【摘要】：鈦合金以其良好的耐熱性、耐腐蝕性,以及優(yōu)異的力學性能等,廣泛應用于航空航天、醫(yī)療、化工等領域,具有廣闊的科研空間和應用前景。但是由于鈦合金的加工性較差,在加工過程中存在切削溫度高、刀具磨損嚴重,加工效率低下等問題。在鈦合金切削過程中,切削力是一個非常重要的物理量,它對刀具壽命、加工質量等都有顯著影響,因此切削力的研究對提高刀具壽命,改善加工質量,提高加工效率具有非常重要的意義。本文選取鈦合金Ti6Al4V作為研究對象,研究分析該型號鈦合金切削力的預測。本文主要內容包括:首先,根據金屬切削原理,采用有限元分析方法結合ABAQUS建立了鈦合金切削仿真模型。通過將Kistler9257B三向車削測力儀測得的主切削力與通過仿真模型獲得的主切削力進行對比,驗證了仿真模型的正確性。其次,基于python語言通過ABAQUS二次開發(fā)建立了鈦合金切削仿真參數(shù)化模型。該參數(shù)化模型不僅可以提高建模的準確性,而且能夠省去大量的重復建模時間。然后設計了關于進給量、切削速度、刀具前角的單因素仿真試驗,探究三者對主切削力的影響規(guī)律。再次,建立了主切削力的BP神經網絡預測模型。首先設計三因素三水平的全因素試驗方案,利用切削仿真參數(shù)化模型獲取樣本數(shù)據。對神經網絡內部各參數(shù)進行設計,進行神經網絡預測模型的訓練與驗證。最后,基于響應曲面法建立了主切削力的公式預測模型,并通過顯著性檢驗驗證了公式模型對樣本數(shù)據的擬合效果,數(shù)據表明本文所建公式模型具有良好的擬合效果,可用于主切削力的預測。輸入相同的切削參數(shù),利用公式預測模型可以獲得主切削力的預測結果,通過BP神經網絡模型也可以獲得相應的主切削力預測結果。將兩組預測結果分別與通過切削仿真參數(shù)化模型獲得的主切削力進行對比,可以得到兩種預測模型的預測誤差。結果表明:BP神經網絡預測模型的預測精度高于公式模型的預測精度,從而說明本文所建的BP神經網絡切削力預測模型具有一定的優(yōu)越性,可以對生產實際提供指導。
[Abstract]:Titanium alloys are widely used in aerospace, medical, chemical and other fields for their good heat resistance, corrosion resistance and excellent mechanical properties. However, due to the poor machinability of titanium alloy, the cutting temperature is high, the tool wear is serious, and the machining efficiency is low. In the process of titanium alloy cutting, cutting force is a very important physical quantity, which has a remarkable influence on tool life and machining quality, so the study of cutting force can improve tool life and machining quality. It is very important to improve the processing efficiency. In this paper, titanium alloy Ti6Al4V is selected as the research object, and the prediction of cutting force of the titanium alloy is studied and analyzed. The main contents of this paper are as follows: firstly, according to the principle of metal cutting, the simulation model of titanium alloy cutting is established by using finite element analysis method and ABAQUS. The correctness of the simulation model is verified by comparing the main cutting force measured by the Kistler9257B three-way turning dynamometer with the main cutting force obtained by the simulation model. Secondly, the parameterized model of titanium alloy cutting simulation is established by ABAQUS secondary development based on python language. The parameterized model can not only improve the accuracy of modeling, but also save a lot of repeated modeling time. Then, a single factor simulation experiment on feed rate, cutting speed and cutting tool front angle is designed to explore the influence of the three factors on the main cutting force. Thirdly, the main cutting force prediction model based on BP neural network is established. First, a three-factor and three-level full-factor test scheme is designed, and the sample data are obtained by using the cutting simulation parameterized model. The parameters of neural network are designed, and the prediction model of neural network is trained and verified. Finally, based on the response surface method, the formula prediction model of the main cutting force is established, and the fitting effect of the formula model to the sample data is verified by the significance test. The data show that the formula model established in this paper has a good fitting effect. It can be used to predict the main cutting force. With the input of the same cutting parameters, the prediction results of the main cutting force can be obtained by using the formula prediction model, and the corresponding main cutting force prediction results can be obtained by the BP neural network model. By comparing the two sets of prediction results with the main cutting forces obtained by the parameterized cutting simulation model, the prediction errors of the two kinds of prediction models can be obtained. The results show that the prediction accuracy of the BP neural network model is higher than that of the formula model, which shows that the BP neural network cutting force prediction model built in this paper has some advantages and can provide guidance for the production practice.
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TG501;TP183

【相似文獻】

相關期刊論文 前10條

1 陳敏;BP將于2004年把南海氣田交還給中國海洋石油總公司[J];天然氣工業(yè);2003年01期

2 寇岱清;;BP表示其采集已泄漏原油的速度有所加快[J];石油化工腐蝕與防護;2010年03期

3 崔彥平,傅其鳳,師偉力;BP算法在旋轉機械故障診斷中的應用[J];河北科技大學學報;2003年03期

4 ;跨國石油BP在中國虧本建加氫站[J];中國石油和化工標準與質量;2007年01期

5 王紅芳;康慕寧;鄧正宏;;BP神經網絡在大氣環(huán)境質量評價中的應用研究[J];科學技術與工程;2009年07期

6 常勝;李江風;;基于BP神經網絡的城市土地集約利用評價——以湖北省鄂州為例[J];資源與產業(yè);2010年02期

7 邱林;;中石油收購BP是想當然的事[J];商界(評論);2010年07期

8 白潤才,殷伯良,孫慶宏;BP神經網絡模型在城市環(huán)境質量評價中的應用[J];遼寧工程技術大學學報(自然科學版);2001年03期

9 許少華,劉揚,梁久禎,宋考平;基于遺傳—BP算法和圖像處理的沉積微相識別[J];石油學報;2002年03期

10 林倫;BP中國打品牌[J];中國石油企業(yè);2005年10期

相關會議論文 前10條

1 吳炎;杜棟;;基于BP神經網絡的江蘇省農業(yè)可持續(xù)發(fā)展能力評價[A];決策科學與評價——中國系統(tǒng)工程學會決策科學專業(yè)委員會第八屆學術年會論文集[C];2009年

2 栗秋華;李楊;盧雯嘉;游步新;;基于遺傳算法和BP神經網絡的電力系統(tǒng)電壓穩(wěn)定性預警模型[A];重慶市電機工程學會2010年學術會議論文集[C];2010年

3 戴立新;胡潔;李美葉;;基于BP神經網絡的農戶小額信用貸款風險評價研究[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

4 戴立新;胡潔;李美葉;;基于BP神經網絡的農戶小額信用貸款風險評價研究[A];中國會計學會高等工科院校分會2007年學術年會暨第十四屆年會論文集[C];2007年

5 賈燕;陳思嘉;沈京玲;;基于BP神經網絡的毒品太赫茲光譜識別[A];中國光學學會2006年學術大會論文摘要集[C];2006年

6 劉志飛;;基于BP神經網絡的助學信貸評估模型[A];信息經濟學與電子商務：第十三屆中國信息經濟學會學術年會論文集[C];2008年

7 宋宜斌;王培進;李凱里;;多層前饋神經網絡中BP算法的改進及其應用研究[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

8 簡季;楊武年;馬正龍;陳園園;;BP神經網絡在土地分類中的應用研究——以汶川地區(qū)為例[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

9 尤煥苓;丁德平;王春華;劉偉東;謝莊;;應用回歸分析和BP神經網絡方法模擬北京地區(qū)電力負荷[A];第26屆中國氣象學會年會預測與公共服務分會場論文集[C];2009年

10 唐鳳英;喻長遠;胡隨瑜;;兩種Bp網絡測試方法在抑郁癥中醫(yī)證型分類中的對比研究[A];全國中西醫(yī)結合基礎理論學術研討會論文集[C];2004年

相關重要報紙文章 前10條

1 趙晏彪;BP科學家獲國際科學技術合作獎[N];中國化工報;2007年

2 宗林;中科院BP聯(lián)手推進清潔能源商業(yè)化[N];中國化工報;2007年

3 陳其玨;中科院與BP共建清潔能源商業(yè)化中心[N];上海證券報;2007年

4 鮑勇劍;BP漏油100天危機啟示錄[N];21世紀經濟報道;2010年

5 中山大學附屬第三醫(yī)院風濕科 黃建林;美國醫(yī)生腰間常掛BP機[N];健康報;2011年

6 本報記者 王佑;BP：高效與環(huán)保并重[N];第一財經日報;2006年

7 記者 郁紅;中科院BP將共建清潔能源商業(yè)化中心[N];中國化工報;2008年

8 王明毅;中科院與BP攜手推進清潔能源商業(yè)化進程[N];中國石油報;2007年

9 本報記者 詹鈴;BP出售資產追蹤：美企“吃肉” 中企“喝湯”？[N];21世紀經濟報道;2010年

10 龔月;中石油BP聯(lián)手競得伊拉克油田[N];中國企業(yè)報;2009年

相關博士學位論文 前3條

1 孫曉琳;基于Kalman濾波和BP神經網絡的財務危機動態(tài)預警模型研究[D];哈爾濱工業(yè)大學;2010年

2 何毅;基于BP神經網絡電容法刨花含水率測試儀的研究與開發(fā)[D];南京林業(yè)大學;2006年

3 王兟;腦卒中患者體內BP抗體水平與大皰性類天皰皰患者認知功能研究[D];北京協(xié)和醫(yī)學院;2015年

相關碩士學位論文 前10條

1 段偉超;BP神經網絡修正卡爾曼濾波在邊坡監(jiān)測中的應用[D];鄭州大學;2015年

2 林春;基于BP神經絡的廣東海洋生產總值預測研究[D];五邑大學;2015年

3 高文;基于BP神經網絡的混合機組風險管理系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2015年

4 高亮;基于ADABOOST和BP的車標識別方法研究[D];安徽大學;2016年

5 陳東營;基于優(yōu)化BP神經網絡的防腐劑熒光檢測技術研究[D];燕山大學;2016年

6 張波;一種基于BP神經網絡的企業(yè)簡歷篩選方案研究[D];延邊大學;2016年

7 何志連;BP神經網絡整體變步長與個體變步長算法的比較研究[D];東北農業(yè)大學;2016年

8 董萌;BP神經網絡在匯率短期預測中的應用[D];北京工業(yè)大學;2016年

9 豆歡娣;基于BP神經網絡的城市低碳交通發(fā)展評價研究[D];長安大學;2016年

10 包明林;基于BP神經網絡的智慧城市發(fā)展?jié)摿υu價研究[D];湘潭大學;2016年

，

本文編號：2361752