快走丝电火花线切割加工工艺参数的优化选取

快走丝电火花线切割加工工艺参数的优化选取楼乐明，李明辉，彭颖红（上海交通大学塑性成形工程系，上海200030）用神经网络技术建立快走丝线切割加工工艺模型。与实验数据的比较表明，模型能精确地预测出给定条件下的切割速度和表面粗糙度，反映了该机床的加工工艺规律。在此基础上根据工件的实际厚度和表面粗糙度要求得到*优的加工参数组合，克服了工艺参数表的局限性。

快走丝电火花线切割加工（ wirecut electrical选取加工参数，一直制约着加工性能的发挥。针对参数的优化选取，国外的慢走丝机床或成形加工机床都是通过优化组合加工参数表中现有加工参数的组合来实现的，但实际上这样也往往行不通，因为加工参数表中的参数组合是有限的，而实际加工情况却千变万化。对于快走丝线切割加工而言，其加工性能与工件的厚度直接相关，通过工艺参数表来实现加工参数的优化选取显得尤为困难。解决这个难题的关键在于建立加工模型，然后在所建工艺模型的基础上选用合适的优化算法实现全局范围内加工参数的自动优化选取[1， 2 ].很显然，这种方法可以在一定程度上抛开加工参数表，也不存在加工参数表中参数组合有限的缺陷，其核心是要建立一个合理有效的加工模型和找到一种快速有效的优化算法。人工个神经元互连而成的大规模分布式并行信息处理系统，不仅具有容错和容差能力，且有自组织、自学习、联想记忆和推广泛化等能力，特别适合于处理复杂问题[3～5 ].而线切割加工是一个复杂随机过程，难以用精确的数学模型表示加工工艺参数与工艺效果之间的关系， ANN正可以发挥它的优势。本文首先利实验一致） . ANN模型预测结果以及与试验值的对比分析如表2所示。从表2可以看出， ANN模型的预测精度很高，预测误差基本控制在10以内。表明该模型充分体现了机床的加工特性，反映了机床的工艺规律，可以用来进行加工工艺效果的预测，实现工艺参数的全局*优化。

实际值预测值预测误差实际值预测值预测误差3加工参数的优化选取加工参数优化选取的目的是针对一定厚度的工件，在满足加工要求的条件下寻求*高的切割速度。

因此，优化模型可表示为式中的目标函数即为前面所建立的ANN模型，而约束条件中的R也利用了神经网络中的R输出量。 r为指定的R要求。

快走丝WEDN由于其影响参数相对较少，参数变化范围也不大。如本文实验所用机床，其脉宽的变化档数为16档，脉间的变化档数也为16档，而峰值电流的变化只有5档。因此，即使采用穷举法，其可能的搜索次数也只有16×16×5= 1 280次，使用计算机， 1 000多次迭代所需的时间只能用毫秒甚至微妙来衡量，完全能满足实际生产的要求。另外，使用穷举法得到的结果为加工代码，不存在优化结果与加工代码之间的转换问题。因此，本文直接采用了穷举法优化线切割加工工艺参数。同时为使优化结果更为合理，优化速度进一步提高，本文采用了带有一定人工智能的优化约束，即针对不同加工情况采用不同的约束条件，如R要求较高时，应采用较小的和工件较薄时，不能采用大能量脉冲工件较厚时，应有相应的I配合等，采取了这些措施后不仅优化速度加快而且结果合理，可以直接用来指导生产实践。表3显示了部分优化后的结果。

加工要求优化结果表中结果表明，利用这种优化方法，可以针对加工中工件的实际厚度和表面粗糙度要求找到*优的加工参数组合，弥补了加工数据表中加工参数组合有限的缺陷，解决了实际加工中参数选择难的问题。

4结语（ 1）利用神经网络技术建立了快走丝WEDM模型，实验表明该模型的预测精度很高，基本控制在10以下，说明该模型反映了机床的加工特性。

（ 2）通过建立的工艺参数优化选取系统可根据实际工件的厚度和表面粗糙度要求，得到*优加工参数，实现了全局范围内加工参数的*佳配置，克服了加工参数表的局限性。弥补了建立在加工参数表基础上的加工参数自动选取系统的缺陷。

（ 3）加工工艺参数优化选取功能的实现将有助于提高我国快走丝WEDM机床的技术水平和工艺水平。

[1 ]李明辉。电火花加工理论基础[ M ].北京：国防工业出[2 ]楼乐明，肖文芳，李明辉等。计算机仿真技术在电火花加工中的应用[ J].电子工艺技术， 1999， 20（ 3）： ～[5 ]焦李成。神经网络系统理论[M ].西安：西安电子科技大学出版社， 1995.

[6 ]俞忠原。实验设计与数据处理[ M ].哈尔滨：哈尔滨船舶工程学院出版社， 1991.

楼乐明，等：快走丝电火花线切割加工工艺参数的优化选取