削能主要由工件提供。車削是最基本、最常見的切削加工方法，在生產(chǎn)中占有十分重要的地位。車削適于加工回轉(zhuǎn)表面，大部分具有回轉(zhuǎn)表面的工件都可以用車削方法加工，如內(nèi)外圓錐面、內(nèi)外圓柱面、端面、溝槽和回轉(zhuǎn)成形面等，所用刀具主要是車刀。切削運動 金屬切削加工是利用刀具從工件待加工表面上切去一層多余的金屬，從而使工件達到規(guī)定的集合形狀、尺寸精度和表面質(zhì)量的機械加工方法。為了切除多余的金屬，刀具和工件之間必須有相對運動，即切削成形運動（簡稱切削運動）。切削運動可分為主運動和進給運動。圖2.1 外圓車削的切削運動圖2.2 平面刨削的切削運動2.1.1 主運動使工件與道具產(chǎn)生相對運動以進行切削的最基本運動，稱為主運動。主運動的速度最高，所耗功率也最大。在車削加工中，主運動只有一個。他可以由工件完成，也可以由刀具完成；可以是旋轉(zhuǎn)運動，也可以是直線運動。列如，外圓車削時工件的旋轉(zhuǎn)運動和平面刨削時刀具的直線往復(fù)運動都是主運動（見上圖2.1、2.2）2.1.2 進給運動 不斷地把被切削層投入切削，以逐漸切削出整個工件表面的運動叫做進給運動。進給運動一般速度較低，消耗的功率較少，可由一個或多個運動組成。外圓車削時的進給運動是車刀沿平行于工件軸線方向的連續(xù)直線運動，平面刨削時的進給運動是工件沿垂直于主運動方向的間歇直線運動。 進給運動可由工件或刀具分別完成，也可以由刀具單獨完成。有些機床（如拉床）加工時，沒有進給運動。2.1.3 切削用量 所謂切削用量是指切削速度、進給量和背吃刀量三者的總稱。（1）切削速度 它是切削加工時，刀刃上選定點相對于工件的主運動速度。刀刃上各點的切削速度可能是不同的。 當(dāng)主運動為旋轉(zhuǎn)運動時，刀具或工件的最大直徑處的切削速度由下式確定： （m/s或m/min）式中：d為完成主運動的刀具或工件的最大直徑（mm）；n為主運動的轉(zhuǎn)速（r/s或r/min）。（2） 進給速度與進給量 進給速度是刀刃上選定點相對于工件的進給運動的速度，單位是mm/s。若進給運動是直線的，則刀刃上所有點的進給速度都相等。進給量f是工件過刀具的主運動每轉(zhuǎn)或每一行程時，工件和刀具在在進給運動方向上的相對位移量。例如，外圓車削時的進給量是指工件每轉(zhuǎn)一轉(zhuǎn)是車刀相對于工件在進給運動方向上的位移量，其單位是mm/r；又如在牛頭刨床上刨削平面時，進給量是指刨刀每往復(fù)一次，工件在進給運動方向上相對刨刀的位移量，其單位是mm/雙行程。 另外，在實際生產(chǎn)中有時將進給運動稱為走刀運動，進給量稱為走刀量。（3） 背吃刀量 其是一個和主刀刃與工件切削表面接觸長度有關(guān)的量，在包含主運動和進給運動的平面的垂直方向上測量。 (mm)式中：為工件待加工表面的直徑（mm）；為工件已加工表面的直徑（mm）。2.2 切削溫度 切削熱和由它產(chǎn)生的切削溫度，直接影響刀具的磨損和使用壽命及工件的加工精度和表面質(zhì)量。因此研究切削熱和切削溫度及其變化規(guī)律是非常重要的。2.2.1 切削熱 切削過程中，切削熱的來源有兩個：切削層金屬發(fā)生彈性變形和塑性變形所產(chǎn)生的熱和切屑與前刀面、工件與主后刀面間的摩擦熱。因此，工件上的三變形區(qū)，每個變形區(qū)都是一個發(fā)熱源，如圖2.3所示。 圖2.3 切削熱的產(chǎn)生 切削時所消耗的能量有98%-99%轉(zhuǎn)化為切削熱。單位時間內(nèi)產(chǎn)生的切削熱可由下式計算： 式中：Q為每秒內(nèi)產(chǎn)生的切削熱（J/s）。2.2.2 切削溫度 切削時工件、切屑和刀具吸收切削熱而使溫度升高，溫度的高低不僅取決于切削時產(chǎn)生熱量的多少，還與熱傳導(dǎo)密切相關(guān)。所以，吸熱多且散熱少的部位溫度高。一般所說的切削溫度是指切削區(qū)的平均溫度。切削溫度是影響切削過程最佳化的重要因素之一。切削溫度對工件、刀具及切削過程將產(chǎn)生一定的影響。高的切削溫度是造成刀具磨損的主要原因。但較高的切削溫度對提高硬質(zhì)合金刀具材料的韌性有利。由于切削溫度的影響，精加工時，工件本身和刀桿受熱膨脹致使工件尺寸精度達不到要求。切削中產(chǎn)生的熱量還會是機床產(chǎn)生熱變形而導(dǎo)致加工誤差的產(chǎn)生。2.3切削溫度的測量方法 測量切削溫度的方法有很多種，如熱電偶法，光、熱輻射法，金相結(jié)構(gòu)法等。其中最常用的是熱電偶法中的自然熱電偶法和人工熱電偶法。2.3.1 熱電偶法 當(dāng)兩種不同材質(zhì)組成的材料副接近并受熱時，會由于表層電子溢出而產(chǎn)生電動勢，并在材料副的接觸界面間形成電位差，即熱電勢。因為特定材料副在一定溫升條件下形成的熱電勢是一定的，因此可根據(jù)熱電勢的大小來測定熱電偶的溫度變化。采用熱電偶法的測溫裝置結(jié)構(gòu)簡單，測量方便，是目前最常用的切削溫度測量方法。 （1） 自然熱電偶法 自然熱電偶法是利用化學(xué)成分不同的刀具材料和工件材料而組成熱電偶的兩級。當(dāng)工件與刀具接觸區(qū)的溫度升高后，就形成熱電偶的熱端，而離接觸區(qū)較遠的工件與刀具處保持室溫成為熱電偶的冷端。在工件與刀具的回路中，熱端和冷端間產(chǎn)生的熱電動勢可以由接于冷端的毫伏計記錄下來。再根據(jù)事先做好的相應(yīng)刀具所組成的熱電偶的標(biāo)定曲線，求得相應(yīng)的溫度值。圖2.4所示為在車床上利用自然熱電偶法測量切削溫度的示意圖。測量時，刀具和工件應(yīng)與機床絕緣。 用熱電偶法測得的一般是切削區(qū)的平均溫度，以此溫度研究其變化規(guī)律簡便可靠。但不足的是，變換一種刀具材料和工件材料就必須重新標(biāo)定溫度-毫伏值曲線。用此法也不能測出切削區(qū)指定點的溫度。 圖2.4 用自然熱電偶法測溫示意圖（2） 人工熱電偶法 人工熱電偶法是將兩種預(yù)先標(biāo)定好的金屬絲組成熱電偶，熱端固定于刀具或工件的被測溫度點上，冷端通過導(dǎo)線與毫伏計串接，根據(jù)毫伏值和標(biāo)定曲線測定熱端溫度。圖2.5所示是用人工熱電偶法測量刀具和工件某點溫度的示意圖。 圖2.5 用人工熱電偶法測量刀具和工件的溫度 測量時，為正確反映切削過程的真實溫度變化，放置人工熱電偶金屬絲的小孔直徑越小越好，且金屬絲與刀具或工件絕緣。2.3.2 光、熱輻射法 采用光、熱輻射法測量切削溫度的原理是刀具、切屑和工件在受熱時都會產(chǎn)生一定強度的光、熱輻射，且輻射強度隨溫度升高而加大，因此可通過測量光、熱輻射的能量間接測定切削溫度。輻射高溫計法 使用紅外輻射高溫計可測定刀具或工件表面的溫度分布。紅外探測器將接收的紅外線轉(zhuǎn)換為電信號，經(jīng)線性化處理后就可以獲得相應(yīng)的溫度值。但采用紅外輻射高溫計只限于測量刀具或工件外表面的溫度。紅外照相法 采用紅外照相法的切削溫度測量裝置安裝在車床橫溜板的機座板上，使刀具、照相機相對于工件位于一線；刀夾可使照相機鏡頭盡可能接近工件表面；照相機配有專門的紅外輻射聚焦調(diào)節(jié)裝置；為避免切屑濺射的影響，照相機鏡頭用有機玻璃罩子罩住，鏡頭與工件表面之間放置了擋屑板，透過板上的小孔可一對刀具和工件表面攝影（采用高溫紅外膠卷）。紅外熱像儀法 紅外熱像儀的基本工作原理是利用了斯蒂芬波爾茲曼定律，即 式中：E為物體輻射單元單位面積的輻射能量（W/m2）；為物體輻射單元表面輻射率（取決于物體表面性質(zhì)）；為斯蒂芬波爾茲曼常數(shù)（=5.7610 -8W/m2K4）；T為物體輻射單元的表面溫度（K）。2.3.3 金相結(jié)構(gòu)法 （1）金相結(jié)構(gòu)法 金相結(jié)構(gòu)法是基于金屬材料在高溫下會發(fā)生相應(yīng)的金相結(jié)構(gòu)變化這一原理進行測溫的。該方法是通過觀察刀具或工件切削前后金相組織的變化來判定切削溫度的變化的，主要適用于高速鋼刀具，因為當(dāng)溫度超過600度時，高速鋼的紅硬性下降，組織結(jié)構(gòu)發(fā)生一系列變化，可通過經(jīng)拋光后的金相磨片來檢查其金相組織變化。 （2）掃描電鏡法掃描電鏡法測量切削溫度的原理是用掃描電鏡觀測刀具預(yù)定剖面顯微組織的變化，并與標(biāo)準(zhǔn)試樣對照，從而確定刀具切削過程中所達到的溫度值。應(yīng)用掃描電鏡法首先需要制取樣件和對照樣件，考慮到在不同溫度和不同保溫時間條件下材料的顯微組織不同，對照樣件需多制取一些。2.3.4 其他方法除上述切削溫度測量方法外，常見的測溫方法還有顯微硬度分析法、量熱法、涂色法等。2.4 切削溫度的影響因素影響切削溫度的因素有：切削用量、刀具幾何參數(shù)、工件材料、刀具磨損狀況和冷卻條件等。2.4.1 切削用量 切削用量是影響切削溫度的主要因素。通過實驗可得到切削用量對切削溫度影響的經(jīng)驗公式： （） 式中：、分別為表示切削用量、對切削溫度影響程度的指數(shù)；為與實驗條件有關(guān)的影響系數(shù)；為切削條件改變后的修正系數(shù)。 當(dāng)用高速鋼和硬質(zhì)合金刀具車削中碳鋼時，公式中個系數(shù)、指數(shù)的取值見表2-1。 表2-1 切削用量影響切削溫度的系數(shù)和指數(shù) 由上表和上面的經(jīng)驗公式可知，、增加，切削功率增大，切削熱增多，切削溫度升高，但三者對切削溫度的影響程度不一。其中，切削速度的影響最大，進給量次之，背吃刀量的影響最小。2.4.2 刀具幾何參數(shù)1） 前角 前角增大，使切屑變形和刀-屑間摩擦減小，單位切削力減小，產(chǎn)生的切削熱減少。但前角增大又使刀具楔角減小而使刀體散熱體積減少。因此，只在一定范圍內(nèi)增大前角才對降低切削溫度有利。當(dāng)前角增加到超過18度-20度后，對降低切削溫度無明顯作用。 2） 主偏角 主偏角增大，在切削層公稱面積不變的條件下，使切削層公稱寬度減小，起作用的切削刃長度變短，切削熱相對集中；同時，還使刀尖角減小，散熱條件變差，切削溫度升高。3） 倒棱及刀尖圓弧半徑 倒棱和刀尖圓弧半徑基本上不影響切削溫度。雖然隨倒棱寬度和刀尖圓弧半徑的增大，切屑變形增大，切削熱隨之增加，但另一方面，這兩個參數(shù)都能使刀具散熱條件有所改善，傳出的熱量增加。一般，這兩方面的影響趨于平衡。2.4.3 工件材料 工件材料的強度、硬度越高，加工硬化程度越大，則單位切削力越大，切屑功率消耗越多，產(chǎn)生的切削熱越多，切削溫度因而升高。工件材料的導(dǎo)熱系數(shù)越低，切屑傳出的切削熱越少，則切削溫度就越高。2.4.4 刀具磨損的影響 刀具磨損后切削刃變鈍，切削刃前方的擠壓嚴重，塑性變形增加；同時，刀具磨損后還使工件與刀具主后刀面的摩擦加大。以上兩方面均使產(chǎn)生的切削熱增多，切削溫度升高。第3章 切削溫度的實驗測量3.1 正交試驗 在科學(xué)研究中，考慮的因素往往較多，而且因素的數(shù)據(jù)往往較多，假如對各個因素數(shù)據(jù)進行全面搭配試驗，那么試驗次數(shù)將會相當(dāng)多。例如，要進行五因素五水平的試驗，全面試驗的次數(shù)為 55=3125 次，試驗的作業(yè)量將會很大，隨著因素的增多，試驗的次數(shù)還會變得越來越多，因而十分不利于科學(xué)試驗研究的進行。為了克服全面試驗的試驗次數(shù)太多的缺點，可以選取其中具有代表性的部分組合并且能夠得到所需的試驗結(jié)果的數(shù)據(jù)，進行正交試驗。 正交試驗法在實踐中已經(jīng)被廣泛應(yīng)用，是安排多因素試驗，尋求最優(yōu)組合的試驗設(shè)計方法，而且具有較高的試驗效率。正交試驗設(shè)計是利用規(guī)范化的正交表有效的設(shè)計試驗方案并分析試驗結(jié)果，進而提出最優(yōu)化的方案的一種科學(xué)試驗方法。3.2 正交試驗方案設(shè)計本課題進行了外圓車削正交實驗方案的設(shè)計，而外圓車削是機械加工中最常用的加工形式。3.2.1外圓車削正交試驗方案本實驗的研究對象是切削溫度。選取了試驗中比較容易掌控的切削用量作為試驗因素，為：工件直徑（mm）、機床轉(zhuǎn)速(r/min)、切削速度(m/min)，每個數(shù)據(jù)分為6個水平，并進行試驗。試驗取值如下表所示（3-1）。序號工件直徑（mm）機床轉(zhuǎn)速（r/min）切削速度（m/min）17416037274250583730540092473500115572.59002056721120253 表3-2 試驗影響因素取值3.2.2切削溫度測量試驗試驗選用CA6140車床，如圖3.1所示。 圖3.1 CA6140車床示意圖試件為40Cr棒料，刀具選用KCU10型刀具。本實驗采用紅外熱像儀法測量切削溫度，選用Flir A315 紅外熱像儀。逐步進行試驗并測量出切削溫度。得出試驗數(shù)據(jù)表格，如下表3-2所示。序號工件直徑（mm）機床轉(zhuǎn)速（r/min）切削速度（m/min）熱像儀溫度（）1741603772274250581183730540092121473500115139572.59002051626721120253243 表3-2 試驗結(jié)果表 由實驗所得結(jié)果數(shù)據(jù)，采用MATLAB神經(jīng)網(wǎng)絡(luò)系統(tǒng)中NNTool工具箱進行訓(xùn)練并驗證。第4章 切削溫度的BP神經(jīng)網(wǎng)絡(luò)建模 本章介紹了切削溫度的神經(jīng)網(wǎng)絡(luò)模型的建立和驗證。首先介紹 BP 神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則和訓(xùn)練方法、 神經(jīng)網(wǎng)絡(luò)工具箱 功能等。然后以第三章正交試驗所得數(shù)據(jù)作為訓(xùn)練樣本，通過合理選取網(wǎng)絡(luò)參數(shù)，分別借助 神經(jīng)網(wǎng)絡(luò)工具箱 功能和命令窗口編程功能，利用動量梯度下降法訓(xùn)練出外圓車削的切削溫度的 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并進行了試驗驗證，建立車削溫度神經(jīng)網(wǎng)絡(luò)預(yù)測模型可以為合理的確定切削用量、提高生產(chǎn)效率等提供重要的參考依據(jù)。 4.1 神經(jīng)網(wǎng)絡(luò)4.1.1神經(jīng)網(wǎng)絡(luò)的概述 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為）是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為的特征，進行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的，而且還具有自學(xué)習(xí)和自適應(yīng)的能力。 人工神經(jīng)網(wǎng)絡(luò)是一種利用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進行信息處理的數(shù)學(xué)模型。在工程與學(xué)術(shù)界也常簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點和之間相互連接構(gòu)成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)（activation function）。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依據(jù)網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達。 它的構(gòu)筑理念是受到生物（人或其他動物）神經(jīng)網(wǎng)絡(luò)功能的運作啟發(fā)而產(chǎn)生的。人工神經(jīng)網(wǎng)絡(luò)通常是通過一個基于數(shù)學(xué)統(tǒng)計學(xué)類型的學(xué)習(xí)方法（Learning Method）得以優(yōu)化，所以人工神經(jīng)網(wǎng)絡(luò)也是數(shù)學(xué)統(tǒng)計學(xué)方法的一種實際應(yīng)用，通過統(tǒng)計學(xué)的標(biāo)準(zhǔn)數(shù)學(xué)方法我們能夠獲得大量的可以用函數(shù)來表達的局部結(jié)構(gòu)空間，另一方面在人工智能學(xué)中的人工感知領(lǐng)域，我們通過數(shù)學(xué)統(tǒng)計學(xué)的應(yīng)用可以用來做人工感知方面的決定問題，這種方法比起正式的邏輯學(xué)推理演算更具有優(yōu)勢。 其中，BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)（Back Propagation），是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層（input）、隱層(hide layer)和輸出層(output layer)。如下圖所示，為最經(jīng)典的網(wǎng)絡(luò)模型。 圖4.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)任意輸入和輸出之間的非線性映射，通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，可以實現(xiàn)輸入到輸出的準(zhǔn)確預(yù)測，實現(xiàn)其函數(shù)逼近的功能。4.1.2 BP神經(jīng)網(wǎng)絡(luò)的一般建模過程BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)實質(zhì)是給定一組輸入(p=1,2,3.p)，p 為樣本個數(shù)，使用反向傳播算法對網(wǎng)絡(luò)的權(quán)值和偏差進行反復(fù)的調(diào)整訓(xùn)練，使輸出的向量與期望向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值和偏差。以常見的三層BP人工神經(jīng)網(wǎng)絡(luò)模型為例，其過程和步驟大體概括如下：（1） 初始化，隨機給定隱層和輸入層間神經(jīng)元的初始權(quán)值。（2） 由給定的輸入和輸出數(shù)據(jù)計算隱藏層和輸出層的輸出。（3） 計算新的連接權(quán)及閾值。（4） 修正中間層和輸出層的權(quán)值和閾值。（5） 選取下一個輸入模式對返回第2步反復(fù)訓(xùn)練直到網(wǎng)絡(luò)設(shè)輸出誤差達到要求，則結(jié)束訓(xùn)練。 從以上步驟可以看出，BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個逆向?qū)W習(xí)，并最終達到收斂的過程。4.1.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式經(jīng)過長時間的發(fā)展和研究，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法也呈現(xiàn)多樣化，越來越多的訓(xùn)練方法能夠提供給人們用以實現(xiàn)對權(quán)值和閾值的學(xué)習(xí)和修正，使網(wǎng)絡(luò)達到預(yù)定的目標(biāo)要求。最常用的算法有：LM算法 LM算法是主要應(yīng)用于中等規(guī)模的、連接權(quán)較多的前饋神經(jīng)網(wǎng)絡(luò)。其訓(xùn)練函數(shù)如公式4-1和公式4-2所示： （4-1） （4-2）公式（4-1）中e為網(wǎng)絡(luò)的誤差向量，g為梯度。當(dāng)式中的=0時，其為牛頓算法，若為無窮大時，則為梯度下降法。由于牛頓法比較迅速和準(zhǔn)確，因此，在實際應(yīng)用時，多取值為0，在每一次訓(xùn)練后，其值減小，但當(dāng)?shù)蟮目傉`差性能增大時，將會相應(yīng)的增大，這樣就能夠?qū)崿F(xiàn)算法的每一次迭代后誤差性能總是減小的的訓(xùn)練目的。最速下降法最速下降法可以求某指標(biāo)（目標(biāo)函數(shù)）的極小值。對于實值函數(shù)，如果在某點處有定義并且可微，則函數(shù)在該點處沿著梯度相反的方向-下降最快。因此，使用梯度下降法時，首先應(yīng)該計算函數(shù)在某點的梯度，然后沿著梯度的反方向以一定的步長調(diào)整自變量的值。 當(dāng)步長足夠小時 反復(fù)迭代 L求得函數(shù)最小值而最速下降法的每一次迭代的權(quán)值和閾值按照下列公式修改： （4-3） （4-4）式中為第次迭代后權(quán)值和閾值的取值向量。公式（4-4）為第次迭代的梯度向量，主要是針對神經(jīng)網(wǎng)絡(luò)的輸出誤差對各權(quán)值和閾值的。a表示學(xué)習(xí)速率，其值的變化影響網(wǎng)絡(luò)訓(xùn)練過程的快慢。動量梯度下降法動量梯度下降法是在最速下降法的基礎(chǔ)上增加了一個動量因子，從而能夠更快獲得收斂過程的改進算法。其數(shù)學(xué)表達式為： （4-5） （4-6）動量梯度下降法修正總是沿著同一個梯度方向進行的。修正量主要取決于動量因子的大小。由于動量梯度下降法采用了動量因子，使得獲取收斂結(jié)果的速度大大增加，解決了最速下降法中收斂過程緩慢的問題，是一種教為便捷的方法，因此，本文也選用動量梯度下降法訓(xùn)練所建立的BP網(wǎng)絡(luò)模型。而在MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中，traingdm為動量梯度下降法的訓(xùn)練函數(shù)。4.2 MATLAB軟件及其工具箱的介紹 MATLAB是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，應(yīng)用于數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。MATLAB是matrix&laboratory兩個詞的組合。是由美國MathWorks公司發(fā)布的主要面對可視化以及交互式程序設(shè)計的高科技計算環(huán)境。它將數(shù)值分析、科學(xué)數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個視窗環(huán)境中，為科學(xué)研究以及必須進行有效數(shù)值計算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計語言編輯模式，代表當(dāng)今國際科學(xué)計算軟件的先進水平。下圖為MATLAB（R2010b）主界面（4-2）。 圖4.2 MATLAB主界面 MATLAB為用戶提供了為數(shù)眾多的工具箱，用以更好的使用MATLAB軟件解決各種問題。其中，最為常用和便捷的工具箱是NNTool工具箱。如下圖所示（4-3）。 圖4.3 NNTool工具箱界面NNTool可以實現(xiàn)訓(xùn)練樣本的導(dǎo)入、神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、神經(jīng)網(wǎng)絡(luò)的初始化、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、神經(jīng)網(wǎng)絡(luò)的仿真、訓(xùn)練結(jié)果和數(shù)據(jù)的導(dǎo)出等一系列有關(guān)神經(jīng)網(wǎng)絡(luò)的操作。實踐證明，利用NNTool構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)精度相當(dāng)高而且簡單快速，不需要復(fù)雜的計算機編程。4.3 切削溫度的BP神經(jīng)網(wǎng)絡(luò)建模4.3.1 訓(xùn)練樣本的選取在利用NNTool工具箱設(shè)計神經(jīng)網(wǎng)絡(luò)時，由第三章所得實驗數(shù)據(jù)，選取訓(xùn)練樣本，即確定輸入向量與輸出向量，分別是：輸入向量：p=74 74 73.5 73 72.5 72；160 250 400 500 900 1120；37 58 92 115 205 253輸出向量：t=72 118 121 139 162 243確定輸入向量和輸出向量之后，通過Matlab軟件中workspace新建變量p和t，以表格形式輸入數(shù)據(jù)并保存。4.3.2 訓(xùn)練參數(shù)的選擇（1） 網(wǎng)絡(luò)層數(shù) BP神經(jīng)網(wǎng)絡(luò)通常包含輸入層、隱藏層和輸出層。理論上，三層的 BP 神經(jīng)網(wǎng)絡(luò)可以達到任意的所要求的非線性映射。在樣本數(shù)目較少的情況下，一般選取三層。但是，在大多數(shù)情況下，BP神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)不應(yīng)當(dāng)超過兩層。本文在選取網(wǎng)絡(luò)層數(shù)時，由于樣本數(shù)目較少，選取一層隱含層的BP神經(jīng)網(wǎng)絡(luò)。（2） 傳遞函數(shù)BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)有多種，一般的有：純線性函數(shù)purelin（）、tansigmoid型函數(shù)tansig()以及l(fā)og-sigmoid型函數(shù)logsig（）。logsig()函數(shù)的輸出被限制在 0-1 的一個很小的范圍內(nèi)，所以隱含層的傳遞函數(shù)通常選用此函數(shù)。purelin()函數(shù)可以實現(xiàn)無限范圍內(nèi)的輸出，因此，在輸出層，BP 神經(jīng)網(wǎng)絡(luò)模型通常選擇此函數(shù)得到所需的輸出。本文中，輸出層的數(shù)值較大，因此，隱含層的傳遞函數(shù)選擇logsig()函數(shù)、輸出層的傳遞函數(shù)選擇purelin()函數(shù)。（3） 訓(xùn)練方法 基于本章4.1.3的論述，本文選取的是動量梯度下降法訓(xùn)練所建立的BP神經(jīng)網(wǎng)絡(luò)模型，此算法相對穩(wěn)定，可以有效的避免陷入局部最小值而無法得到最優(yōu)解，可以避免產(chǎn)生較大振蕩，而且學(xué)習(xí)速率較快，適合于本課題所建立的小規(guī)模的BP神經(jīng)網(wǎng)絡(luò)。（4） 隱含層節(jié)點數(shù)就目前的水平來說，還沒有任何一種方法可以精確的確定節(jié)點數(shù)目的方法?，F(xiàn)階段，最常用的方法是適配法，即，通過經(jīng)驗公式一個一個驗證，由誤差平方和的大小，最終確定最合適的隱藏層節(jié)點數(shù)。其經(jīng)驗